WO2024009967A1 - 復号装置、符号化装置、復号方法、および符号化方法 - Google Patents

復号装置、符号化装置、復号方法、および符号化方法 Download PDF

Info

Publication number
WO2024009967A1
WO2024009967A1 PCT/JP2023/024686 JP2023024686W WO2024009967A1 WO 2024009967 A1 WO2024009967 A1 WO 2024009967A1 JP 2023024686 W JP2023024686 W JP 2023024686W WO 2024009967 A1 WO2024009967 A1 WO 2024009967A1
Authority
WO
WIPO (PCT)
Prior art keywords
picture
neural network
information sets
unit
encoding
Prior art date
Application number
PCT/JP2023/024686
Other languages
English (en)
French (fr)
Inventor
ハン ブン テオ
ジンイン ガオ
チョン スン リム
プラビーン クマール ヤーダブ
清史 安倍
孝啓 西
正真 遠間
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
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 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Publication of WO2024009967A1 publication Critical patent/WO2024009967A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop

Definitions

  • the present disclosure relates to a decoding device, an encoding device, a decoding method, and an encoding method.
  • Video coding technology is H. From H.261 and MPEG-1, H.261 and MPEG-1. 264/AVC (Advanced Video Coding), MPEG-LA, H.264/AVC (Advanced Video Coding), MPEG-LA, H. 265/HEVC (High Efficiency Video Coding), and H.265/HEVC (High Efficiency Video Coding). 266/VVC (Versatile Video Codec).
  • 264/AVC Advanced Video Coding
  • MPEG-LA High Efficiency Video Coding
  • H. 265/HEVC High Efficiency Video Coding
  • 266/VVC Very Video Codec
  • Non-Patent Document 1 relates to an example of a conventional standard regarding the above-mentioned video coding technology.
  • H. 265 (ISO/IEC 23008-2 HEVC)/HEVC (High Efficiency Video Coding)
  • the present disclosure may contribute to one or more of, for example, improving encoding efficiency, improving image quality, reducing processing amount, reducing circuit size, improving processing speed, and appropriate selection of elements or operations. provide a configuration or method; Note that the present disclosure may include configurations or methods that may contribute to benefits other than those described above.
  • a decoding device includes a circuit and a memory connected to the circuit, and the circuit decodes a plurality of neural network information sets, each of which identifies a neural network filter, in operation. decode two or more activation information sets, each specifying one of the plurality of neural network information sets, from one access unit, and decode two or more activation information sets each specifying one of the plurality of neural network information sets, and decode two or more activation information sets specified by the two or more activation information sets. Two or more neural network filters specified by one or more neural network information sets are applied to one picture.
  • each of the embodiments in the present disclosure, or the configuration or method of a part thereof can, for example, improve encoding efficiency, improve image quality, reduce the amount of encoding/decoding processing, reduce circuit scale, or improve coding efficiency.
  • This makes it possible to improve at least one of the following: improvement in encoding/decoding processing speed;
  • each embodiment in the present disclosure, or each of the configurations or methods of a part thereof may be configured to appropriately adjust components/operations of filters, blocks, sizes, motion vectors, reference pictures, reference blocks, etc. in encoding and decoding. It enables you to make various choices.
  • the present disclosure also includes disclosure of configurations or methods that can provide benefits other than those described above. For example, there is a configuration or method that improves encoding efficiency while suppressing an increase in processing amount.
  • the configuration or method according to one aspect of the present disclosure can, for example, improve encoding efficiency, improve image quality, reduce processing amount, reduce circuit scale, improve processing speed, and appropriately select elements or operations. can contribute to one or more of them. Note that the configuration or method according to one aspect of the present disclosure may contribute to benefits other than those described above.
  • FIG. 1 is a schematic diagram showing an example of the configuration of a transmission system according to an embodiment.
  • FIG. 2 is a diagram showing an example of a hierarchical structure of data in a stream.
  • FIG. 3 is a diagram showing an example of a slice configuration.
  • FIG. 4 is a diagram showing an example of a tile configuration.
  • FIG. 5 is a diagram showing an example of a coding structure during scalable coding.
  • FIG. 6 is a diagram showing an example of a coding structure during scalable coding.
  • FIG. 7 is a block diagram showing an example of the configuration of the encoding device according to the embodiment.
  • FIG. 8 is a block diagram showing an implementation example of the encoding device.
  • FIG. 1 is a schematic diagram showing an example of the configuration of a transmission system according to an embodiment.
  • FIG. 2 is a diagram showing an example of a hierarchical structure of data in a stream.
  • FIG. 3 is a diagram showing an example of a slice configuration.
  • FIG. 9 is a flowchart illustrating an example of the overall encoding process by the encoding device.
  • FIG. 10 is a diagram showing an example of block division.
  • FIG. 11 is a diagram showing an example of the configuration of the dividing section.
  • FIG. 12 is a diagram showing an example of a division pattern.
  • FIG. 13A is a diagram illustrating an example of a syntax tree of a division pattern.
  • FIG. 13B is a diagram showing another example of the syntax tree of the division pattern.
  • FIG. 14 is a table showing transformation basis functions corresponding to each transformation type.
  • FIG. 15 is a diagram showing an example of SVT.
  • FIG. 16 is a flowchart illustrating an example of processing by the converter.
  • FIG. 17 is a flowchart illustrating another example of processing by the converter.
  • FIG. 16 is a flowchart illustrating an example of processing by the converter.
  • FIG. 18 is a block diagram showing an example of the configuration of the quantization section.
  • FIG. 19 is a flowchart showing an example of quantization by the quantization unit.
  • FIG. 20 is a block diagram showing an example of the configuration of the entropy encoding section.
  • FIG. 21 is a diagram showing the flow of CABAC in the entropy encoder.
  • FIG. 22 is a block diagram showing an example of the configuration of the loop filter section.
  • FIG. 23A is a diagram illustrating an example of the shape of a filter used in an adaptive loop filter (ALF).
  • FIG. 23B is a diagram showing another example of the shape of a filter used in ALF.
  • FIG. 23C is a diagram showing another example of the shape of a filter used in ALF.
  • FIG. ALF adaptive loop filter
  • FIG. 23D is a diagram showing an example in which the Y sample (first component) is used for Cb CCALF and Cr CCALF (multiple components different from the first component).
  • FIG. 23E shows a diamond shaped filter.
  • FIG. 23F is a diagram showing an example of JC-CCALF.
  • FIG. 23G is a diagram illustrating an example of weight_index candidates for JC-CCALF.
  • FIG. 24 is a block diagram showing an example of a detailed configuration of a loop filter section that functions as a DBF.
  • FIG. 25 is a diagram illustrating an example of a deblocking filter having filter characteristics that are symmetrical with respect to block boundaries.
  • FIG. 26 is a diagram for explaining an example of block boundaries on which deblocking filter processing is performed.
  • FIG. 27 is a diagram showing an example of the Bs value.
  • FIG. 28 is a flowchart illustrating an example of processing performed by the prediction unit of the encoding device.
  • FIG. 29 is a flowchart showing another example of processing performed by the prediction unit of the encoding device.
  • FIG. 30 is a flowchart illustrating another example of processing performed by the prediction unit of the encoding device.
  • FIG. 31 is a diagram showing an example of 67 intra prediction modes in intra prediction.
  • FIG. 32 is a flowchart illustrating an example of processing by the intra prediction unit.
  • FIG. 33 is a diagram showing an example of each reference picture.
  • FIG. 34 is a conceptual diagram showing an example of a reference picture list.
  • FIG. 35 is a flowchart showing the basic processing flow of inter prediction.
  • FIG. 28 is a flowchart illustrating an example of processing performed by the prediction unit of the encoding device.
  • FIG. 29 is a flowchart showing another example of processing performed by the prediction unit
  • FIG. 36 is a flowchart showing an example of MV derivation.
  • FIG. 37 is a flowchart showing another example of MV derivation.
  • FIG. 38A is a diagram illustrating an example of classification of each mode of MV derivation.
  • FIG. 38B is a diagram illustrating an example of classification of each mode of MV derivation.
  • FIG. 39 is a flowchart illustrating an example of inter prediction in normal inter mode.
  • FIG. 40 is a flowchart illustrating an example of inter prediction in normal merge mode.
  • FIG. 41 is a diagram for explaining an example of MV derivation processing in normal merge mode.
  • FIG. 42 is a diagram for explaining an example of MV derivation processing in HMVP (History-based Motion Vector Prediction/Predictor) mode.
  • FIG. HMVP History-based Motion Vector Prediction/Predictor
  • FIG. 43 is a flowchart illustrating an example of FRUC (frame rate up conversion).
  • FIG. 44 is a diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • FIG. 45 is a diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • FIG. 46A is a diagram for explaining an example of deriving MV in sub-block units in affine mode using two control points.
  • FIG. 46B is a diagram for explaining an example of deriving MV in sub-block units in affine mode using three control points.
  • FIG. 47A is a conceptual diagram for explaining an example of MV derivation of control points in affine mode.
  • FIG. 47B is a conceptual diagram for explaining an example of MV derivation of control points in affine mode.
  • FIG. 47C is a conceptual diagram for explaining an example of MV derivation of control points in affine mode.
  • FIG. 48A is a diagram for explaining an affine mode having two control points.
  • FIG. 48B is a diagram for explaining an affine mode having three control points.
  • FIG. 49A is a conceptual diagram for explaining an example of a control point MV derivation method when the number of control points is different between the encoded block and the current block.
  • FIG. 49B is a conceptual diagram for explaining another example of the MV derivation method for control points when the number of control points is different between the encoded block and the current block.
  • FIG. 49A is a conceptual diagram for explaining an example of a control point MV derivation method when the number of control points is different between the encoded block and the current block.
  • FIG. 49B is a conceptual diagram for explaining another example of the MV de
  • FIG. 50 is a flowchart illustrating an example of affine merge mode processing.
  • FIG. 51 is a flowchart illustrating an example of processing in affine inter mode.
  • FIG. 52A is a diagram for explaining generation of predicted images of two triangles.
  • FIG. 52B is a conceptual diagram showing an example of the first part of the first partition, the first sample set, and the second sample set.
  • FIG. 52C is a conceptual diagram showing the first portion of the first partition.
  • FIG. 53 is a flowchart showing an example of the triangle mode.
  • FIG. 54 is a diagram illustrating an example of an ATMVP (Advanced Temporal Motion Vector Prediction/Predictor) mode in which MV is derived in sub-block units.
  • FIG. ATMVP Advanced Temporal Motion Vector Prediction/Predictor
  • FIG. 55 is a diagram showing the relationship between merge mode and DMVR (dynamic motion vector refreshing).
  • FIG. 56 is a conceptual diagram for explaining an example of DMVR.
  • FIG. 57 is a conceptual diagram for explaining another example of DMVR for determining MV.
  • FIG. 58A is a diagram illustrating an example of motion search in DMVR.
  • FIG. 58B is a flowchart illustrating an example of motion search in DMVR.
  • FIG. 59 is a flowchart illustrating an example of generating a predicted image.
  • FIG. 60 is a flowchart showing another example of generating a predicted image.
  • FIG. 61 is a flowchart for explaining an example of predicted image correction processing by OBMC (overlapped block motion compensation).
  • FIG. OBMC overlapped block motion compensation
  • FIG. 62 is a conceptual diagram for explaining an example of predicted image correction processing by OBMC.
  • FIG. 63 is a diagram for explaining a model assuming uniform linear motion.
  • FIG. 64 is a flowchart illustrating an example of inter prediction according to BIO.
  • FIG. 65 is a diagram illustrating an example of the configuration of an inter prediction unit that performs inter prediction according to BIO.
  • FIG. 66A is a diagram for explaining an example of a predicted image generation method using brightness correction processing using LIC (local illumination compensation).
  • FIG. 66B is a flowchart illustrating an example of a predicted image generation method using brightness correction processing by LIC.
  • FIG. 67 is a block diagram showing the configuration of a decoding device according to an embodiment.
  • FIG. 68 is a block diagram showing an implementation example of a decoding device.
  • FIG. 69 is a flowchart illustrating an example of the overall decoding process by the decoding device.
  • FIG. 70 is a diagram showing the relationship between the division determining section and other components.
  • FIG. 71 is a block diagram showing an example of the configuration of an entropy decoding section.
  • FIG. 72 is a diagram showing the flow of CABAC in the entropy decoding section.
  • FIG. 73 is a block diagram showing an example of the configuration of the inverse quantization section.
  • FIG. 74 is a flowchart illustrating an example of inverse quantization by the inverse quantization unit.
  • FIG. 75 is a flowchart illustrating an example of processing by the inverse transformer.
  • FIG. 71 is a block diagram showing an example of the configuration of an entropy decoding section.
  • FIG. 72 is a diagram showing the flow of CABAC in the entropy decoding section.
  • FIG. 76 is a flowchart showing another example of processing by the inverse transformer.
  • FIG. 77 is a block diagram showing an example of the configuration of the loop filter section.
  • FIG. 78 is a flowchart illustrating an example of processing performed by the prediction unit of the decoding device.
  • FIG. 79 is a flowchart showing another example of processing performed by the prediction unit of the decoding device.
  • FIG. 80A is a flowchart showing part of another example of processing performed by the prediction unit of the decoding device.
  • FIG. 80B is a flowchart showing the remainder of another example of processing performed by the prediction unit of the decoding device.
  • FIG. 81 is a diagram illustrating an example of processing by the intra prediction unit of the decoding device.
  • FIG. 82 is a flowchart showing an example of MV derivation in the decoding device.
  • FIG. 83 is a flowchart showing another example of MV derivation in the decoding device.
  • FIG. 84 is a flowchart illustrating an example of inter prediction in normal inter mode in the decoding device.
  • FIG. 85 is a flowchart illustrating an example of inter prediction in normal merge mode in the decoding device.
  • FIG. 86 is a flowchart illustrating an example of inter prediction in FRUC mode in the decoding device.
  • FIG. 87 is a flowchart illustrating an example of inter prediction using affine merge mode in the decoding device.
  • FIG. 88 is a flowchart illustrating an example of inter prediction using affine inter mode in the decoding device.
  • FIG. 89 is a flowchart illustrating an example of inter prediction in triangle mode in the decoding device.
  • FIG. 90 is a flowchart illustrating an example of motion search using DMVR in the decoding device.
  • FIG. 91 is a flowchart showing a detailed example of motion search using DMVR in the decoding device.
  • FIG. 92 is a flowchart illustrating an example of generation of a predicted image in the decoding device.
  • FIG. 93 is a flowchart showing another example of generating a predicted image in the decoding device.
  • FIG. 94 is a flowchart illustrating an example of correction of a predicted image by OBMC in a decoding device.
  • FIG. 95 is a flowchart illustrating an example of correction of a predicted image by BIO in a decoding device.
  • FIG. 96 is a flowchart illustrating an example of correction of a predicted image by LIC in the decoding device.
  • FIG. 97 is a flowchart showing decoding processing using a neural network filter.
  • FIG. 98 is a conceptual diagram showing a bitstream including a first bitstream, a second bitstream, and a third bitstream.
  • FIG. 99 is a conceptual diagram showing the positions of the first bitstream, second bitstream, and third bitstream in the file.
  • FIG. 100 is a conceptual diagram showing the positions of a first bitstream, a second bitstream, and a third bitstream in MPEG-DASH (Dynamic Adaptive Streaming over HTTP).
  • FIG. 101 is a conceptual diagram showing an example of the position of a neural network information set in a bitstream.
  • FIG. 102 is a conceptual diagram showing another example of the position of the neural network information set in the bitstream.
  • FIG. 103 is a conceptual diagram showing an example of the position of an activation information set in a bitstream.
  • FIG. 104 is a conceptual diagram showing another example of the position of the activation information set in the bitstream.
  • FIG. 105 is a syntax diagram showing an example of the syntax structure of one activation information set.
  • FIG. 106 is a syntax diagram illustrating an example of the syntax structure of one or more activation information sets.
  • FIG. 107 is a conceptual diagram showing a first example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 108 is a conceptual diagram showing a second example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 109 is a conceptual diagram showing a third example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 110 is a conceptual diagram showing a fourth example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 111 is a conceptual diagram showing a fifth example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 112 is a conceptual diagram showing a sixth example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 113 is a conceptual diagram showing a seventh example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 114 is a conceptual diagram showing an eighth example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 115 is a conceptual diagram showing a ninth example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 116 is a conceptual diagram showing a tenth example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 117 is a conceptual diagram showing an eleventh example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 118 is a conceptual diagram showing a twelfth example of the relationship between a neural network information set, an activation information set, and a picture.
  • FIG. 119 is a flowchart illustrating a first operation example performed by the encoding device according to the embodiment.
  • FIG. 120 is a flowchart illustrating a first operation example performed by the decoding device according to the embodiment.
  • FIG. 121 is a flowchart illustrating a second operation example performed by the encoding device according to the embodiment.
  • FIG. 122 is a flowchart showing a second operation example performed by the decoding device according to the embodiment.
  • FIG. 123 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 119 is a flowchart illustrating a first operation example performed by the encoding device according to the embodiment.
  • FIG. 120 is a flowchart illustrating a first operation example performed by the decoding device according to the embodiment.
  • FIG. 121 is
  • FIG. 124 is a diagram showing an example of a display screen of a web page.
  • FIG. 125 is a diagram showing an example of a display screen of a web page.
  • FIG. 126 is a diagram illustrating an example of a smartphone.
  • FIG. 127 is a block diagram showing an example of the configuration of a smartphone.
  • the neural network filter is a filter based on a neural network, and corresponds to a neural network used as a filter.
  • Neural network filters are also expressed as neural network-based filters or neural network post-filters.
  • a neural network filter By applying a neural network filter to a picture, the image quality of the picture may be improved.
  • a neural network filter is applied to the reconstructed picture.
  • the neural network filter is not limited to being used as an out-loop filter for improving the image quality of a picture to be displayed, but may also be used as an in-loop filter for improving the image quality of a reference picture.
  • Outloop filters are also called post filters.
  • An in-loop filter is also called a loop filter.
  • the neural network information set is an information set for setting a neural network used as a filter, and includes information on a plurality of parameters such as weights in the neural network.
  • an encoding device encodes a neural network information set, and a decoding device decodes the neural network information set.
  • the decoding device then applies the neural network filter specified by the neural network information set to the picture. Thereby, a neural network filter suitable for the picture is applied to the picture.
  • the decoding device of Example 1 comprises a circuit and a memory connected to the circuit, the circuit decoding in operation a plurality of neural network information sets each identifying a neural network filter, each of which Two or more activation information sets specifying one of the plurality of neural network information sets are decoded from one access unit, and two or more neural network information sets specified by the two or more activation information sets are decoded. Two or more neural network filters specified by a network information set are applied to one picture.
  • the decoding device of Example 2 is the decoding device of Example 1, wherein each of the two or more activation information sets is a neural network indicating a number specifying one of the plurality of neural network information sets. a network identifier, and the circuit is configured to connect the two or more neural network filters specified by two or more numbers indicated by the two or more neural network identifiers included in the two or more activation information sets.
  • the decoding device may be applied to one picture.
  • This may make it possible to accurately specify two or more neural network information sets according to two or more neural network identifiers. Therefore, it may be possible to accurately improve image quality.
  • the decoding device of Example 3 is the decoding device of Example 1 or Example 2, wherein each of the two or more activation information sets includes an image identifier specifying the one picture, and the circuit includes:
  • the decoding device may apply the two or more neural network filters to the one picture specified by the image identifier.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the image identifier. Therefore, it may be possible to accurately improve image quality.
  • the decoding device of Example 4 is the decoding device of any one of Examples 1 to 3, and the circuit is configured to operate the two or more neural networks in the order specified by the two or more activation information sets.
  • the decoding device may apply network filters to the one picture in sequence.
  • the decoding device of Example 5 is the decoding device of any one of Examples 1 to 4, and the circuit is configured to convert the two or more activation information sets into two or more activation information sets belonging to the one access unit, respectively. It may be a decoding device that decodes from the above SEI (Supplemental Enhancement Information) message.
  • SEI Supplemental Enhancement Information
  • This may make it possible to accurately specify two or more neural network information sets according to two or more SEI messages, respectively. Therefore, it may be possible to accurately improve image quality.
  • the decoding device of Example 6 is the decoding device of any one of Examples 1 to 4, in which the circuit transmits the two or more activation information sets to one SEI ( It may be a decoding device that decodes from a Supplemental Enhancement Information) message.
  • SEI Supplemental Enhancement Information
  • the decoding device of Example 7 is the decoding device of any one of Examples 1 to 6, and the one picture is a picture that is later in decoding order than the current picture belonging to the one access unit. It may also be a decoding device.
  • the decoding device of Example 8 may be the decoding device of Example 3, in which the image identifier is a value of POC (Picture Order Count) of the one picture.
  • POC Picture Order Count
  • the decoding device of Example 9 is the decoding device of Example 3, and the image identifier is a POC (Picture Order Count) value of the one picture and a POC value of the current picture belonging to the one access unit. It may be a decoding device that is a difference value from the value.
  • POC Picture Order Count
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the POC difference value. Therefore, it may be possible to accurately improve image quality. Furthermore, by using the POC difference value, the amount of code may be reduced.
  • the decoding device of Example 10 is the decoding device of Example 3, wherein the image identifier is the number of pictures from the current picture belonging to the one access unit to the one picture in decoding order. There may be.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the number of pictures in the decoding order. Therefore, it may be possible to accurately improve image quality. Furthermore, by using the number of pictures in the decoding order, calculations may be simplified.
  • the decoding device of Example 11 may be the decoding device of Example 3, in which the image identifier is an identifier of an SPS (Sequence Parameter Set) referred to in decoding the one picture. good.
  • SPS Sequence Parameter Set
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to SPS. Therefore, it may be possible to accurately improve image quality. Furthermore, it may become possible to accurately specify a plurality of pictures according to SPS identifiers. It may also be possible to match the application of SPS and the application of neural network filters.
  • the decoding device of Example 12 may be the decoding device of Example 3, in which the image identifier is an identifier of a PPS (Picture Parameter Set) referred to in decoding the one picture. good.
  • PPS Picture Parameter Set
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the PPS. Therefore, it may be possible to accurately improve image quality. Furthermore, it may become possible to accurately specify multiple pictures according to PPS identifiers. It may also be possible to match the application of PPS and the application of neural network filters.
  • the decoding device of Example 13 may be the decoding device of Example 3, in which the image identifier is display time information set for the one picture.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the display time information. Therefore, it may be possible to accurately improve image quality.
  • the decoding device of Example 14 is the decoding device of any one of Examples 1 to 13, in which the circuit, before decoding the two or more activation information sets from the one access unit, The decoding device may decode a plurality of neural network information sets from an area different from the one access unit.
  • the decoding device of Example 15 is the decoding device of any one of Examples 1 to 14, wherein the circuit decodes a plurality of activation information sets having the same value from a plurality of access units, respectively. It may be.
  • This may make it possible to accurately specify the neural network information set and filter target picture even in random access. Therefore, it may be possible to smoothly apply the neural network filter even in random access.
  • the decoding device of Example 16 is the decoding device of Example 15, in which the plurality of pictures belonging to the plurality of access units are a picture before a RAP (Random Access Point) picture in decoding order, and a picture before the RAP (Random Access Point) picture,
  • the decoding device may include the following pictures.
  • the decoding device of Example 17 is the decoding device of any one of Examples 1 to 16, wherein the circuit includes a neural network filter specified by one of the two or more neural network information sets.
  • the decoding device may not apply the neural network filter to the one picture if it is not available.
  • the decoding device of Example 18 is the decoding device of any one of Examples 1 to 17, wherein the circuit includes a neural network filter specified by one of the two or more neural network information sets. If not available, the decoding device may apply to the one picture a neural network filter that was applied to a picture earlier in decoding order than the one picture.
  • the encoding device of Example 19 also includes a circuit and a memory connected to the circuit, wherein the circuit, in operation, encodes a plurality of neural network information sets each identifying a neural network filter; encodes into one access unit two or more activation information sets specifying one of the plurality of neural network information sets, and the two or more activation information sets specify one of the two or more activation information sets. It is used to apply two or more neural network filters specified by two or more neural network information sets specified by the activation information set to one picture.
  • the encoding device of Example 20 is the encoding device of Example 19, wherein each of the two or more activation information sets has a number specifying one of the plurality of neural network information sets. and the two or more activation information sets include the neural network identifiers indicated by the two or more neural network identifiers included in the two or more activation information sets.
  • the encoding device may be used to apply two or more neural network filters to the one picture.
  • This may make it possible to accurately specify two or more neural network information sets according to two or more neural network identifiers. Therefore, it may be possible to accurately improve image quality.
  • the encoding device of Example 21 is the encoding device of Example 19 or Example 20, wherein each of the two or more activation information sets includes an image identifier that specifies the one picture, and the two or more activation information sets include an image identifier that specifies the one picture.
  • the one or more activation information sets may be an encoding device used to apply the two or more neural network filters to the one picture specified by the image identifier.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the image identifier. Therefore, it may be possible to accurately improve image quality.
  • the encoding device of Example 22 is the encoding device of Examples 19 to 21, in which the two or more activation information sets are arranged in the order specified by the two or more activation information sets.
  • the encoding device may be used to sequentially apply the two or more neural network filters to the one picture.
  • the encoding device of Example 23 is the encoding device of Examples 19 to 22, in which the circuit encodes the two or more activation information sets belonging to the one access unit, respectively. It may be an encoding device that encodes the information into a SEI (Supplemental Enhancement Information) message.
  • SEI Supplemental Enhancement Information
  • This may make it possible to accurately specify two or more neural network information sets according to two or more SEI messages, respectively. Therefore, it may be possible to accurately improve image quality.
  • the encoding device of Example 24 is the encoding device of Examples 19 to 22, in which the circuit converts the two or more activation information sets into one SEI (Supplemental Information) belonging to the one access unit. It may also be an encoding device that encodes the information into an Enhancement Information) message.
  • SEI Supplemental Information
  • the encoding device of Example 25 is the encoding device of Examples 19 to 24, wherein the one picture is a picture that is later in encoding order than the current picture belonging to the one access unit. It may also be an encoding device.
  • the encoding device of Example 26 may be the encoding device of Example 21, in which the image identifier is a POC (Picture Order Count) value of the one picture.
  • the image identifier is a POC (Picture Order Count) value of the one picture.
  • the encoding device of Example 27 is the encoding device of Example 21, and the image identifier is a value of POC (Picture Order Count) of the one picture and a current picture belonging to the one access unit.
  • the encoding device may be a difference value from the POC value.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the POC difference value. Therefore, it may be possible to accurately improve image quality. Furthermore, by using the POC difference value, the amount of code may be reduced.
  • the encoding device of Example 28 is the encoding device of Example 21, wherein the image identifier is the number of pictures from the current picture belonging to the one access unit to the one picture in encoding order. It may also be an encoding device.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the number of pictures in the encoding order. Therefore, it may be possible to accurately improve image quality. Furthermore, by using the number of pictures in the encoding order, calculations may be simplified.
  • the encoding device of Example 29 is the encoding device of Example 21, wherein the image identifier is an identifier of an SPS (Sequence Parameter Set) referred to in encoding the one picture. It may be.
  • SPS Sequence Parameter Set
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to SPS. Therefore, it may be possible to accurately improve image quality. Furthermore, it may become possible to accurately specify a plurality of pictures according to SPS identifiers. It may also be possible to match the application of SPS and the application of neural network filters.
  • the encoding device of Example 30 is the encoding device of Example 21, wherein the image identifier is an identifier of a PPS (Picture Parameter Set) referred to in encoding the one picture. It may be.
  • PPS Picture Parameter Set
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the PPS. Therefore, it may be possible to accurately improve image quality. Furthermore, it may become possible to accurately specify multiple pictures according to PPS identifiers. It may also be possible to match the application of PPS and the application of neural network filters.
  • the encoding device of Example 31 may be the encoding device of Example 21, in which the image identifier is display time information set for the one picture.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the display time information. Therefore, it may be possible to accurately improve image quality.
  • the encoding device of Example 32 is the encoding device of any one of Examples 19 to 31, wherein the circuit includes: before encoding the two or more activation information sets into the one access unit; Furthermore, the encoding device may encode the plurality of neural network information sets into an area different from the one access unit.
  • the encoding device of Example 33 is the encoding device of any of Examples 19 to 32, wherein the circuit encodes a plurality of activation information sets having the same value into a plurality of access units, respectively. , or an encoding device.
  • This may make it possible to accurately specify the neural network information set and filter target picture even in random access. Therefore, it may be possible to smoothly apply the neural network filter even in random access.
  • the encoding device of Example 34 is the encoding device of Example 33, in which the plurality of pictures belonging to the plurality of access units is a picture that precedes a RAP (Random Access Point) picture in the encoding order. , and pictures subsequent to the RAP picture.
  • RAP Random Access Point
  • the encoding device of Example 35 is the encoding device of any of Examples 19 to 34, wherein the circuit is a neural network specified by one of the two or more neural network information sets.
  • the encoding device may be such that the neural network filter is not applied to the one picture if no filter is available.
  • the encoding device of Example 36 is the encoding device of any of Examples 19 to 35, wherein the circuit is a neural network specified by one of the two or more neural network information sets. If no filter is available, the encoding device may apply to the one picture a neural network filter that was applied to a picture earlier in encoding order than the one picture.
  • the decoding method of Example 37 decodes a plurality of neural network information sets, each specifying a neural network filter, and two or more activations each specifying one of the plurality of neural network information sets. decoding an information set from one access unit and applying two or more neural network filters specified by two or more neural network information sets specified by the two or more activation information sets to one picture; .
  • the encoding method of Example 38 encodes a plurality of neural network information sets, each specifying a neural network filter, and two or more accesses, each specifying one of the plurality of neural network information sets. encoding activation information sets into one access unit, the two or more activation information sets being two or more neural network information sets specified by the two or more activation information sets; It is used to apply the above neural network filter to one picture.
  • the decoding apparatus of Example 39 also includes a circuit and a memory coupled to the circuit, the circuit in operation decoding one or more neural network information sets each identifying a neural network filter; decoding from the access unit an activation information set that specifies a neural network information set included in the one or more neural network information sets and a picture to which the neural network filter specified by the neural network information set is applied; and applying the neural network filter specified by the neural network information set specified by the activation information set to the picture specified by the activation information set.
  • the decoding device of Example 40 may be the decoding device of Example 39, in which the picture is a picture that is later in decoding order than the current picture belonging to the access unit.
  • the encoding apparatus of Example 41 also includes a circuit and a memory coupled to the circuit, the circuit operatively encoding one or more neural network information sets each identifying a neural network filter. , an activation information set that specifies, in an access unit, a neural network information set included in the one or more neural network information sets and a picture to which the neural network filter specified by the neural network information set is applied. and the activation information set is configured to apply the neural network filter specified by the neural network information set specified in the activation information set to the picture specified in the activation information set. used.
  • the encoding device of Example 42 may be the encoding device of Example 41, in which the picture is a picture that is later in encoding order than the current picture belonging to the access unit. good.
  • the decoding method of Example 43 also includes decoding one or more neural network information sets, each specifying a neural network filter, and decoding the neural network information sets included in the one or more neural network information sets from the access unit. , decode an activation information set specifying a picture to which the neural network filter specified by the neural network information set is applied, and a picture specified by the neural network information set specified by the activation information set. Applying a neural network filter to the picture specified in the activation information set.
  • the encoding method of Example 44 encodes one or more neural network information sets, each specifying a neural network filter, and provides an access unit with neural network information sets included in the one or more neural network information sets. and a picture to which the neural network filter specified by the neural network information set is applied, and the activation information set specifies the neural network filter specified by the activation information set. It is used to apply the neural network filter specified by the network information set to the picture specified in the activation information set.
  • the decoding device of Example 45 includes an input section, an entropy decoding section, an inverse quantization section, an inverse transformation section, an intra prediction section, an inter prediction section, a loop filter section, and an output section.
  • An encoded bitstream is input to the input unit.
  • the entropy decoding unit applies variable length decoding to the encoded bitstream to derive quantization coefficients.
  • the dequantization unit dequantizes the quantized coefficients and derives transform coefficients.
  • the inverse transformer inversely transforms the transform coefficients to derive a prediction error.
  • the intra prediction unit generates a prediction signal of a current block included in the current picture using reference pixels included in the current picture.
  • the inter prediction unit generates a prediction signal of a current block included in the current picture using a reference block included in a reference picture different from the current picture.
  • the loop filter section applies a filter to the reconstructed block of the current block included in the current picture. Then, the current picture is output from the output unit.
  • the entropy decoding unit decodes a plurality of neural network information sets each specifying a neural network filter, and decodes two or more neural network information sets each specifying one of the plurality of neural network information sets. Decode the activation information set from one access unit.
  • the loop filter section applies two or more neural network filters specified by two or more neural network information sets specified by the two or more activation information sets to one picture. .
  • the encoding device of Example 46 includes an input section, a division section, an intra prediction section, an inter prediction section, a loop filter section, a transformation section, a quantization section, an entropy encoding section, and an output section. Equipped with.
  • a current picture is input to the input section.
  • the dividing unit divides the current picture into a plurality of blocks.
  • the intra prediction unit generates a prediction signal of a current block included in the current picture using reference pixels included in the current picture.
  • the inter prediction unit generates a prediction signal of a current block included in the current picture using a reference block included in a reference picture different from the current picture.
  • the loop filter section applies a filter to a reconstructed block of the current block included in the current picture.
  • the conversion unit converts a prediction error between an original signal of the current block included in the current picture and a prediction signal generated by the intra prediction unit or the inter prediction unit to generate conversion coefficients.
  • the quantization unit quantizes the transform coefficients to generate quantized coefficients.
  • the entropy encoding unit applies variable length encoding to the quantized coefficients to generate an encoded bitstream. Then, the encoded bitstream including the quantized coefficients subjected to variable length encoding and control information is output from the output unit.
  • the entropy encoding unit encodes a plurality of neural network information sets each specifying a neural network filter, and two or more neural network information sets each specifying one of the plurality of neural network information sets. activation information set into one access unit.
  • the two or more activation information sets combine two or more neural network filters specified by the two or more neural network information sets specified by the two or more activation information sets into one picture. used for applying.
  • Image A unit of data composed of a set of pixels, consisting of a picture or a block smaller than a picture, and includes still images as well as moving images.
  • Picture A unit of image processing made up of a set of pixels, and is sometimes called a frame or field.
  • Block This is a processing unit of a set including a specific number of pixels, and as shown in the example below, the name does not matter.
  • the shape is not limited, and includes, for example, a rectangle made up of M ⁇ N pixels, a square made up of M ⁇ M pixels, as well as a triangle, a circle, and other shapes.
  • Pixel value/sample value A unique value that a pixel has, and includes not only a luminance value, a color difference value, and RGB gradations, but also a depth value or binary values of 0 and 1.
  • the flag may be a plurality of bits, for example, it may be a parameter or index of 2 or more bits. Moreover, not only binary numbers using binary numbers but also multi-values using other base numbers may be used.
  • Signal A signal is something that is encoded or encoded to convey information, and includes not only discrete digital signals but also analog signals that take continuous values.
  • Stream/Bitstream A data string of digital data or a flow of digital data.
  • the stream/bitstream may be composed of a single stream or a plurality of streams divided into a plurality of layers.
  • data is transmitted by serial communication over a single transmission path, it also includes the case where it is transmitted by packet communication through a plurality of transmission paths.
  • Color difference (chroma) Adjectives denoted by the symbols Cb and Cr, specifying that a sample array or a single sample represents one of two color difference signals related to primary colors. Instead of the term chroma, the term chrominance can also be used.
  • Luminance An adjective represented by a symbol or subscript Y or L specifying that a sample array or a single sample represents a monochrome signal related to a primary color. Instead of the term luma, the term luminance can also be used.
  • an encoding device and a decoding device will be described.
  • the embodiments are examples of an encoding device and a decoding device to which the processing and/or configuration described in each aspect of the present disclosure can be applied.
  • the processing and/or configuration can also be implemented in an encoding device and a decoding device different from those in the embodiment.
  • any of the following may be implemented.
  • Some of the components of the plurality of components constituting the encoding device or decoding device of the embodiment may be combined with the components described in any of the aspects of the present disclosure. , may be combined with a component having part of the functions described in any of the aspects of the present disclosure, or a component that performs part of the processing performed by the component described in each aspect of the present disclosure. May be combined with
  • Components that have part of the functions of the encoding device or decoding device according to the embodiment, or components that implement a part of the processing of the encoding device or decoding device according to the embodiment are those according to the present disclosure.
  • any of the plurality of processes included in the method is the same as the process described in any of the aspects of the present disclosure, or similar to the process described in any of the aspects of the present disclosure. It may be replaced or combined with any of the treatments.
  • the method of implementing the processing and/or configuration described in each aspect of the present disclosure is not limited to the encoding device or decoding device of the embodiment.
  • the processing and/or configuration may be performed in an apparatus used for a purpose different from video encoding or video decoding disclosed in the embodiments.
  • FIG. 1 is a schematic diagram showing an example of the configuration of a transmission system according to this embodiment.
  • the transmission system Trs is a system that transmits a stream generated by encoding an image and decodes the transmitted stream.
  • Such a transmission system Trs includes an encoding device 100, a network Nw, and a decoding device 200, as shown in FIG. 1, for example.
  • An image is input to the encoding device 100.
  • the encoding device 100 generates a stream by encoding the input image, and outputs the stream to the network Nw.
  • the stream includes, for example, an encoded image and control information for decoding the encoded image.
  • the image is compressed by this encoding.
  • the original image before being encoded that is input to the encoding device 100 is also referred to as an original image, an original signal, or an original sample.
  • the image may be a moving image or a still image.
  • an image is a generic concept such as a sequence, a picture, and a block, and unless otherwise specified, it is not limited by spatial and temporal regions.
  • an image consists of an array of pixels or pixel values, and the signals or pixel values representing the image are also called samples.
  • a stream may also be called a bitstream, encoded bitstream, compressed bitstream, or encoded signal.
  • the encoding device may be called an image encoding device or a video encoding device, and the encoding method by the encoding device 100 is an encoding method, an image encoding method, or a video encoding method. may be called.
  • the network Nw transmits the stream generated by the encoding device 100 to the decoding device 200.
  • the network Nw may be the Internet, a wide area network (WAN), a local area network (LAN), or a combination thereof.
  • the network Nw is not necessarily a two-way communication network, but may be a one-way communication network that transmits broadcast waves such as terrestrial digital broadcasting or satellite broadcasting. Further, the network Nw may be replaced by a storage medium on which a stream is recorded, such as a DVD (Digital Versatile Disc) or a BD (Blu-Ray Disc (registered trademark)).
  • the decoding device 200 generates a decoded image, which is an uncompressed image, for example, by decoding the stream transmitted by the network Nw. For example, the decoding device decodes the stream according to a decoding method that corresponds to the encoding method used by the encoding device 100.
  • the decoding device may be called an image decoding device or a moving image decoding device, and the decoding method by the decoding device 200 may be called a decoding method, an image decoding method, or a moving image decoding method.
  • FIG. 2 is a diagram showing an example of a hierarchical structure of data in a stream.
  • a stream includes, for example, a video sequence.
  • this video sequence includes a VPS (Video Parameter Set), an SPS (Sequence Parameter Set), a PPS (Picture Parameter Set), and an SEI (Supplemental Enhancement Set). cement Information) and multiple Contains pictures of.
  • VPS includes encoding parameters common to the multiple layers and encoding parameters related to the multiple layers included in the video or individual layers.
  • the SPS includes parameters used for the sequence, that is, encoding parameters that the decoding device 200 refers to in order to decode the sequence.
  • the encoding parameter may indicate the width or height of the picture. Note that a plurality of SPSs may exist.
  • the PPS includes parameters used for the picture, that is, encoding parameters that the decoding device 200 refers to in order to decode each picture in the sequence.
  • the encoding parameters may include a reference value for the quantization width used in decoding the picture and a flag indicating application of weighted prediction. Note that a plurality of PPSs may exist. Further, SPS and PPS are sometimes simply called parameter sets.
  • a picture may include a picture header and one or more slices, as shown in FIG. 2(b).
  • the picture header includes encoding parameters referenced by decoding device 200 to decode its one or more slices.
  • a slice includes a slice header and one or more bricks, as shown in FIG. 2(c).
  • the slice header includes encoding parameters referenced by decoding device 200 to decode the one or more bricks.
  • the brick includes one or more CTUs (Coding Tree Units).
  • CTUs Coding Tree Units
  • a picture may not include a slice and instead of the slice, it may include a tile group.
  • the tile group includes one or more tiles.
  • the brick may include slices.
  • a CTU is also called a superblock or basic division unit.
  • Such a CTU includes a CTU header and one or more CUs (Coding Units), as shown in FIG. 2(e).
  • the CTU header includes encoding parameters that the decoding device 200 refers to in order to decode one or more CUs.
  • a CU may be divided into multiple smaller CUs. Further, as shown in FIG. 2(f), the CU includes a CU header, prediction information, and residual coefficient information.
  • the prediction information is information for predicting the CU
  • the residual coefficient information is information indicating a prediction residual, which will be described later.
  • a CU is basically the same as a PU (Prediction Unit) and a TU (Transform Unit), but for example, in an SBT described below, it may include a plurality of TUs smaller than the CU.
  • a CU may be processed for each VPDU (Virtual Pipeline Decoding Unit) that constitutes the CU.
  • a VPDU is a fixed unit that can be processed in one stage when performing pipeline processing in hardware, for example.
  • a picture that is currently being processed by a device such as the encoding device 100 or the decoding device 200 is referred to as a current picture. If the process is encoding, the current picture is synonymous with the picture to be encoded, and if the process is decoding, the current picture is synonymous with the picture to be decoded. Further, a block such as a CU or a CU that is currently being processed by a device such as the encoding device 100 or the decoding device 200 is referred to as a current block. If the process is encoding, the current block has the same meaning as the block to be encoded, and if the process is decoding, the current block has the same meaning as the block to be decoded.
  • pictures may be configured in units of slices or tiles.
  • a slice is a basic encoding unit that makes up a picture.
  • a picture is composed of, for example, one or more slices.
  • a slice consists of one or more consecutive CTUs.
  • FIG. 3 is a diagram showing an example of a slice configuration.
  • a picture includes 11 ⁇ 8 CTUs and is divided into four slices (slices 1-4).
  • Slice 1 consists of, for example, 16 CTUs
  • slice 2 consists of, for example, 21 CTUs
  • slice 3 consists of, for example, 29 CTUs
  • slice 4 consists of, for example, 22 CTUs.
  • each CTU within a picture belongs to one of the slices.
  • the shape of a slice is a picture divided horizontally.
  • the slice boundary does not need to be at the screen edge, but may be anywhere among the CTU boundaries within the screen.
  • the processing order (encoding order or decoding order) of CTUs in a slice is, for example, raster scan order.
  • a slice includes a slice header and encoded data.
  • the slice header may describe characteristics of the slice, such as the CTU address at the beginning of the slice and the slice type.
  • a tile is a unit of rectangular area that makes up a picture.
  • Each tile may be assigned a number called TileId in raster scan order.
  • FIG. 4 is a diagram showing an example of a tile configuration.
  • a picture includes 11 ⁇ 8 CTUs and is divided into four rectangular area tiles (tiles 1-4).
  • the processing order of CTUs is changed compared to when tiles are not used. If tiles are not used, CTUs within a picture are processed, for example, in raster scan order. If tiles are used, at least one CTU is processed in each of the plurality of tiles, eg, in raster scan order.
  • the processing order of multiple CTUs included in tile 1 is from the left end of the first column of tile 1 to the right end of the first column of tile 1, and then to the left end of the second column of tile 1. The order is from tile 1 to the right end of the second row.
  • one tile may include one or more slices, and one slice may include one or more tiles.
  • a tile set may include one or more tile groups and may include one or more tiles.
  • a picture may be composed of only one of a tile set, a tile group, and a tile.
  • the basic coding order of tiles is the order in which a plurality of tiles are scanned in raster order for each tile set.
  • a tile group is a collection of one or more tiles with consecutive basic encoding orders within each tile set.
  • Such a picture may be constructed by the dividing unit 102 (see FIG. 7), which will be described later.
  • [Scalable encoding] 5 and 6 are diagrams illustrating an example of a scalable stream configuration.
  • the encoding device 100 may generate a temporally/spatially scalable stream by dividing and encoding each of a plurality of pictures into one of a plurality of layers.
  • the encoding device 100 achieves scalability in which an enhancement layer exists above a base layer by encoding a picture for each layer.
  • This kind of encoding of each picture is called scalable encoding.
  • the decoding device 200 can switch the image quality of the displayed image by decoding the stream. That is, the decoding device 200 determines which layer to decode according to internal factors such as its own performance and external factors such as the state of the communication band.
  • the decoding device 200 can freely switch and decode the same content into low-resolution content and high-resolution content.
  • a user of the stream may use a smartphone to view part of the video stream while on the move, and then view the rest of the video video using a device such as an Internet TV after returning home.
  • a device such as an Internet TV after returning home.
  • each of the above-mentioned smartphones and devices incorporates a decoding device 200 having the same or different performance. In this case, if the device decodes up to the upper layer of the stream, the user can watch high-quality moving images after returning home. Thereby, the encoding device 100 does not need to generate multiple streams with the same content but different image quality, and can reduce the processing load.
  • the enhancement layer may include meta information based on image statistical information or the like.
  • the decoding device 200 may generate a high-quality moving image by super-resolving the base layer picture based on the meta information.
  • Super-resolution may be either an improvement in the signal-to-noise (SN) ratio at the same resolution or an expansion of the resolution.
  • Meta information includes information for specifying linear or nonlinear filter coefficients used in super-resolution processing, information for specifying parameter values in filter processing, machine learning, or least squares calculations used for super-resolution processing, etc. It's okay to stay.
  • the picture may be divided into tiles etc. depending on the meaning of each object in the picture.
  • the decoding device 200 may decode only a partial area of the picture by selecting a tile to be decoded.
  • attributes of objects person, car, ball, etc.
  • positions within a picture may be stored as meta information.
  • the decoding device 200 can specify the position of the desired object based on the meta information and determine the tile that includes the object. For example, as shown in FIG. 6, meta information is stored using a different data storage structure than image data, such as SEI in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
  • meta information may be stored in units consisting of multiple pictures, such as streams, sequences, or random access units.
  • the decoding device 200 can obtain the time at which a specific person appears in a video image, and by using that time and information on a per-picture basis, the decoding device 200 can identify the picture in which the object exists and the object within that picture. The location can be determined.
  • FIG. 7 is a block diagram illustrating an example of the configuration of encoding device 100 according to the embodiment.
  • the encoding device 100 encodes an image in units of blocks.
  • the encoding device 100 is a device that encodes an image in block units, and includes a dividing unit 102, a subtracting unit 104, a converting unit 106, a quantizing unit 108, and an entropy encoding unit.
  • section 110 inverse quantization section 112, inverse transformation section 114, addition section 116, block memory 118, loop filter section 120, frame memory 122, intra prediction section 124, inter prediction section 126, It includes a prediction control section 128 and a prediction parameter generation section 130.
  • each of the intra prediction unit 124 and the inter prediction unit 126 is configured as a part of a prediction processing unit.
  • FIG. 8 is a block diagram showing an implementation example of the encoding device 100.
  • Encoding device 100 includes a processor a1 and a memory a2.
  • multiple components of the encoding device 100 shown in FIG. 7 are implemented by the processor a1 and memory a2 shown in FIG. 8.
  • the processor a1 is a circuit that performs information processing and is a circuit that can access the memory a2.
  • processor a1 is a dedicated or general-purpose electronic circuit that encodes images.
  • Processor a1 may be a processor such as a CPU.
  • the processor a1 may be a collection of a plurality of electronic circuits.
  • the processor a1 may play the role of a plurality of components other than a component for storing information among the plurality of components of the encoding device 100 shown in FIG. 7.
  • the memory a2 is a dedicated or general-purpose memory in which information for the processor a1 to encode an image is stored.
  • Memory a2 may be an electronic circuit and may be connected to processor a1. Furthermore, the memory a2 may be included in the processor a1. Furthermore, the memory a2 may be a collection of a plurality of electronic circuits. Furthermore, the memory a2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like. Further, the memory a2 may be a nonvolatile memory or a volatile memory.
  • the memory a2 may store an image to be encoded, or may store a stream corresponding to the encoded image. Furthermore, a program for the processor a1 to encode an image may be stored in the memory a2.
  • the memory a2 may serve as a component for storing information among the multiple components of the encoding device 100 shown in FIG. 7.
  • memory a2 may serve as block memory 118 and frame memory 122 shown in FIG.
  • a reconstructed image (specifically, a reconstructed block, a reconstructed picture, etc.) may be stored in the memory a2.
  • FIG. 9 is a flowchart illustrating an example of the overall encoding process by the encoding device 100.
  • the dividing unit 102 of the encoding device 100 divides the picture included in the original image into a plurality of fixed-sized blocks (128 ⁇ 128 pixels) (step Sa_1). Then, the dividing unit 102 selects a dividing pattern for the fixed size block (step Sa_2). That is, the dividing unit 102 further divides the fixed size block into a plurality of blocks forming the selected division pattern. Then, the encoding device 100 performs steps Sa_3 to Sa_9 on each of the plurality of blocks.
  • the prediction processing unit consisting of the intra prediction unit 124 and the inter prediction unit 126 and the prediction control unit 128 generate a predicted image of the current block (step Sa_3).
  • the predicted image is also called a predicted signal, a predicted block, or a predicted sample.
  • the subtraction unit 104 generates the difference between the current block and the predicted image as a prediction residual (step Sa_4).
  • the prediction residual is also called a prediction error.
  • the transformation unit 106 and the quantization unit 108 generate a plurality of quantization coefficients by transforming and quantizing the predicted image (step Sa_5).
  • the entropy encoding unit 110 generates a stream by encoding (specifically entropy encoding) the plurality of quantization coefficients and prediction parameters related to generation of the predicted image ( Step Sa_6).
  • the inverse quantization unit 112 and the inverse transformation unit 114 restore the prediction residual by performing inverse quantization and inverse transformation on the plurality of quantized coefficients (step Sa_7).
  • the adding unit 116 reconstructs the current block by adding the predicted image to the restored prediction residual (step Sa_8). As a result, a reconstructed image is generated.
  • a reconstructed image is also called a reconstructed block, and in particular, a reconstructed image generated by the encoding device 100 is also called a local decoded block or a locally decoded image.
  • the loop filter unit 120 performs filtering on the reconstructed image as necessary (step Sa_9).
  • step Sa_10 determines whether encoding of the entire picture has been completed (step Sa_10), and when determining that encoding has not been completed (No in step Sa_10), repeats the process from step Sa_2. do.
  • the encoding device 100 selects one division pattern for a fixed-size block and encodes each block according to the division pattern, but encodes each block according to each of the plurality of division patterns. Each block may also be encoded. In this case, the encoding device 100 evaluates the cost of each of the plurality of division patterns, and selects, for example, the stream obtained by encoding according to the division pattern with the lowest cost as the stream to be finally output. You may.
  • steps Sa_1 to Sa_10 may be performed sequentially by the encoding device 100, or some of the processing may be performed in parallel, and the order may be changed. You can.
  • the encoding process performed by such encoding device 100 is hybrid encoding using predictive encoding and transform encoding.
  • Predictive coding also includes a subtraction unit 104, a conversion unit 106, a quantization unit 108, an inverse quantization unit 112, an inverse transformation unit 114, an addition unit 116, a loop filter unit 120, a block memory 118, a frame memory 122, and intra prediction.
  • This is performed by an encoding loop consisting of a prediction unit 124, an inter prediction unit 126, and a prediction control unit 128.
  • the prediction processing unit including the intra prediction unit 124 and the inter prediction unit 126 constitutes a part of the encoding loop.
  • the dividing unit 102 divides each picture included in the original image into a plurality of blocks, and outputs each block to the subtracting unit 104.
  • the dividing unit 102 first divides the picture into blocks of a fixed size (for example, 128x128 pixels).
  • This fixed size block is sometimes called a coding tree unit (CTU).
  • the dividing unit 102 then divides each of the fixed size blocks into blocks of variable size (for example, 64x64 pixels or less) based on, for example, recursive quadtree and/or binary tree block division. To divide. That is, the dividing unit 102 selects a dividing pattern.
  • This variable size block is sometimes called a coding unit (CU), prediction unit (PU) or transform unit (TU). Note that in various implementation examples, CUs, PUs, and TUs do not need to be distinguished, and some or all blocks within a picture may be a processing unit of a CU, PU, or TU.
  • FIG. 10 is a diagram showing an example of block division in the embodiment.
  • solid lines represent block boundaries resulting from quadtree block division
  • dashed lines represent block boundaries resulting from binary tree block division.
  • block 10 is a square block of 128x128 pixels. This block 10 is first divided into four square blocks of 64x64 pixels (quadtree block division).
  • the square block of 64x64 pixels on the upper left is further divided vertically into two rectangular blocks of 32x64 pixels each, and the rectangular block of 32x64 pixels on the left is further divided vertically into two rectangular blocks of 16x64 pixels each. (binary tree block partitioning).
  • the upper left square block of 64x64 pixels is divided into two rectangular blocks 11 and 12 of 16x64 pixels and a rectangular block 13 of 32x64 pixels.
  • the square block of 64x64 pixels at the upper right is horizontally divided into two rectangular blocks 14 and 15 each consisting of 64x32 pixels (binary tree block division).
  • the lower left square block of 64x64 pixels is divided into four square blocks each of 32x32 pixels (quadtree block division). Of the four square blocks each consisting of 32x32 pixels, the upper left block and lower right block are further divided.
  • the square block of 32x32 pixels on the upper left is divided vertically into two rectangular blocks of 16x32 pixels each, and the rectangular block of 16x32 pixels on the right is further divided horizontally into two square blocks of 16x16 pixels each. (binary tree block division).
  • the lower right square block of 32x32 pixels is horizontally divided into two rectangular blocks of 32x16 pixels each (binary tree block division).
  • the lower left square block of 64x64 pixels consists of a rectangular block 16 of 16x32 pixels, two square blocks 17 and 18 of 16x16 pixels each, two square blocks 19 and 20 of 32x32 pixels each, and a rectangular block 16 of 16x32 pixels each, two square blocks 19 and 20 of 32x32 pixels each, It is divided into two rectangular blocks 21 and 22.
  • the lower right block 23 consisting of 64x64 pixels is not divided.
  • block 10 is divided into 13 variable-sized blocks 11 to 23 based on recursive quadtree and binary tree block division.
  • Such a partition is sometimes called a QTBT (quad-tree plus binary tree) partition.
  • one block is divided into four or two blocks (quadrant tree or binary tree block division), but the division is not limited to these.
  • one block may be divided into three blocks (ternary tree block division). Partitioning including such ternary tree block partitioning is sometimes called MBT (multi-type tree) partitioning.
  • MBT multi-type tree
  • FIG. 11 is a diagram showing an example of the configuration of the dividing section 102.
  • the dividing section 102 may include a block dividing determining section 102a.
  • the block division determination unit 102a may perform the following processing, for example.
  • the block division determining unit 102a collects block information from the block memory 118 or frame memory 122, and determines the above-mentioned division pattern based on the block information.
  • the dividing unit 102 divides the original image according to the dividing pattern, and outputs one or more blocks obtained by the division to the subtracting unit 104.
  • the block division determining unit 102a outputs, for example, parameters indicating the above-mentioned division pattern to the transformation unit 106, the inverse transformation unit 114, the intra prediction unit 124, the inter prediction unit 126, and the entropy encoding unit 110.
  • the conversion unit 106 may convert the prediction residual based on the parameters, and the intra prediction unit 124 and the inter prediction unit 126 may generate predicted images based on the parameters.
  • the entropy encoding unit 110 may perform entropy encoding on the parameter.
  • Parameters related to the division pattern may be written to the stream as follows, for example.
  • FIG. 12 is a diagram showing an example of a division pattern.
  • Division patterns include, for example, quadrant (QT), in which a block is divided into two in each of the horizontal and vertical directions, and three-division (QT), in which the block is divided into two in the same direction at a ratio of 1:2:1.
  • QT quadrant
  • QT three-division
  • HT or VT two-part division in which the block is divided in the same direction at a 1:1 ratio
  • NS no division
  • the division pattern does not have a block division direction, and in the case of two divisions and three divisions, the division pattern has division direction information.
  • FIG. 13A and 13B are diagrams showing an example of a syntax tree of a division pattern.
  • S Split flag
  • QT QT flag
  • TT TT flag or BT: BT flag
  • BT flag BT flag
  • the performed determination results may be encoded into a stream according to the encoding order disclosed in the syntax tree shown in FIG. 13A.
  • the information is arranged in the order of S, QT, TT, and Ver, but even if the information is arranged in the order of S, QT, Ver, and BT, good.
  • S Split flag
  • QT QT flag
  • BT BT flag or TT: TT flag
  • division pattern described here is an example, and a division pattern other than the described division pattern may be used, or only a part of the described division pattern may be used.
  • the subtraction unit 104 receives the input from the division unit 102 and subtracts the predicted image (the predicted image input from the prediction control unit 128) from the original image in block units divided by the division unit 102. That is, the subtraction unit 104 calculates the prediction residual of the current block. Then, the subtraction unit 104 outputs the calculated prediction residual to the conversion unit 106.
  • the original image is an input signal of the encoding device 100, and is, for example, a signal representing an image of each picture making up a moving image (for example, a luminance (luma) signal and two color difference (chroma) signals).
  • a signal representing an image of each picture making up a moving image for example, a luminance (luma) signal and two color difference (chroma) signals.
  • the transformer 106 transforms the spatial domain prediction residual into frequency domain transform coefficients, and outputs the transform coefficients to the quantizer 108 .
  • the transform unit 106 performs a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) on the prediction residual in the spatial domain, for example.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the transform unit 106 adaptively selects a transform type from among a plurality of transform types, and converts the predicted residual into transform coefficients using a transform basis function corresponding to the selected transform type. May be converted.
  • a transformation is sometimes called EMT (explicit multiple core transform) or AMT (adaptive multiple transform).
  • the conversion basis function is sometimes simply called a basis.
  • the multiple conversion types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I, and DST-VII. Note that these conversion types may be expressed as DCT2, DCT5, DCT8, DST1, and DST7, respectively.
  • FIG. 14 is a table showing transformation basis functions corresponding to each transformation type. In FIG. 14, N indicates the number of input pixels. The selection of a transformation type from among these plurality of transformation types may depend, for example, on the type of prediction (intra prediction, inter prediction, etc.) or on the intra prediction mode.
  • EMT flag or AMT flag Information indicating whether to apply such EMT or AMT
  • information indicating the selected conversion type are usually signaled at the CU level. Note that the signaling of these information need not be limited to the CU level, but may be at other levels (eg, sequence level, picture level, slice level, brick level, or CTU level).
  • the conversion unit 106 may re-convert the conversion coefficients (ie, the conversion result). Such re-transformation is sometimes referred to as AST (adaptive secondary transform) or NSST (non-separable secondary transform). For example, the transform unit 106 re-transforms each sub-block (for example, a 4x4 pixel sub-block) included in the block of transform coefficients corresponding to the intra-prediction residual.
  • Information indicating whether to apply NSST and information regarding the transformation matrix used for NSST are usually signaled at the CU level. Note that the signaling of these information need not be limited to the CU level, but may be at other levels (eg, sequence level, picture level, slice level, brick level, or CTU level).
  • Separable conversion and non-separable conversion may be applied to the conversion unit 106.
  • Separable transformation is a method in which the transformation is performed multiple times by separating each direction by the number of dimensions of the input
  • non-separable transformation is a method in which the transformation is performed multiple times in each direction by the number of dimensions of the input. This is a method that treats all dimensions as one-dimensional and performs transformations all at once.
  • non-separable transformation if the input is a 4x4 pixel block, it is treated as one array with 16 elements, and 16x16 transformation is performed on that array.
  • An example is something that performs a transformation process using a matrix.
  • non-separable transformation is a transformation in which a 4x4 pixel input block is treated as one array with 16 elements, and then Givens rotation is performed on the array multiple times ( Hypercube Givens Transform) may also be performed.
  • the conversion type of the conversion basis function to be converted into the frequency domain can also be switched depending on the region within the CU.
  • An example is SVT (Spatially Varying Transform).
  • FIG. 15 is a diagram showing an example of SVT.
  • the CU is divided into two in the horizontal or vertical direction, and only one of the regions is converted into the frequency domain.
  • the conversion type may be set for each area, and for example, DST7 and DCT8 are used.
  • DST7 and DCT8 may be used for the region at position 0.
  • DST7 is used for the area at position 1.
  • DST7 and DCT8 are used for the region at position 0.
  • DST7 is used for the area at position 1.
  • the division method may include not only 2 equal divisions but also 4 equal divisions. Further, it is also possible to make it more flexible by encoding information indicating the division method and signaling it in the same way as in CU division. Note that SVT is sometimes referred to as SBT (Sub-block Transform).
  • MTS Multiple Transform Selection
  • a conversion type such as DST7 or DCT8
  • information indicating the selected conversion type may be encoded as index information for each CU.
  • IMTS Implicit MTS
  • IMTS may be used only for intra-predicted blocks, or may be used for both intra-predicted blocks and inter-predicted blocks.
  • each selection process is enabled, or some of them may be selectively enabled. Only the selection process may be enabled. Whether or not each selection process is valid can be identified by flag information in a header such as SPS. For example, if all three selection processes are valid, one of the three selection processes is selected for each CU and orthogonal transformation is performed. Note that the selection process for selectively switching the conversion type may use a selection process different from the above three selection processes, as long as at least one of the following four functions [1] to [4] can be realized. Each of the three selection processes described above may be replaced with another process.
  • Function [1] is a function that orthogonally transforms the entire range within the CU and encodes information indicating the transform type used for the transform.
  • Function [2] is a function that orthogonally transforms the entire range of the CU and determines the transform type based on a predetermined rule without encoding information indicating the transform type.
  • Function [3] is a function that orthogonally transforms a part of the CU and encodes information indicating the transform type used for the transform.
  • Function [4] is a function of orthogonally transforming a partial region of the CU and determining the transformation type based on a predetermined rule without encoding information indicating the transformation type used for the transformation.
  • whether or not to apply each of MTS, IMTS, and SBT may be determined for each processing unit. For example, whether or not to apply it may be determined on a sequence-by-sequence, picture-by-picture, brick-by-brick, slice-by-slice, CTU-by-CTU, or CU-by-CU basis.
  • the tool for selectively switching the conversion type in the present disclosure may be rephrased as a method of adaptively selecting a base to be used in a conversion process, a selection process, or a process of selecting a base. Further, the tool for selectively switching the conversion type may be referred to as a mode for adaptively selecting the conversion type.
  • FIG. 16 is a flowchart illustrating an example of processing by the conversion unit 106.
  • the transformation unit 106 determines whether or not to perform orthogonal transformation (step St_1).
  • the transform unit 106 determines to perform orthogonal transform (Yes in step St_1), it selects a transform type to be used for the orthogonal transform from a plurality of transform types (step St_2).
  • the transform unit 106 performs orthogonal transform by applying the selected transform type to the prediction residual of the current block (step St_3).
  • the conversion unit 106 outputs information indicating the selected conversion type to the entropy encoding unit 110, thereby encoding the information (Step St_4).
  • the transform unit 106 determines that the orthogonal transform is not to be performed (No in step St_1), the transform unit 106 encodes the information by outputting information indicating that the orthogonal transform is not to be performed to the entropy encoding unit 110 ( Step St_5).
  • the determination whether or not to perform orthogonal transformation in step St_1 may be determined based on, for example, the size of the transform block, the prediction mode applied to the CU, and the like. Further, the information indicating the transform type used for the orthogonal transform may not be encoded, and the orthogonal transform may be performed using a predefined transform type.
  • FIG. 17 is a flowchart showing another example of the processing by the conversion unit 106. Note that, like the example shown in FIG. 16, the example shown in FIG. 17 is an example of orthogonal transformation in which a method of selectively switching the transformation type used for orthogonal transformation is applied.
  • the first conversion type group may include DCT2, DST7, and DCT8.
  • the second conversion type group may include DCT2.
  • the conversion types included in the first conversion type group and the second conversion type group may partially overlap, or may be all different conversion types.
  • the converting unit 106 determines whether the converted size is less than or equal to a predetermined value (step Su_1). Here, if it is determined that it is less than or equal to the predetermined value (Yes in step Su_1), the transform unit 106 orthogonally transforms the prediction residual of the current block using the transform type included in the first transform type group (step Su_2 ). Next, the conversion unit 106 outputs information indicating which conversion type to use from among the one or more conversion types included in the first conversion type group to the entropy encoding unit 110, so that the information is encoded (step Su_3).
  • the transform unit 106 determines that the transform size is not less than or equal to the predetermined value (No in step Su_1), the transform unit 106 orthogonally transforms the prediction residual of the current block using the second transform type group (step Su_4).
  • the information indicating the transformation type used for the orthogonal transformation may be information indicating a combination of the transformation type applied in the vertical direction and the transformation type applied in the horizontal direction of the current block.
  • the first transform type group may include only one transform type, and the information indicating the transform type used for orthogonal transform does not need to be encoded.
  • the second transform type group may include a plurality of transform types, and information indicating the transform type used for the orthogonal transform among the one or more transform types included in the second transform type group is encoded. You can.
  • the conversion type may be determined based only on the conversion size. Note that the process is not limited to determining whether the transform size is less than or equal to a predetermined value, as long as the transform type to be used for orthogonal transform is determined based on the transform size.
  • Quantization section 108 quantizes the transform coefficients output from transform section 106. Specifically, the quantization unit 108 scans a plurality of transform coefficients of the current block in a predetermined scanning order, and quantizes the transform coefficients based on a quantization parameter (QP) corresponding to the scanned transform coefficients. do. Then, the quantization unit 108 outputs a plurality of quantized transform coefficients (hereinafter referred to as quantization coefficients) of the current block to the entropy encoding unit 110 and the inverse quantization unit 112.
  • QP quantization parameter
  • the predetermined scanning order is the order for quantization/inverse quantization of transform coefficients.
  • the predetermined scanning order is defined as ascending order of frequency (order from low frequency to high frequency) or descending order (order from high frequency to low frequency).
  • a quantization parameter is a parameter that defines a quantization step (quantization width). For example, if the value of the quantization parameter increases, the quantization step also increases. In other words, as the value of the quantization parameter increases, the error in the quantization coefficient (quantization error) increases.
  • a quantization matrix may be used for quantization.
  • quantization matrices may be used depending on frequency conversion sizes such as 4x4 and 8x8, prediction modes such as intra prediction and inter prediction, and pixel components such as luminance and chrominance.
  • quantization refers to digitizing values sampled at predetermined intervals by associating them with predetermined levels, and in this technical field, expressions such as rounding, rounding, or scaling are used. In some cases.
  • the quantization matrix may be encoded, for example, at the sequence level, picture level, slice level, brick level or CTU level.
  • the quantization unit 108 scales, for example, a quantization width determined from a quantization parameter etc. for each transform coefficient using the value of the quantization matrix.
  • the quantization process performed without using a quantization matrix may be a process of quantizing transform coefficients based on a quantization width determined from a quantization parameter or the like. Note that in quantization processing performed without using a quantization matrix, the quantization width may be multiplied by a predetermined value that is common to all transform coefficients in a block.
  • FIG. 18 is a block diagram showing an example of the configuration of the quantization unit 108.
  • the quantization unit 108 includes, for example, a differential quantization parameter generation unit 108a, a predictive quantization parameter generation unit 108b, a quantization parameter generation unit 108c, a quantization parameter storage unit 108d, and a quantization processing unit 108e. .
  • FIG. 19 is a flowchart showing an example of quantization by the quantization unit 108.
  • the quantization unit 108 may perform quantization for each CU based on the flowchart shown in FIG. Specifically, the quantization parameter generation unit 108c determines whether to perform quantization (step Sv_1). Here, if it is determined that quantization is to be performed (Yes in step Sv_1), the quantization parameter generation unit 108c generates a quantization parameter for the current block (step Sv_2), and stores the quantization parameter in the quantization parameter storage unit 108d. (Step Sv_3).
  • the quantization processing unit 108e quantizes the transform coefficient of the current block using the quantization parameter generated in step Sv_2 (step Sv_4).
  • the predictive quantization parameter generation unit 108b obtains a quantization parameter for a processing unit different from the current block from the quantization parameter storage unit 108d (step Sv_5).
  • the predictive quantization parameter generation unit 108b generates a predictive quantization parameter for the current block based on the acquired quantization parameter (step Sv_6).
  • the difference quantization parameter generation unit 108a calculates the difference between the quantization parameter of the current block generated by the quantization parameter generation unit 108c and the predictive quantization parameter of the current block generated by the predictive quantization parameter generation unit 108b. is calculated (step Sv_7). By calculating this difference, a difference quantization parameter is generated.
  • the difference quantization parameter generation unit 108a outputs the difference quantization parameter to the entropy encoding unit 110 to encode the difference quantization parameter (step Sv_8).
  • differential quantization parameter may be encoded at the sequence level, picture level, slice level, brick level, or CTU level.
  • initial value of the quantization parameter may be encoded at the sequence level, picture level, slice level, brick level, or CTU level.
  • the quantization parameter may be generated using the initial value of the quantization parameter and the difference quantization parameter.
  • the quantization unit 108 may include a plurality of quantizers, and may apply dependent quantization in which the transform coefficients are quantized using a quantization method selected from a plurality of quantization methods.
  • FIG. 20 is a block diagram illustrating an example of the configuration of entropy encoding section 110.
  • the entropy encoding unit 110 generates a stream by performing entropy encoding on the quantization coefficients input from the quantization unit 108 and the prediction parameters input from the prediction parameter generation unit 130.
  • CABAC Context-based Adaptive Binary Arithmetic Coding
  • the entropy encoding unit 110 includes, for example, a binarization unit 110a, a context control unit 110b, and a binary arithmetic encoding unit 110c.
  • the binarization unit 110a performs binarization to convert multi-value signals such as quantization coefficients and prediction parameters into binary signals.
  • Binarization methods include, for example, Truncated Rice Binarization, Exponential Golomb codes, Fixed Length Binarization, and the like.
  • the context control unit 110b derives a context value according to the characteristics of the syntax element or the surrounding situation, that is, the probability of occurrence of a binary signal. Methods for deriving this context value include, for example, bypass, syntax element reference, upper/left adjacent block reference, hierarchical information reference, and others.
  • the binary arithmetic encoding unit 110c performs arithmetic encoding on the binary signal using the derived context value.
  • FIG. 21 is a diagram showing the flow of CABAC in the entropy encoding section 110.
  • CABAC in the entropy encoding unit 110 is initialized.
  • initialization in the binary arithmetic encoding unit 110c and setting of an initial context value are performed.
  • the binarization unit 110a and the binary arithmetic coding unit 110c sequentially perform binarization and arithmetic coding on each of the plurality of quantized coefficients of the CTU, for example.
  • the context control unit 110b updates the context value every time arithmetic encoding is performed.
  • the context control unit 110b saves the context value as post-processing. This saved context value is used, for example, to initialize the context value for the next CTU.
  • the dequantization unit 112 dequantizes the quantized coefficients input from the quantization unit 108. Specifically, the dequantization unit 112 dequantizes the quantization coefficients of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inverse quantized transform coefficients of the current block to the inverse transform unit 114.
  • the inverse transformer 114 restores the prediction residual by inversely transforming the transform coefficients input from the inverse quantizer 112. Specifically, the inverse transform unit 114 restores the prediction residual of the current block by performing an inverse transform corresponding to the transform by the transform unit 106 on the transform coefficients. Then, the inverse transformer 114 outputs the restored prediction residual to the adder 116.
  • the restored prediction residual usually has information lost due to quantization, so it does not match the prediction error calculated by the subtraction unit 104. That is, the restored prediction residual usually includes a quantization error.
  • the addition unit 116 reconstructs the current block by adding the prediction residual input from the inverse transformation unit 114 and the predicted image input from the prediction control unit 128. As a result, a reconstructed image is generated. Addition section 116 then outputs the reconstructed image to block memory 118 and loop filter section 120.
  • the block memory 118 is, for example, a storage unit for storing blocks in the current picture that are referenced in intra prediction. Specifically, block memory 118 stores the reconstructed image output from adder 116.
  • the frame memory 122 is, for example, a storage unit for storing reference pictures used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 122 stores the reconstructed image filtered by the loop filter unit 120.
  • the loop filter section 120 performs loop filter processing on the reconstructed image output from the addition section 116 and outputs the filtered reconstructed image to the frame memory 122.
  • a loop filter is a filter (in-loop filter) used within the encoding loop, and includes, for example, an adaptive loop filter (ALF), a deblocking filter (DF or DBF), and a sample adaptive offset (SAO). .
  • ALF adaptive loop filter
  • DF or DBF deblocking filter
  • SAO sample adaptive offset
  • FIG. 22 is a block diagram showing an example of the configuration of the loop filter section 120.
  • the loop filter section 120 includes a deblocking filter processing section 120a, an SAO processing section 120b, and an ALF processing section 120c.
  • the deblocking filter processing unit 120a performs the above-described deblocking filter processing on the reconstructed image.
  • the SAO processing unit 120b performs the above-described SAO processing on the reconstructed image after the deblocking filter processing.
  • the ALF processing unit 120c applies the above-mentioned ALF processing to the reconstructed image after the SAO processing. Details of the ALF and deblocking filter will be described later.
  • SAO processing is a process that improves image quality by reducing ringing (a phenomenon in which pixel values are distorted in a wavy manner around edges) and correcting deviations in pixel values.
  • This SAO processing includes, for example, edge offset processing and band offset processing.
  • the loop filter section 120 does not need to include all of the processing sections disclosed in FIG. 22, and may include only some of the processing sections. Further, the loop filter unit 120 may be configured to perform each of the above-described processes in a different order from the process order disclosed in FIG. 22.
  • Loop filter section > Adaptive loop filter In ALF, a least squares error filter is applied to remove coding distortion, and for example, for each 2x2 pixel subblock within the current block, based on the direction and activity of the local gradient. One filter selected from the plurality of filters is applied.
  • a subblock for example, a 2x2 pixel subblock
  • a plurality of classes for example, 15 or 25 classes. Classification of subblocks is performed, for example, based on the direction and activity of the gradient.
  • the sub-blocks are classified into a plurality of classes.
  • the gradient direction value D is derived, for example, by comparing gradients in multiple directions (eg, horizontal, vertical, and two diagonal directions). Further, the activation value A of the gradient is derived, for example, by adding gradients in a plurality of directions and quantizing the addition result.
  • a filter for the sub-block is determined from among the plurality of filters.
  • a circularly symmetrical shape is used as the shape of the filter used in ALF.
  • 23A to 23C are diagrams showing a plurality of examples of filter shapes used in ALF.
  • Figure 23A shows a 5x5 diamond shaped filter
  • Figure 23B shows a 7x7 diamond shaped filter
  • Figure 23C shows a 9x9 diamond shaped filter.
  • Information indicating the shape of the filter is typically signaled at the picture level. Note that the signalization of information indicating the shape of the filter does not need to be limited to the picture level, and may be at other levels (eg, sequence level, slice level, brick level, CTU level, or CU level).
  • the on/off of ALF may be determined at the picture level or CU level, for example. For example, regarding brightness, it may be determined whether to apply ALF at the CU level, and regarding color difference, it may be determined whether to apply ALF at the picture level.
  • Information indicating whether the ALF is on or off is usually signaled at the picture level or CU level. Note that the signaling of information indicating on/off of ALF need not be limited to the picture level or CU level, and may be signaled at other levels (for example, sequence level, slice level, brick level, or CTU level). good.
  • one filter is selected from the plurality of filters and the ALF processing is performed on the sub-block.
  • the coefficient set of coefficients used by that filter is typically signaled at the picture level. Note that the signaling of coefficient sets need not be limited to the picture level, and may be at other levels (eg, sequence level, slice level, brick level, CTU level, CU level, or subblock level).
  • FIG. 23D is a diagram showing an example in which the Y sample (first component) is used for Cb CCALF and Cr CCALF (multiple components different from the first component).
  • FIG. 23E shows a diamond shaped filter.
  • CC-ALF operates by applying a linear diamond-shaped filter (FIGS. 23D, 23E) to the luminance channel of each chrominance component.
  • the filter coefficients are sent in APS, scaled by a factor of 2 ⁇ 10, and rounded for fixed point representation.
  • Filter application is controlled by variable block sizes and signaled by context-encoded flags received for each block of samples.
  • the block size and CC-ALF enable flag are received at the slice level for each chroma component.
  • the syntax and semantics of CC-ALF are provided in the Appendix. Block sizes of 16x16, 32x32, 64x64, and 128x128 (in chrominance samples) are supported for contributions.
  • FIG. 23F is a diagram showing an example of JC-CCALF.
  • FIG. 23G is a diagram illustrating an example of weight_index candidates for JC-CCALF.
  • JC-CCALF One example of JC-CCALF is to use only one CCALF filter to produce one CCALF filter output as a color difference adjustment signal for only one color component, and to generate an appropriately weighted version of the same color difference adjustment signal. Apply to other color components. In this way, the complexity of existing CCALF is roughly halved.
  • the weight value is encoded into a sign flag and a weight index.
  • the weight index (denoted weight_index) is encoded into 3 bits and specifies the size of the JC-CCALF weight JcCcWeight. It cannot be the same as 0.
  • the size of JcCcWeight is determined as follows.
  • JcCcWeight is equal to 4/(weight_index-4).
  • Block-level on/off control of ALF filtering for Cb and Cr is separate. This is the same as CCALF, where two separate sets of block-level on/off control flags are encoded.
  • the on/off control block sizes of Cb and Cr are the same, so only one block size variable is encoded.
  • loop filter unit 120 reduces distortion occurring at block boundaries by performing filter processing on block boundaries of the reconstructed image.
  • FIG. 24 is a block diagram showing an example of a detailed configuration of the deblocking filter processing section 120a.
  • the deblocking filter processing unit 120a includes, for example, a boundary determination unit 1201, a filter determination unit 1203, a filter processing unit 1205, a processing determination unit 1208, a filter characteristic determination unit 1207, and switches 1202, 1204, and 1206. Be prepared.
  • the boundary determination unit 1201 determines whether a pixel to be subjected to deblocking filter processing (that is, a target pixel) exists near a block boundary. Then, the boundary determining unit 1201 outputs the determination result to the switch 1202 and the processing determining unit 1208.
  • the switch 1202 If the boundary determination unit 1201 determines that the target pixel exists near the block boundary, the switch 1202 outputs the image before filter processing to the switch 1204. Conversely, when the boundary determination unit 1201 determines that the target pixel is not present near the block boundary, the switch 1202 outputs the image before filter processing to the switch 1206.
  • the image before filter processing is an image consisting of a target pixel and at least one peripheral pixel around the target pixel.
  • the filter determination unit 1203 determines whether to perform deblocking filter processing on the target pixel based on the pixel value of at least one peripheral pixel around the target pixel. Filter determination section 1203 then outputs the determination result to switch 1204 and processing determination section 1208.
  • the switch 1204 When the filter determination unit 1203 determines that deblocking filter processing is to be performed on the target pixel, the switch 1204 outputs the unfiltered image acquired via the switch 1202 to the filter processing unit 1205. Conversely, when the filter determination unit 1203 determines that the target pixel is not subjected to deblocking filter processing, the switch 1204 outputs the image before filter processing acquired via the switch 1202 to the switch 1206.
  • the filter processing unit 1205 When the filter processing unit 1205 acquires the image before filter processing via the switches 1202 and 1204, the filter processing unit 1205 applies deblocking filter processing having the filter characteristics determined by the filter characteristic determination unit 1207 to the target pixel. Execute. Then, the filter processing unit 1205 outputs the filtered pixels to the switch 1206.
  • the switch 1206 selectively outputs pixels that have not been subjected to deblocking filter processing and pixels that have been subjected to deblocking filter processing by the filter processing section 1205 in accordance with the control by the processing determining section 1208.
  • the processing determination unit 1208 controls the switch 1206 based on the determination results of the boundary determination unit 1201 and the filter determination unit 1203. In other words, when the processing determination unit 1208 determines that the target pixel exists near the block boundary by the boundary determination unit 1201 and the filter determination unit 1203 determines that the target pixel is to be subjected to deblocking filter processing. In this case, the deblocking filtered pixels are output from the switch 1206. In addition, in cases other than the above, the processing determining unit 1208 causes the switch 1206 to output pixels that have not been subjected to deblocking filter processing. By repeatedly outputting pixels in this manner, a filtered image is output from the switch 1206. Note that the configuration shown in FIG. 24 is an example of the configuration of the deblocking filter processing section 120a, and the deblocking filter processing section 120a may have other configurations.
  • FIG. 25 is a diagram showing an example of a deblocking filter having filter characteristics that are symmetrical about block boundaries.
  • a strong filter and a weak filter is selected using a pixel value and a quantization parameter.
  • the strong filter as shown in FIG. 25, when pixels p0 to p2 and pixels q0 to q2 exist on both sides of a block boundary, the pixel value of each pixel q0 to q2 is calculated using the following formula. By doing so, the pixel values are changed to q'0 to q'2.
  • p0 to p2 and q0 to q2 are the pixel values of pixels p0 to p2 and pixels q0 to q2, respectively.
  • q3 is the pixel value of pixel q3 adjacent to pixel q2 on the opposite side of the block boundary.
  • the coefficient by which the pixel value of each pixel used for deblocking filter processing is multiplied is the filter coefficient.
  • clipping processing may be performed so that the pixel value after the calculation does not change beyond a threshold value.
  • the pixel value after the calculation according to the above formula is clipped to "the pixel value before the calculation ⁇ 2 ⁇ threshold" using the threshold determined from the quantization parameter. This can prevent excessive smoothing.
  • FIG. 26 is a diagram for explaining an example of block boundaries on which deblocking filter processing is performed.
  • FIG. 27 is a diagram showing an example of BS values.
  • the block boundaries on which the deblocking filtering process is performed are, for example, the boundaries of the CU, PU, or TU of an 8 ⁇ 8 pixel block as shown in FIG.
  • Deblocking filter processing is performed, for example, in units of four rows or four columns.
  • Bs Band Strength
  • Deblocking filter processing for color difference signals is performed when the Bs value is 2.
  • Deblocking filter processing on the luminance signal is performed when the Bs value is 1 or more and a predetermined condition is satisfied. Note that the conditions for determining the Bs value are not limited to those shown in FIG. 27, and may be determined based on other parameters.
  • FIG. 28 is a flowchart illustrating an example of processing performed by the prediction unit of the encoding device 100.
  • the prediction unit includes all or some of the components of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction processing unit includes, for example, an intra prediction unit 124 and an inter prediction unit 126.
  • the prediction unit generates a predicted image of the current block (step Sb_1).
  • the predicted image includes, for example, an intra predicted image (intra predicted signal) or an inter predicted image (inter predicted signal).
  • the prediction unit generates a prediction image that has already been obtained by generating a prediction image for other blocks, generating a prediction residual, generating a quantization coefficient, restoring the prediction residual, and adding the prediction images.
  • a predicted image of the current block is generated using the reconstructed image.
  • the reconstructed image may be, for example, an image of a reference picture, or an image of a coded block (i.e., another block mentioned above) in the current picture, which is a picture that includes the current block. .
  • the coded blocks in the current picture are, for example, adjacent blocks to the current block.
  • FIG. 29 is a flowchart showing another example of the processing performed by the prediction unit of the encoding device 100.
  • the prediction unit generates a predicted image using the first method (step Sc_1a), generates a predicted image using the second method (step Sc_1b), and generates a predicted image using the third method (step Sc_1c).
  • the first method, second method, and third method are mutually different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods. There may be. These prediction methods may use the above-described reconstructed images.
  • the prediction unit evaluates the predicted images generated in each of steps Sc_1a, Sc_1b, and Sc_1c (step Sc_2). For example, the prediction unit calculates the cost C for the predicted images generated in each of steps Sc_1a, Sc_1b, and Sc_1c, and evaluates the predicted images by comparing the costs C of the predicted images. .
  • D is the coding distortion of the predicted image, and is expressed, for example, by the sum of absolute differences between the pixel values of the current block and the pixel values of the predicted image.
  • R is the bit rate of the stream.
  • ⁇ is, for example, a Lagrangian undetermined multiplier.
  • the prediction unit selects any one of the predicted images generated in each of steps Sc_1a, Sc_1b, and Sc_1c (step Sc_3). That is, the prediction unit selects a method or mode for obtaining the final predicted image. For example, the prediction unit selects the predicted image with the smallest cost C based on the costs C calculated for those predicted images. Alternatively, the evaluation in step Sc_2 and the selection of the predicted image in step Sc_3 may be performed based on parameters used in the encoding process.
  • the encoding device 100 may signal information for specifying the selected predicted image, method, or mode into a stream. The information may be, for example, a flag.
  • the decoding device 200 can generate a predicted image according to the method or mode selected by the encoding device 100 based on the information.
  • the prediction unit selects one of the predicted images after generating predicted images using each method.
  • the prediction unit may select a method or mode based on the parameters used in the encoding process described above, and generate predicted images according to that method or mode. good.
  • the first method and the second method are intra prediction and inter prediction, respectively, and the prediction unit selects the final predicted image for the current block from the predicted images generated according to these prediction methods. You may.
  • FIG. 30 is a flowchart showing another example of the processing performed by the prediction unit of the encoding device 100.
  • the prediction unit generates a predicted image by intra prediction (step Sd_1a), and generates a predicted image by inter prediction (step Sd_1b).
  • a predicted image generated by intra prediction is also referred to as an intra predicted image
  • a predicted image generated by inter prediction is also referred to as an inter predicted image.
  • the prediction unit evaluates each of the intra-predicted image and the inter-predicted image (step Sd_2).
  • the above-mentioned cost C may be used for this evaluation.
  • the prediction unit may select the predicted image for which the smallest cost C is calculated from the intra-predicted image and the inter-predicted image as the final predicted image of the current block (step Sd_3). That is, a prediction method or mode for generating a predicted image of the current block is selected.
  • the intra prediction unit 124 performs intra prediction (also referred to as intra-picture prediction) of the current block by referring to the blocks in the current picture stored in the block memory 118, thereby generating a predicted image (that is, an intra predicted image) of the current block. generate. Specifically, the intra prediction unit 124 generates an intra prediction image by performing intra prediction with reference to pixel values (for example, brightness values, color difference values) of blocks adjacent to the current block, and predicts the intra prediction image. It is output to the control section 128.
  • intra prediction also referred to as intra-picture prediction
  • the intra prediction unit 124 performs intra prediction using one of a plurality of predefined intra prediction modes.
  • the multiple intra prediction modes typically include one or more non-directional prediction modes and multiple directional prediction modes.
  • the one or more non-directional prediction modes may include, for example, H. This includes Planar prediction mode and DC prediction mode defined in the H.265/HEVC standard.
  • FIG. 31 is a diagram showing a total of 67 intra prediction modes (2 non-directional prediction modes and 65 directional prediction modes) in intra prediction. Solid arrows indicate H. The dashed arrows represent the 33 directions defined in the H.265/HEVC standard, and the dashed arrows represent the 32 additional directions (the two non-directional prediction modes are not shown in FIG. 31).
  • luma blocks may be referenced in intra prediction of chroma blocks. That is, the chrominance component of the current block may be predicted based on the luminance component of the current block.
  • Such intra prediction is sometimes called cross-component linear model (CCLM) prediction.
  • An intra prediction mode for a chrominance block that refers to such a luminance block (for example, referred to as a CCLM mode) may be added as one of the intra prediction modes for a chrominance block.
  • the intra prediction unit 124 may correct the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal/vertical direction. Intra prediction accompanied by such correction is sometimes called position dependent intra prediction combination (PDPC). Information indicating whether PDPC is applied (for example, called a PDPC flag) is usually signaled at the CU level. Note that the signaling of this information need not be limited to the CU level, but may be at other levels (eg, sequence level, picture level, slice level, brick level or CTU level).
  • FIG. 32 is a flowchart illustrating an example of processing by the intra prediction unit 124.
  • the intra prediction unit 124 selects one intra prediction mode from a plurality of intra prediction modes (step Sw_1). Then, the intra prediction unit 124 generates a predicted image according to the selected intra prediction mode (step Sw_2). Next, the intra prediction unit 124 determines MPM (Most Probable Modes) (step Sw_3).
  • MPM consists of, for example, six intra prediction modes. Two of the six intra prediction modes may be Planar prediction mode and DC prediction mode, and the remaining four modes may be directional prediction modes. Then, the intra prediction unit 124 determines whether the intra prediction mode selected in step Sw_1 is included in the MPM (step Sw_4).
  • the intra prediction unit 124 sets the MPM flag to 1 (step Sw_5), and selects the selected intra prediction mode from the MPM. (Step Sw_6). Note that the MPM flag set to 1 and the information indicating its intra prediction mode are each encoded by the entropy encoding unit 110 as prediction parameters.
  • the intra prediction unit 124 sets the MPM flag to 0 (step Sw_7). Alternatively, the intra prediction unit 124 does not set the MPM flag. Then, the intra prediction unit 124 generates information indicating the selected intra prediction mode from among the one or more intra prediction modes not included in the MPM (step Sw_8). Note that the MPM flag set to 0 and the information indicating its intra prediction mode are each encoded by the entropy encoding unit 110 as prediction parameters. The information indicating the intra prediction mode indicates any value from 0 to 60, for example.
  • the inter prediction unit 126 performs inter prediction (also referred to as inter prediction) of the current block by referring to a reference picture stored in the frame memory 122 that is different from the current picture, thereby generating a predicted image (inter prediction). (predicted image). Inter prediction is performed in units of the current block or current subblock within the current block.
  • a subblock is included in a block and is a unit smaller than the block.
  • the size of the sub-block may be 4x4 pixels, 8x8 pixels, or any other size.
  • the size of subblocks may be switched in units of slices, bricks, pictures, or the like.
  • the inter prediction unit 126 performs motion estimation within a reference picture for the current block or current subblock, and finds a reference block or subblock that most closely matches the current block or current subblock. Then, the inter prediction unit 126 obtains motion information (eg, motion vector) that compensates for movement or change from the reference block or subblock to the current block or subblock. The inter prediction unit 126 performs motion compensation (or motion prediction) based on the motion information and generates an inter prediction image of the current block or subblock. The inter prediction unit 126 outputs the generated inter prediction image to the prediction control unit 128.
  • motion information eg, motion vector
  • the inter prediction unit 126 performs motion compensation (or motion prediction) based on the motion information and generates an inter prediction image of the current block or subblock.
  • the inter prediction unit 126 outputs the generated inter prediction image to the prediction control unit 128.
  • the motion information used for motion compensation may be signalized as an inter-predicted image in various forms.
  • motion vectors may be signaled.
  • a difference between a motion vector and a motion vector predictor may be signaled.
  • FIG. 33 is a diagram showing an example of each reference picture
  • FIG. 34 is a conceptual diagram showing an example of a reference picture list.
  • the reference picture list is a list indicating one or more reference pictures stored in the frame memory 122.
  • rectangles indicate pictures
  • arrows indicate reference relationships between pictures
  • the horizontal axis indicates time
  • I, P, and B in the rectangles indicate intra-predicted pictures, uni-predicted pictures, and bi-predicted pictures, respectively.
  • the number inside the rectangle indicates the decoding order.
  • the decoding order of each picture is I0, P1, B2, B3, B4, and the display order of each picture is I0, B3, B2, B4, P1.
  • FIG. 33 the decoding order of each picture is I0, P1, B2, B3, B4, and the display order of each picture is I0, B3, B2, B4, P1.
  • the reference picture list is a list representing reference picture candidates, and for example, one picture (or slice) may have one or more reference picture lists. For example, if the current picture is a uni-prediction picture, one reference picture list is used, and if the current picture is a bi-prediction picture, two reference picture lists are used.
  • picture B3 which is the current picture currPic, has two reference picture lists, the L0 list and the L1 list.
  • reference picture candidates for the current picture currPic are I0, P1, and B2, and each reference picture list (ie, L0 list and L1 list) indicates these pictures.
  • the inter prediction unit 126 or the prediction control unit 128 specifies which picture in each reference picture list is actually referred to or not using the reference picture index refIdxLx.
  • reference pictures P1 and B2 are specified by reference picture indexes refIdxL0 and refIdxL1.
  • Such a reference picture list may be generated in sequence units, picture units, slice units, brick units, CTU units, or CU units. Also, among the reference pictures shown in the reference picture list, a reference picture index indicating a reference picture referred to in inter prediction is encoded at the sequence level, picture level, slice level, brick level, CTU level, or CU level. Good too. Further, a common reference picture list may be used in a plurality of inter prediction modes.
  • FIG. 35 is a flowchart showing the basic flow of inter prediction.
  • the inter prediction unit 126 first generates a predicted image (steps Se_1 to Se_3). Next, the subtraction unit 104 generates the difference between the current block and the predicted image as a prediction residual (step Se_4).
  • the inter prediction unit 126 determines the motion vector (MV) of the current block (steps Se_1 and Se_2) and performs motion compensation (step Se_3), thereby generating the predicted image. generate. Further, in determining the MV, the inter prediction unit 126 determines the MV by, for example, selecting a candidate motion vector (candidate MV) (step Se_1) and deriving the MV (step Se_2). The selection of candidate MVs is performed, for example, by the inter prediction unit 126 generating a candidate MV list and selecting at least one candidate MV from the candidate MV list. Note that MVs derived in the past may be added to the candidate MV list as candidate MVs.
  • the inter prediction unit 126 further selects at least one candidate MV from at least one candidate MV, and determines the selected at least one candidate MV as the MV of the current block. You can. Alternatively, the inter prediction unit 126 may determine the MV of the current block for each of the selected at least one candidate MV by searching the area of the reference picture indicated by the candidate MV. Note that searching for this reference picture area may be referred to as motion estimation.
  • steps Se_1 to Se_3 are performed by the inter prediction unit 126, but for example, the processing such as step Se_1 or step Se_2 may be performed by other components included in the encoding device 100. .
  • a candidate MV list may be created for each process in each inter prediction mode, or a common candidate MV list may be used in multiple inter prediction modes.
  • the processes in steps Se_3 and Se_4 correspond to the processes in steps Sa_3 and Sa_4 shown in FIG. 9, respectively.
  • the process of step Se_3 corresponds to the process of step Sd_1b in FIG. 30.
  • FIG. 36 is a flowchart showing an example of MV derivation.
  • the inter prediction unit 126 may derive the MV of the current block in a mode that encodes motion information (for example, MV).
  • motion information for example, MV
  • motion information may be encoded as a prediction parameter and converted into a signal. That is, encoded motion information is included in the stream.
  • the inter prediction unit 126 may derive the MV in a mode in which motion information is not encoded. In this case, motion information is not included in the stream.
  • MV derivation modes include normal inter mode, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes for encoding motion information include normal inter mode, normal merge mode, and affine mode (specifically, affine inter mode and affine merge mode).
  • the motion information may include not only MV but also predicted MV selection information, which will be described later.
  • modes in which motion information is not encoded include a FRUC mode.
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from these multiple modes, and derives the MV of the current block using the selected mode.
  • FIG. 37 is a flowchart showing another example of MV derivation.
  • the inter prediction unit 126 may derive the MV of the current block in a mode of encoding the difference MV.
  • the difference MV is encoded as a prediction parameter and converted into a signal.
  • the encoded differential MV is included in the stream.
  • This difference MV is the difference between the MV of the current block and its predicted MV.
  • the predicted MV is a predicted motion vector.
  • the inter prediction unit 126 may derive the MV in a mode in which the difference MV is not encoded. In this case, the encoded differential MV is not included in the stream.
  • modes for deriving the MV include normal inter, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes for encoding the difference MV include normal inter mode and affine mode (specifically, affine inter mode).
  • modes in which differential MVs are not encoded include FRUC mode, normal merge mode, and affine mode (specifically, affine merge mode).
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from these multiple modes, and derives the MV of the current block using the selected mode.
  • FIGS. 38A and 38B are diagrams showing an example of classification of each mode of MV derivation.
  • MV derivation modes are roughly classified into three modes depending on whether motion information is encoded and whether differential MV is encoded.
  • the three modes are inter mode, merge mode, and frame rate up-conversion (FRUC) mode.
  • Inter mode is a mode for performing motion search, and is a mode for encoding motion information and difference MV.
  • inter modes include affine inter mode and normal inter mode.
  • the merge mode is a mode in which no motion search is performed, and in which MVs are selected from neighboring encoded blocks and the MVs are used to derive the MV of the current block.
  • This merge mode is basically a mode in which motion information is encoded and differential MV is not encoded.
  • the merge mode is a normal merging mode (or sometimes called a normal merge mode), MMVD (MRGE WITH MOTION VECTOR DIFFFERENCE) mode, CIIP (COMBINTER MERGE). / Intra Prediction) mode , triangle mode, ATMVP mode, and affine merge mode.
  • MMVD MRGE WITH MOTION VECTOR DIFFFERENCE
  • CIIP COMBINTER MERGE
  • Intra Prediction Intra Prediction
  • the above-mentioned affine merge mode and affine inter mode are modes included in the affine mode.
  • the affine mode is a mode in which the MV of each of a plurality of sub-blocks constituting the current block is derived as the MV of the current block assuming affine transformation.
  • the FRUC mode is a mode in which the MV of the current block is derived by searching between encoded regions, and neither motion information nor differential MV is encoded. Note that details of each of these modes will be described later.
  • each mode shown in FIGS. 38A and 38B is an example and is not limited to this.
  • the CIIP mode is classified as inter mode.
  • the normal inter prediction mode is an inter prediction mode in which the MV of the current block is derived by finding a block similar to the image of the current block from the area of the reference picture indicated by the candidate MV. Further, in this normal inter mode, the difference MV is encoded.
  • FIG. 39 is a flowchart illustrating an example of inter prediction in normal inter mode.
  • the inter prediction unit 126 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks temporally or spatially surrounding the current block (step Sg_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 selects each of the N candidate MVs (N is an integer of 2 or more) as predicted MV candidates from among the plurality of candidate MVs obtained in step Sg_1, and assigns them to a predetermined priority order. (Step Sg_2). Note that the priority order is determined in advance for each of the N candidate MVs.
  • the inter prediction unit 126 selects one predicted MV candidate from among the N predicted MV candidates as the predicted MV of the current block (step Sg_3). At this time, the inter prediction unit 126 encodes predicted MV selection information for identifying the selected predicted MV into a stream. That is, the inter prediction unit 126 outputs the predicted MV selection information as a prediction parameter to the entropy encoding unit 110 via the prediction parameter generation unit 130.
  • the inter prediction unit 126 refers to the encoded reference picture and derives the MV of the current block (step Sg_4). At this time, the inter prediction unit 126 further encodes the difference value between the derived MV and the predicted MV into a stream as a difference MV. That is, the inter prediction unit 126 outputs the difference MV as a prediction parameter to the entropy encoding unit 110 via the prediction parameter generation unit 130.
  • the encoded reference picture is a picture consisting of a plurality of blocks that has been reconstructed after encoding.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sg_5).
  • the processes of steps Sg_1 to Sg_5 are executed for each block. For example, when steps Sg_1 to Sg_5 are executed for each of all blocks included in a slice, inter prediction using normal inter mode for that slice ends. Moreover, when the processes of steps Sg_1 to Sg_5 are executed for each of all blocks included in a picture, inter prediction using normal inter mode for that picture is completed. Note that the processing in steps Sg_1 to Sg_5 is not executed for all blocks included in a slice, but when executed for some blocks, inter prediction using normal inter mode for that slice is completed. You can. Similarly, when the processes of steps Sg_1 to Sg_5 are executed for some blocks included in a picture, inter prediction using normal inter mode for that picture may be completed.
  • the predicted image is the above-mentioned inter predicted signal. Furthermore, information included in the encoded signal and indicating the inter prediction mode (normal inter mode in the above example) used to generate the predicted image is encoded, for example, as a prediction parameter.
  • the candidate MV list may be used in common with lists used in other modes. Further, the processing related to the candidate MV list may be applied to the processing related to the list used in other modes. Processing related to this candidate MV list includes, for example, extracting or selecting candidate MVs from the candidate MV list, rearranging candidate MVs, or deleting candidate MVs.
  • the normal merge mode is an inter prediction mode in which a candidate MV is selected from the candidate MV list as the MV of the current block, thereby deriving the MV.
  • the normal merge mode is a merge mode in a narrow sense, and is sometimes simply called a merge mode.
  • a normal merge mode and a merge mode are distinguished, and the merge mode is used in a broad sense.
  • FIG. 40 is a flowchart illustrating an example of inter prediction in normal merge mode.
  • the inter prediction unit 126 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks temporally or spatially surrounding the current block (step Sh_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs obtained in step Sh_1 (step Sh_2). At this time, the inter prediction unit 126 encodes MV selection information for identifying the selected candidate MV into a stream. That is, the inter prediction unit 126 outputs the MV selection information as a prediction parameter to the entropy encoding unit 110 via the prediction parameter generation unit 130.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sh_3).
  • the processes of steps Sh_1 to Sh_3 are executed for each block, for example. For example, when steps Sh_1 to Sh_3 are executed for each of all blocks included in a slice, inter prediction using the normal merge mode for that slice ends. Further, when the processes of steps Sh_1 to Sh_3 are executed for each of all blocks included in a picture, inter prediction using the normal merge mode for that picture ends. Note that the processing in steps Sh_1 to Sh_3 is not executed for all blocks included in a slice, but when executed for some blocks, inter prediction using normal merge mode for that slice is completed. You can. Similarly, when the processes of steps Sh_1 to Sh_3 are executed for some blocks included in a picture, inter prediction using normal merge mode for that picture may be completed.
  • information included in the stream indicating the inter prediction mode (normal merge mode in the above example) used to generate the predicted image is encoded as a prediction parameter, for example.
  • FIG. 41 is a diagram for explaining an example of MV derivation processing for the current picture in normal merge mode.
  • the inter prediction unit 126 generates a candidate MV list in which candidate MVs are registered.
  • Candidate MVs include spatially adjacent candidate MVs that are MVs held by multiple coded blocks spatially located around the current block, and MVs held by nearby blocks that are the projections of the position of the current block in the coded reference picture.
  • There are temporally adjacent candidate MV that is combined candidate MV that is MV that is generated by combining the MV values of spatially adjacent candidate MV and temporally adjacent candidate MV, and zero candidate MV that is MV whose value is zero.
  • the inter prediction unit 126 selects one candidate MV from among the plurality of candidate MVs registered in the candidate MV list, and determines that one candidate MV as the MV of the current block.
  • the entropy encoding unit 110 describes merge_idx, which is a signal indicating which candidate MV has been selected, in the stream and encodes it.
  • the candidate MVs registered in the candidate MV list explained in FIG. 41 are just examples, and the number of candidate MVs registered in the candidate MV list explained in FIG.
  • the structure may include additional candidate MVs other than the candidate MV types shown in the figure.
  • the final MV may be determined by performing DMVR (dynamic motion vector refreshing), which will be described later, using the MV of the current block derived in the normal merge mode.
  • DMVR dynamic motion vector refreshing
  • the difference MV is not encoded, but in the MMVD mode, the difference MV is encoded.
  • one candidate MV is selected from the candidate MV list as in the normal merge mode, but the difference MV is encoded.
  • Such MMVD may be classified into a merge mode together with a normal merge mode, as shown in FIG. 38B.
  • the differential MV in MMVD mode does not have to be the same as the differential MV used in inter mode. For example, deriving differential MV in MMVD mode requires less processing than deriving differential MV in inter mode. It may be a small process.
  • a CIIP (Combined inter merge/intra prediction) mode may be performed in which a predicted image generated by inter prediction and a predicted image generated by intra prediction are superimposed to generate a predicted image of the current block.
  • merge_idx is MV selection information.
  • FIG. 42 is a diagram for explaining an example of MV derivation processing for the current picture in HMVP mode.
  • the MV of the current block is determined by selecting one candidate MV from a candidate MV list generated with reference to the encoded block (eg, CU).
  • a candidate MV list generated with reference to the encoded block (eg, CU).
  • other candidate MVs may be registered in the candidate MV list.
  • the mode in which such other candidate MVs are registered is called HMVP mode.
  • HMVP mode apart from the candidate MV list in normal merge mode, candidate MVs are managed using a FIFO (First-In First-Out) buffer for HMVP.
  • FIFO First-In First-Out
  • the FIFO buffer stores motion information such as MV of blocks processed in the past in order from newest to newest.
  • the MV of the newest block i.e., the most recently processed CU
  • the MV of the oldest block in the FIFO buffer i.e., The MV of the earliest processed CU
  • HMVP1 is the MV of the newest block
  • HMVP5 is the MV of the oldest block.
  • the inter prediction unit 126 sequentially selects each MV managed in the FIFO buffer, starting from HMVP1, if the MV is different from all the candidate MVs already registered in the normal merge mode candidate MV list. Check if it exists. If the inter prediction unit 126 determines that the MV is different from all candidate MVs, it may add the MV managed in the FIFO buffer to the normal merge mode candidate MV list as a candidate MV. At this time, the number of candidate MVs registered from the FIFO buffer may be one or multiple.
  • HMVP mode By using the HMVP mode in this way, it is possible to add not only the MVs of blocks spatially or temporally adjacent to the current block, but also the MVs of blocks processed in the past to candidates. As a result, the variation of normal merge mode candidate MVs is expanded, which increases the possibility that encoding efficiency can be improved.
  • the above-mentioned MV may be motion information.
  • the information stored in the candidate MV list and the FIFO buffer may include not only the MV value but also information on the picture to be referenced, the direction and number of pictures to be referenced, and the like.
  • the above-mentioned block is, for example, a CU.
  • the candidate MV list and FIFO buffer in FIG. 42 are just examples, and the candidate MV list and FIFO buffer may be a list or buffer of a different size from that in FIG. 42, or the candidate MVs may be registered in a different order from that in FIG. It may be a configuration. Further, the processing described here is common to both encoding device 100 and decoding device 200.
  • HMVP mode can also be applied to modes other than normal merge mode.
  • motion information such as MVs of blocks processed in the affine mode in the past may be stored in a FIFO buffer in order from the newest to the latest, and may be used as candidate MVs.
  • a mode in which the HMVP mode is applied to an affine mode may be called a history affine mode.
  • the motion information may be derived on the decoding device 200 side without being converted into a signal from the encoding device 100 side.
  • motion information may be derived by performing motion search on the decoding device 200 side.
  • motion search is performed without using the pixel values of the current block.
  • Modes in which motion search is performed on the decoding device 200 side include a FRUC (frame rate up-conversion) mode and a PMMVD (pattern matched motion vector derivation) mode.
  • FRUC processing is shown in FIG. 43.
  • a list indicating these MVs as candidate MVs i.e., a candidate MV list, which is a candidate MV in normal merge mode
  • a candidate MV list which is a candidate MV in normal merge mode
  • the best candidate MV is selected from among the plurality of candidate MVs registered in the candidate MV list (step Si_2). For example, an evaluation value of each candidate MV included in the candidate MV list is calculated, and one candidate MV is selected as the best candidate MV based on the evaluation value.
  • the MV for the current block is derived (step Si_4).
  • the selected best candidate MV is directly derived as the MV for the current block.
  • the MV for the current block may be derived by performing pattern matching in the surrounding area of the position in the reference picture corresponding to the selected best candidate MV. That is, a search is performed using pattern matching in the reference picture and the evaluation value for the area around the best candidate MV, and if there is an MV with a good evaluation value, the best candidate MV is added to that MV. It may be updated to make it the final MV of the current block. There is no need to update to an MV with a better evaluation value.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Si_5).
  • the processes of steps Si_1 to Si_5 are executed for each block, for example. For example, when steps Si_1 to Si_5 are executed for each of all blocks included in a slice, inter prediction using the FRUC mode for that slice ends. Further, when the processes of steps Si_1 to Si_5 are executed for each of all blocks included in a picture, inter prediction using the FRUC mode for that picture ends. Note that the processing in steps Si_1 to Si_5 is not executed for all blocks included in a slice, but when executed for some blocks, the inter prediction using FRUC mode for that slice is completed. Good too. Similarly, when the processes of steps Si_1 to Si_5 are executed for some blocks included in a picture, inter prediction using FRUC mode for that picture may be completed.
  • Processing may be performed in units of sub-blocks in the same manner as in the units of blocks described above.
  • the evaluation value may be calculated by various methods. For example, a reconstructed image of a region within a reference picture corresponding to the MV and a predetermined region (for example, the region may be a region of another reference picture or a region of an adjacent block of the current picture, as shown below). Compare the reconstructed image of Then, the difference between the pixel values of the two reconstructed images may be calculated and used as the MV evaluation value. Note that the evaluation value may be calculated using information other than the difference value.
  • one candidate MV included in a candidate MV list (also referred to as a merge list) is selected as a starting point for a search by pattern matching.
  • pattern matching first pattern matching or second pattern matching may be used.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching and template matching, respectively.
  • MV derivation > FRUC > Bilateral matching In the first pattern matching, pattern matching is performed between two blocks in two different reference pictures that are along the motion trajectory of the current block. Therefore, in the first pattern matching, a region in another reference picture along the motion trajectory of the current block is used as a predetermined region for calculating the evaluation value of the candidate MV described above.
  • FIG. 44 is a diagram for explaining an example of first pattern matching (bilateral matching) between two blocks in two reference pictures along a motion trajectory.
  • first pattern matching a pair of two blocks in two different reference pictures (Ref0, Ref1) that are along the motion trajectory of the current block (Cur block) is selected.
  • Two MVs (MV0, MV1) are derived by searching for the most matching pair. Specifically, for the current block, a reconstructed image at a specified position in the first encoded reference picture (Ref0) specified by a candidate MV, and a symmetric MV obtained by scaling the candidate MV at the display time interval.
  • the difference between the reconstructed image and the specified position in the second encoded reference picture (Ref1) specified by is derived, and an evaluation value is calculated using the obtained difference value.
  • the candidate MV with the best evaluation value among the plurality of candidate MVs may be selected as the best candidate MV.
  • the MVs (MV0, MV1) pointing to two reference blocks are defined as the temporal distance ( TD0, TD1).
  • the temporal distance TD0, TD1
  • MV Derivation > FRUC > Template Matching In the second pattern matching (template matching), pattern matching is performed between a template in the current picture (blocks adjacent to the current block in the current picture (e.g. upper and/or left adjacent blocks)) and blocks in the reference picture. It will be done. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as a predetermined area for calculating the evaluation value of the candidate MV described above.
  • FIG. 45 is a diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • the current block is searched in the reference picture (Ref0) for the block that most matches the block adjacent to the current block (Cur block) in the current picture (Cur Pic).
  • MV of is derived. Specifically, for the current block, the reconstructed image of the left adjacent and/or upper adjacent encoded area and the equivalent image in the encoded reference picture (Ref0) specified by the candidate MV. A difference between the position and the reconstructed image is derived, and an evaluation value is calculated using the obtained difference value. The candidate MV with the best evaluation value among the plurality of candidate MVs may be selected as the best candidate MV.
  • Information indicating whether to apply such a FRUC mode may be signaled at the CU level. Furthermore, when the FRUC mode is applied (for example, when the FRUC flag is true), information indicating an applicable pattern matching method (first pattern matching or second pattern matching) may be signaled at the CU level. . Note that the signaling of these information does not need to be limited to the CU level, and may be at other levels (e.g., sequence level, picture level, slice level, brick level, CTU level, or subblock level). .
  • the affine mode is a mode in which an MV is generated using affine transformation, and for example, the MV may be derived in subblock units based on the MVs of a plurality of adjacent blocks. This mode is sometimes referred to as affine motion compensation prediction mode.
  • FIG. 46A is a diagram for explaining an example of deriving MV in sub-block units based on MVs of a plurality of adjacent blocks.
  • the current block includes, for example, a subblock consisting of 16 4x4 pixels.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the MV of the adjacent block
  • the motion vector v 1 of the upper right corner control point of the current block is derived based on the MV of the adjacent sub-block. derived.
  • equation (1A) the two motion vectors v 0 and v 1 are projected to derive the motion vector (v x , v y ) of each subblock within the current block.
  • x and y indicate the horizontal and vertical positions of the sub-block, respectively, and w indicates a predetermined weighting factor.
  • Information indicating such an affine mode may be signaled at the CU level.
  • an affine flag may be signaled at the CU level. Note that the signaling of information indicating this affine mode does not need to be limited to the CU level, and may be signaled at other levels (e.g., sequence level, picture level, slice level, brick level, CTU level, or subblock level). You can.
  • affine modes may include several modes in which the methods for deriving the MVs of the upper left and upper right corner control points are different.
  • affine inter also referred to as affine normal inter
  • affine merge mode there are two affine modes: affine inter (also referred to as affine merge mode.
  • FIG. 46B is a diagram for explaining an example of deriving MV in sub-block units in affine mode using three control points.
  • the current block includes, for example, a subblock consisting of 16 4x4 pixels.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the MV of the adjacent block.
  • the motion vector v 1 of the upper right corner control point of the current block is derived based on the MV of the adjacent block
  • the motion vector v 2 of the lower left corner control point of the current block is derived based on the MV of the adjacent block.
  • the motion vectors (v x , v y ) of each subblock within the current block are derived by projecting the three motion vectors v 0 , v 1 , and v 2 using the following equation (1B).
  • x and y indicate the horizontal and vertical positions of the sub-block center, respectively, and w and h indicate predetermined weighting factors.
  • w may indicate the width of the current block, and h may indicate the height of the current block.
  • Affine modes using mutually different numbers of control points may be switched and signaled at the CU level.
  • information indicating the number of affine mode control points used at the CU level may be signaled at other levels (e.g., sequence level, picture level, slice level, brick level, CTU level, or subblock level). good.
  • such an affine mode having three control points may include several modes in which the methods for deriving the MVs of the upper left, upper right, and lower left corner control points are different.
  • the affine mode with three control points has two modes: affine inter mode and affine merge mode, similar to the above-described affine mode with two control points.
  • each sub-block included in the current block is not limited to 4x4 pixels, and may be any other size.
  • the size of each sub-block may be 8 ⁇ 8 pixels.
  • FIG. 47A, FIG. 47B, and FIG. 47C are conceptual diagrams for explaining an example of MV derivation of control points in affine mode.
  • encoded blocks A (left), block B (top), block C (top right), block D (bottom left), and block E (top left) adjacent to the current block are calculated based on a plurality of MVs corresponding to blocks encoded in affine mode.
  • the encoded blocks are examined in the following order: block A (left), block B (top), block C (top right), block D (bottom left), and block E (top left), and the blocks are examined in affine mode.
  • the first valid block encoded is identified. Based on the plurality of MVs corresponding to this identified block, the MV of the control point of the current block is calculated.
  • the upper left corner, upper right corner of the encoded block including block A And motion vectors v 3 , v 4 and v 5 projected onto the lower left corner position are derived. Then, from the derived motion vectors v 3 , v 4 and v 5 , the motion vector v 0 of the upper left corner control point, the motion vector v 1 of the upper right corner control point, and the motion vector v of the lower left corner control point of the current block. 2 is calculated.
  • the MV derivation method shown in FIGS. 47A to 47C may be used to derive the MV of each control point of the current block in step Sk_1 shown in FIG. 50 described later, or in step Sj_1 shown in FIG. 51 described later. may be used to derive the predicted MV of each control point of the current block.
  • FIGS. 48A and 48B are conceptual diagrams for explaining another example of deriving control points MV in affine mode.
  • FIG. 48A is a diagram for explaining an affine mode with two control points.
  • the MV selected from the MVs of encoded blocks A, B, and C adjacent to the current block is the motion vector v of the upper left corner control point of the current block. Used as 0 .
  • the MV selected from the respective MVs of encoded blocks D and E adjacent to the current block is used as the motion vector v 1 of the upper right corner control point of the current block.
  • FIG. 48B is a diagram for explaining an affine mode having three control points.
  • the MV selected from the MVs of encoded blocks A, B, and C adjacent to the current block is the motion vector v of the upper left corner control point of the current block. Used as 0 .
  • the MV selected from the respective MVs of encoded blocks D and E adjacent to the current block is used as the motion vector v 1 of the upper right corner control point of the current block.
  • the MV selected from the respective MVs of encoded blocks F and G adjacent to the current block is used as the motion vector v2 of the lower left corner control point of the current block.
  • the MV derivation method shown in FIGS. 48A and 48B may be used for deriving the MV of each control point of the current block in step Sk_1 shown in FIG. 50, which will be described later, or in step Sj_1 of FIG. It may be used to derive the predicted MV of each control point of the current block.
  • the number of control points may be different between the encoded block and the current block.
  • FIGS. 49A and 49B are conceptual diagrams for explaining an example of a method for deriving MV of control points when the number of control points is different between the encoded block and the current block.
  • the current block has three control points at the upper left corner, the upper right corner, and the lower left corner, and the block A adjacent to the left of the current block is encoded in affine mode with two control points. has been done.
  • motion vectors v 3 and v 4 projected onto the upper left corner and upper right corner of the encoded block including block A are derived.
  • the motion vector v 0 of the upper left corner control point and the motion vector v 1 of the upper right corner control point of the current block are calculated from the derived motion vectors v 3 and v 4 .
  • the motion vector v 2 of the lower left corner control point is calculated from the derived motion vectors v 0 and v 1 .
  • the current block has two control points at the upper left corner and the upper right corner, and the block A adjacent to the left of the current block is encoded in affine mode with three control points. .
  • motion vectors v 3 , v 4 and v 5 projected onto the upper left corner, upper right corner and lower left corner of the encoded block including block A are derived.
  • the motion vector v 0 of the upper left corner control point and the motion vector v 1 of the upper right corner control point of the current block are calculated from the derived motion vectors v 3 , v 4 and v 5 .
  • the MV derivation method shown in FIGS. 49A and 49B may be used for deriving the MV of each control point of the current block in step Sk_1 shown in FIG. 50, which will be described later, or in step Sj_1 of FIG. It may be used to derive the predicted MV of each control point of the current block.
  • FIG. 50 is a flowchart illustrating an example of affine merge mode.
  • the inter prediction unit 126 first derives the MV of each control point of the current block (step Sk_1).
  • the control points are points at the upper left corner and upper right corner of the current block, as shown in FIG. 46A, or points at the upper left corner, upper right corner, and lower left corner of the current block, as shown in FIG. 46B.
  • the inter prediction unit 126 may encode MV selection information for identifying the two or three derived MVs into a stream.
  • the inter prediction unit 126 encodes encoded block A (left), block B (top), block C (top right), as shown in FIG. 47A. , block D (bottom left) and block E (top left) in order to identify the first valid block encoded in affine mode.
  • the inter prediction unit 126 derives the MV of the control point using the first valid block encoded in the identified affine mode. For example, when block A is specified and block A has two control points, as shown in FIG. 47B, the inter prediction unit 126 calculates the motion vector v 3 and v4 , the motion vector v0 of the upper left corner control point and the motion vector v1 of the upper right corner control point of the current block are calculated. For example, the inter prediction unit 126 projects the motion vectors v 3 and v 4 of the upper left corner and the upper right corner of the encoded block onto the current block, thereby obtaining the motion vector v 0 of the upper left corner control point of the current block. The motion vector v1 of the upper right corner control point is calculated.
  • the inter prediction unit 126 determines the upper left corner, upper right corner, and lower left corner of the encoded block including block A, as shown in FIG. 47C. From the motion vectors v 3 , v 4 and v 5 , calculate the motion vector v 0 of the upper left corner control point, the motion vector v 1 of the upper right corner control point, and the motion vector v 2 of the lower left corner control point of the current block. . For example, the inter prediction unit 126 projects the upper left corner, upper right corner, and lower left corner motion vectors v 3 , v 4 , and v 5 of the encoded block onto the current block, thereby determining the upper left corner control point of the current block. A motion vector v 0 , a motion vector v 1 of the upper right corner control point, and a motion vector v 2 of the lower left corner control point are calculated.
  • the MV of three control points may be calculated, and as shown in FIG. 49B described above, the MV of three control points may be calculated.
  • block A is specified, and when block A has three control points, the MV of two control points may be calculated.
  • the inter prediction unit 126 performs motion compensation for each of the plurality of subblocks included in the current block. That is, for each of the plurality of sub-blocks, the inter prediction unit 126 uses two motion vectors v 0 and v 1 and the above equation (1A), or uses three motion vectors v 0 , v 1 and v 2 and the above-mentioned formula (1B), the MV of the subblock is calculated as an affine MV (step Sk_2). Then, the inter prediction unit 126 performs motion compensation on the subblock using these affine MVs and coded reference pictures (step Sk_3).
  • the above-mentioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list including candidate MVs derived using a plurality of MV derivation methods for each control point.
  • the multiple MV derivation methods include the MV derivation methods shown in FIGS. 47A to 47C, the MV derivation methods shown in FIGS. 48A and 48B, the MV derivation methods shown in FIGS. 49A and 49B, and other MV derivation methods. Any combination of methods may be used.
  • the candidate MV list may include candidate MVs in modes other than affine mode, in which prediction is performed in subblock units.
  • a candidate MV list including an affine merge mode candidate MV having two control points and an affine merge mode candidate MV having three control points may be generated.
  • a candidate MV list including affine merge mode candidate MVs having two control points and a candidate MV list including affine merge mode candidate MVs having three control points may be generated.
  • a candidate MV list may be generated that includes candidate MVs for one of the affine merge mode with two control points and the affine merge mode with three control points.
  • the candidate MVs may be, for example, the MVs of encoded block A (left), block B (top), block C (top right), block D (bottom left), and block E (top left), and the It may be the MV of one of our valid blocks.
  • an index indicating which candidate MV in the candidate MV list is included may be sent as the MV selection information.
  • FIG. 51 is a flowchart illustrating an example of the affine inter mode.
  • the inter prediction unit 126 first derives the predicted MVs (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of the two or three control points of the current block ( Step Sj_1).
  • the control point is the upper left corner, upper right corner, or lower left corner of the current block, as shown in FIG. 46A or 46B.
  • the inter prediction unit 126 calculates the value of any one of the encoded blocks near each control point of the current block shown in FIG. 48A or 48B.
  • the predicted MV (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of the control point of the current block is derived.
  • the inter prediction unit 126 encodes prediction MV selection information for identifying the selected two or three prediction MVs into a stream.
  • the inter prediction unit 126 determines which block's MV is to be selected as the predicted MV of the control point from the coded blocks adjacent to the current block, using cost evaluation or the like, and determines which predicted MV is selected. A flag indicating this may be written in the bitstream. That is, the inter prediction unit 126 outputs prediction MV selection information such as a flag to the entropy encoding unit 110 as a prediction parameter via the prediction parameter generation unit 130.
  • the inter prediction unit 126 performs motion search (steps Sj_3 and Sj_4) while updating each of the predicted MVs selected or derived in step Sj_1 (step Sj_2). That is, the inter prediction unit 126 calculates the MV of each subblock corresponding to the predicted MV to be updated as an affine MV using the above-mentioned equation (1A) or equation (1B) (step Sj_3). Then, the inter prediction unit 126 performs motion compensation for each subblock using these affine MVs and encoded reference pictures (step Sj_4). The processes of steps Sj_3 and Sj_4 are executed for all blocks within the current block every time the predicted MV is updated in step Sj_2.
  • the inter prediction unit 126 determines, for example, the predicted MV that yields the smallest cost as the MV of the control point in the motion search loop (step Sj_5). At this time, the inter prediction unit 126 further encodes the difference value between the determined MV and the predicted MV into a stream as a difference MV. That is, the inter prediction unit 126 outputs the difference MV as a prediction parameter to the entropy encoding unit 110 via the prediction parameter generation unit 130.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the determined MV and the encoded reference picture (step Sj_6).
  • the above-mentioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list including candidate MVs derived using a plurality of MV derivation methods for each control point.
  • the multiple MV derivation methods include the MV derivation methods shown in FIGS. 47A to 47C, the MV derivation methods shown in FIGS. 48A and 48B, the MV derivation methods shown in FIGS. 49A and 49B, and other MV derivation methods. Any combination of methods may be used.
  • the candidate MV list may include candidate MVs in modes other than affine mode, in which prediction is performed in subblock units.
  • a candidate MV list may be generated that includes an affine inter mode candidate MV having two control points and an affine inter mode candidate MV having three control points.
  • a candidate MV list including affine inter mode candidate MVs having two control points and a candidate MV list including affine inter mode candidate MVs having three control points may be generated.
  • a candidate MV list including candidate MVs for one of the affine inter mode having two control points and the affine inter mode having three control points may be generated.
  • the candidate MVs may be, for example, the MVs of encoded block A (left), block B (top), block C (top right), block D (bottom left), and block E (top left), and the It may be the MV of one of our valid blocks.
  • an index indicating which candidate MV in the candidate MV list is included may be sent as the predicted MV selection information.
  • the inter prediction unit 126 generates one rectangular predicted image for the rectangular current block. However, the inter prediction unit 126 generates a plurality of predicted images having a shape different from a rectangle for the rectangular current block, and generates a final rectangular predicted image by combining the plurality of predicted images. You may.
  • the shape different from a rectangle may be, for example, a triangle.
  • FIG. 52A is a diagram for explaining the generation of predicted images of two triangles.
  • the inter prediction unit 126 generates a triangular predicted image by performing motion compensation on the first triangular partition in the current block using the first MV of the first partition. Similarly, the inter prediction unit 126 generates a triangular predicted image by performing motion compensation on the second triangular partition in the current block using the second MV of the second partition. Then, the inter prediction unit 126 generates a predicted image having the same rectangular shape as the current block by combining these predicted images.
  • a rectangular first predicted image corresponding to the current block may be generated using the first MV.
  • a rectangular second predicted image corresponding to the current block may be generated using the second MV.
  • the predicted image of the current block may be generated by weighted addition of the first predicted image and the second predicted image. Note that the portion to be weighted and added may be only a part of the region sandwiching the boundary between the first partition and the second partition.
  • FIG. 52B is a conceptual diagram illustrating a first portion of a first partition that overlaps a second partition, and an example of a first sample set and a second sample set that may be weighted as part of the correction process.
  • the first portion may be, for example, a quarter of the width or height of the first partition.
  • the first portion may have a width corresponding to N samples adjacent the edge of the first partition.
  • N is an integer greater than zero; for example, N may be an integer 2.
  • FIG. 52B shows a rectangular partition having a rectangular portion that is one-quarter the width of the first partition.
  • the first sample set includes samples outside the first portion and samples inside the first portion
  • the second sample set includes samples within the first portion.
  • FIG. 52B shows a rectangular partition with a rectangular portion one-quarter the height of the first partition.
  • the first sample set includes samples outside the first portion and samples inside the first portion
  • the second sample set includes samples within the first portion.
  • the example on the right of FIG. 52B shows a triangular partition with a polygonal section of height corresponding to two samples.
  • the first sample set includes samples outside the first portion and samples inside the first portion
  • the second sample set includes samples within the first portion.
  • the first portion may be a portion of the first partition that overlaps an adjacent partition.
  • FIG. 52C is a conceptual diagram illustrating a first portion of a first partition that is a portion of the first partition that overlaps a portion of an adjacent partition.
  • rectangular partitions are shown with portions that overlap spatially adjacent rectangular partitions.
  • Partitions having other shapes may be used, such as triangular partitions, and the overlapping portions may overlap spatially or temporally adjacent partitions.
  • a predicted image may be generated for at least one partition using intra prediction.
  • FIG. 53 is a flowchart showing an example of the triangle mode.
  • the inter prediction unit 126 divides the current block into a first partition and a second partition (step Sx_1). At this time, the inter prediction unit 126 may encode partition information, which is information regarding division into each partition, into a stream as a prediction parameter. That is, the inter prediction unit 126 may output the partition information as a prediction parameter to the entropy encoding unit 110 via the prediction parameter generation unit 130.
  • the inter prediction unit 126 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks temporally or spatially surrounding the current block. (Step Sx_2). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 selects the candidate MV of the first partition and the candidate MV of the second partition as the first MV and the second MV, respectively, from among the plurality of candidate MVs obtained in step Sx_2 (step Sx_3).
  • the inter prediction unit 126 may encode the MV selection information for identifying the selected candidate MV into the stream as a prediction parameter. That is, the inter prediction unit 126 may output the MV selection information as a prediction parameter to the entropy encoding unit 110 via the prediction parameter generation unit 130.
  • the inter prediction unit 126 generates a first predicted image by performing motion compensation using the selected first MV and the encoded reference picture (step Sx_4). Similarly, the inter prediction unit 126 generates a second predicted image by performing motion compensation using the selected second MV and the encoded reference picture (step Sx_5).
  • the inter prediction unit 126 generates a predicted image of the current block by weighting and adding the first predicted image and the second predicted image (step Sx_6).
  • the first partition and the second partition are each triangular, but they may be trapezoidal or may have different shapes.
  • the current block is composed of two partitions, but it may be composed of three or more partitions.
  • first partition and the second partition may overlap. That is, the first partition and the second partition may include the same pixel area.
  • the predicted image of the current block may be generated using the predicted image in the first partition and the predicted image in the second partition.
  • a predicted image may be generated by intra prediction for at least one partition.
  • the candidate MV list for selecting the first MV and the candidate MV list for selecting the second MV may be different, or may be the same candidate MV list.
  • the partition information may include at least an index indicating the direction of division in which the current block is divided into a plurality of partitions.
  • the MV selection information may include an index indicating the selected first MV and an index indicating the selected second MV.
  • One index may indicate multiple pieces of information. For example, one index that collectively indicates part or all of the partition information and part or all of the MV selection information may be encoded.
  • FIG. 54 is a diagram illustrating an example of ATMVP mode in which MV is derived in subblock units.
  • ATMVP mode is a mode classified as merge mode. For example, in ATMVP mode, candidate MVs are registered in subblock units in the candidate MV list used in normal merge mode.
  • a time MV reference block is identified.
  • the MV used when encoding the region corresponding to that subblock within the temporal MV reference block is identified.
  • the MV thus identified is included in the candidate MV list as a candidate MV for the subblock of the current block.
  • the block adjacent to the lower left of the current block is used as the peripheral MV reference block, but other blocks may be used.
  • the size of the sub-block may be 4x4 pixels, 8x8 pixels, or any other size.
  • the size of subblocks may be switched in units of slices, bricks, pictures, or the like.
  • FIG. 55 is a diagram showing the relationship between merge mode and DMVR.
  • the inter prediction unit 126 derives the MV of the current block in merge mode (step Sl_1).
  • the inter prediction unit 126 determines whether to perform an MV search, that is, a motion search (step Sl_2).
  • the inter prediction unit 126 determines not to perform motion search (No in step Sl_2), it determines the MV derived in step Sl_1 as the final MV for the current block (step Sl_4). That is, in this case, the MV of the current block is determined in merge mode.
  • step Sl_3 the inter prediction unit 126 searches the surrounding area of the reference picture indicated by the MV derived in step Sl_1.
  • the final MV is derived (step Sl_3). That is, in this case, the MV of the current block is determined by DMVR.
  • FIG. 56 is a conceptual diagram for explaining an example of DMVR for determining MV.
  • candidate MVs (L0 and L1) are selected for the current block. Then, according to the candidate MV (L0), a reference pixel is specified from the first reference picture (L0), which is a coded picture in the L0 list. Similarly, according to the candidate MV (L1), a reference pixel is specified from the second reference picture (L1), which is an encoded picture in the L1 list. A template is generated by taking the average of these reference pixels.
  • the surrounding areas of the candidate MVs of the first reference picture (L0) and the second reference picture (L1) are searched, and the MV with the minimum cost is selected as the final MV of the current block.
  • the cost may be calculated using, for example, a difference value between each pixel value of the template and each pixel value of the search area, a candidate MV value, and the like.
  • Any process other than the process described here may be used as long as it can search around the candidate MV and derive the final MV.
  • FIG. 57 is a conceptual diagram for explaining another example of DMVR for determining MV. This example shown in FIG. 57 differs from the DMVR example shown in FIG. 56 in that the cost is calculated without generating a template.
  • the inter prediction unit 126 searches around the reference blocks included in the reference pictures of each of the L0 list and the L1 list, based on the initial MV that is the candidate MV obtained from the candidate MV list. For example, as shown in FIG. 57, the initial MV corresponding to the reference block in the L0 list is InitMV_L0, and the initial MV corresponding to the reference block in the L1 list is InitMV_L1.
  • the inter prediction unit 126 first sets a search position for a reference picture in the L0 list.
  • the difference vector indicating the search position to be set specifically, the difference vector from the position indicated by the initial MV (ie, InitMV_L0) to the search position is MVd_L0.
  • the inter prediction unit 126 determines a search position in the reference picture of the L1 list. This search position is indicated by the difference vector from the position indicated by the initial MV (ie, InitMV_L1) to that search position. Specifically, the inter prediction unit 126 determines the difference vector as MVd_L1 by mirroring MVd_L0. That is, the inter prediction unit 126 sets a search position to a position symmetrical to the position indicated by the initial MV in each of the reference pictures of the L0 list and the L1 list. For each search position, the inter prediction unit 126 calculates the sum of absolute differences (SAD) of pixel values in the block at that search position as a cost, and finds the search position where the cost is the minimum.
  • SAD sum of absolute differences
  • FIG. 58A is a diagram showing an example of motion search in DMVR
  • FIG. 58B is a flowchart showing an example of the motion search.
  • Step 1 the inter prediction unit 126 calculates the cost at the search position (also referred to as the starting point) indicated by the initial MV and the eight search positions around it. Then, the inter prediction unit 126 determines whether the cost of the search position other than the starting point is the minimum. Here, if the inter prediction unit 126 determines that the cost of the search position other than the starting point is the minimum, it moves to the search position where the cost is the minimum and performs the process of Step 2. On the other hand, if the cost of the starting point is the minimum, the inter prediction unit 126 skips the process of Step 2 and performs the process of Step 3.
  • Step 2 the inter prediction unit 126 performs a search similar to the process in Step 1, using the search position moved according to the processing result in Step 1 as a new starting point. Then, the inter prediction unit 126 determines whether the cost of the search position other than the starting point is the minimum. Here, the inter prediction unit 126 performs the process of Step 4 if the cost of the search position other than the starting point is the minimum. On the other hand, if the cost of the starting point is the minimum, the inter prediction unit 126 performs the process of Step 3.
  • Step 4 the inter prediction unit 126 treats the search position of the starting point as the final search position, and determines the difference between the position indicated by the initial MV and the final search position as a difference vector.
  • the inter prediction unit 126 determines a pixel position with decimal precision at which the cost is minimum based on the costs at four points on the top, bottom, left and right of the starting point of Step 1 or Step 2, and sets that pixel position as the final search position. .
  • the pixel position with decimal precision is the vector of four points ((0, 1), (0, -1), (-1, 0), (1, 0)) on the top, bottom, left and right of each of the four points. It is determined by weighted addition using the cost at the search position as a weight. Then, the inter prediction unit 126 determines the difference between the position indicated by the initial MV and its final search position as a difference vector.
  • BIO/OBMC/LIC In motion compensation, there is a mode in which a predicted image is generated and the predicted image is corrected.
  • the modes are, for example, BIO, OBMC, and LIC, which will be described later.
  • FIG. 59 is a flowchart illustrating an example of generating a predicted image.
  • the inter prediction unit 126 generates a predicted image (step Sm_1), and corrects the predicted image using any of the modes described above (step Sm_2).
  • FIG. 60 is a flowchart showing another example of generating a predicted image.
  • the inter prediction unit 126 derives the MV of the current block (step Sn_1). Next, the inter prediction unit 126 generates a predicted image using the MV (step Sn_2), and determines whether to perform correction processing (step Sn_3). Here, if the inter prediction unit 126 determines to perform the correction process (Yes in step Sn_3), it generates a final predicted image by correcting the predicted image (step Sn_4). Note that in LIC, which will be described later, brightness and color difference may be corrected in step Sn_4. On the other hand, if the inter prediction unit 126 determines not to perform the correction process (No in step Sn_3), it outputs the predicted image as a final predicted image without correction (step Sn_5).
  • An inter-predicted image may be generated using not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. Specifically, the current An inter predicted image may be generated in units of subblocks within a block. Such inter prediction (motion compensation) is sometimes called OBMC (overlapped block motion compensation) or OBMC mode.
  • OBMC overlapped block motion compensation
  • OBMC block size information indicating the size of sub-blocks for OBMC
  • OBMC flag information indicating whether or not to apply the OBMC mode
  • the level of signaling of this information is not limited to the sequence level and CU level, and may be at other levels (for example, picture level, slice level, brick level, CTU level, or subblock level). good.
  • FIGS. 61 and 62 are a flowchart and a conceptual diagram for explaining the outline of predicted image correction processing by OBMC.
  • a predicted image (Pred) by normal motion compensation is obtained using the MV assigned to the current block.
  • the arrow "MV" points to a reference picture and indicates what the current block of the current picture refers to in order to obtain a predicted image.
  • MV (MV_L) already derived for the encoded left adjacent block is applied (reused) to the current block to obtain a predicted image (Pred_L).
  • MV (MV_L) is indicated by an arrow “MV_L” pointing from the current block to the reference picture.
  • the first correction of the predicted image is performed by superimposing the two predicted images Pred and Pred_L. This has the effect of blending the boundaries between adjacent blocks.
  • the predicted image (Pred_U) is obtained by applying (reusing) the MV (MV_U) already derived for the encoded upper adjacent block to the current block.
  • the MV (MV_U) is indicated by an arrow "MV_U" pointing from the current block to the reference picture.
  • a second correction of the predicted image is performed by superimposing the predicted image Pred_U on the predicted images (for example, Pred and Pred_L) that have undergone the first correction. This has the effect of blending the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which boundaries with adjacent blocks have been blended (smoothed).
  • the above example is a two-pass correction method using the left adjacent block and the upper adjacent block, but the correction method is a three-pass or more pass correction method that also uses the right adjacent block and/or the lower adjacent block. This correction method may also be used.
  • the region to be superimposed may not be the pixel region of the entire block, but only a part of the region near the block boundary.
  • the predicted image correction process of OBMC for obtaining one predicted image Pred by superimposing additional predicted images Pred_L and Pred_U from one reference picture has been described.
  • similar processing may be applied to each of the multiple reference pictures.
  • OBMC image correction based on a plurality of reference pictures, a corrected predicted image is obtained from each reference picture, and then the obtained plurality of corrected predicted images are further superimposed. to obtain the final predicted image.
  • the unit of the current block may be a PU unit or a subblock unit obtained by further dividing a PU.
  • the encoding device 100 may determine whether the current block belongs to a region with complex motion. If the encoding device 100 belongs to a region with complex motion, it sets the value 1 as obmc_flag and performs encoding by applying OBMC, and if it does not belong to a region with complex motion, it sets the value 1 as obmc_flag. Set the value to 0 to encode the block without applying OBMC. On the other hand, the decoding device 200 decodes the obmc_flag written in the stream and switches whether or not to apply OBMC according to the value.
  • BIO bi-directional optical flow
  • FIG. 63 is a diagram for explaining a model assuming uniform linear motion.
  • (vx, vy) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 indicate the temporal distance between the current picture (Cur Pic) and two reference pictures (Ref0, Ref1), respectively.
  • (MVx0, MVy0) indicates the MV corresponding to the reference picture Ref0
  • (MVx1, MVy1) indicates the MV corresponding to the reference picture Ref1.
  • This optical flow equation is the product of (i) the time derivative of the luminance value, (ii) the horizontal component of the horizontal velocity and the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. Show that the product of the vertical components of and the sum of are equal to zero. Based on a combination of this optical flow equation and Hermite interpolation, a motion vector in units of blocks obtained from a candidate MV list or the like may be corrected in units of pixels.
  • the MV may be derived on the decoding device 200 side using a method different from deriving a motion vector based on a model assuming uniform linear motion.
  • motion vectors may be derived for each subblock based on the MVs of a plurality of adjacent blocks.
  • FIG. 64 is a flowchart illustrating an example of inter prediction according to BIO. Further, FIG. 65 is a diagram showing an example of the configuration of the inter prediction unit 126 that performs inter prediction according to the BIO.
  • the inter prediction unit 126 includes, for example, a memory 126a, an interpolation image derivation unit 126b, a gradient image derivation unit 126c, an optical flow derivation unit 126d, a correction value derivation unit 126e, and a predicted image correction 126f.
  • the memory 126a may be the frame memory 122.
  • the inter prediction unit 126 derives two motion vectors (M0, M1) using two reference pictures (Ref0, Ref1) that are different from the picture containing the current block (CurPic). Then, the inter prediction unit 126 derives a predicted image of the current block using the two motion vectors (M0, M1) (step Sy_1). Note that the motion vector M0 is a motion vector (MVx0, MVy0) corresponding to the reference picture Ref0, and the motion vector M1 is a motion vector (MVx1, MVy1) corresponding to the reference picture Ref1.
  • the interpolated image deriving unit 126b refers to the memory 126a and derives the interpolated image I0 of the current block using the motion vector M0 and the reference picture L0. Further, the interpolated image deriving unit 126b refers to the memory 126a and derives the interpolated image I1 of the current block using the motion vector M1 and the reference picture L1 (step Sy_2).
  • the interpolated image I0 is an image included in the reference picture Ref0 derived for the current block
  • the interpolated image I1 is included in the reference picture Ref1 derived for the current block. It is an image.
  • Interpolated image I 0 and interpolated image I 1 may each have the same size as the current block.
  • each of the interpolated image I 0 and the interpolated image I 1 may be larger than the current block in order to appropriately derive the gradient image described below.
  • the interpolated images I 0 and I 1 may include predicted images derived by applying a motion vector (M0, M1), a reference picture (L0, L1), and a motion compensation filter.
  • the gradient image deriving unit 126c derives the gradient image (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) of the current block from the interpolated image I 0 and the interpolated image I 1 (step Sy_3).
  • the horizontal gradient image is (Ix 0 , Ix 1 )
  • the vertical gradient image is (Iy 0 , Iy 1 ).
  • the gradient image deriving unit 126c may derive the gradient image by applying a gradient filter to the interpolated image, for example.
  • the gradient image may be any image that shows the amount of spatial change in pixel values along the horizontal or vertical direction.
  • the optical flow deriving unit 126d uses the interpolated image (I 0 , I 1 ) and the gradient image (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) in units of a plurality of subblocks that constitute the current block.
  • the optical flow (vx, vy), which is the velocity vector described above, is derived (step Sy_4).
  • the optical flow is a coefficient that corrects the amount of spatial movement of pixels, and may be called a local motion estimate, a corrected motion vector, or a corrected weight vector.
  • the sub-block may be a 4x4 pixel sub-CU. Note that the optical flow may be derived not in subblock units but in other units such as pixel units.
  • the inter prediction unit 126 corrects the predicted image of the current block using optical flow (vx, vy).
  • the correction value deriving unit 126e derives a correction value for the value of a pixel included in the current block using optical flow (vx, vy) (step Sy_5).
  • the predicted image correction unit 126f may then correct the predicted image of the current block using the correction value (step Sy_6). Note that the correction value may be derived for each pixel, or may be derived for each pixel or subblock.
  • BIO processing flow is not limited to the processing disclosed in FIG. 64. Only part of the processes disclosed in FIG. 64 may be performed, different processes may be added or replaced, or processes may be performed in a different order.
  • FIG. 66A is a diagram for explaining an example of a predicted image generation method using brightness correction processing by LIC. Further, FIG. 66B is a flowchart showing an example of a predicted image generation method using the LIC.
  • the inter prediction unit 126 derives the MV from the encoded reference picture and obtains the reference image corresponding to the current block (step Sz_1).
  • the inter prediction unit 126 extracts information indicating how the luminance value has changed between the reference picture and the current picture for the current block (step Sz_2). This extraction uses the luminance pixel values of the encoded left adjacent reference area (surrounding reference area) and encoded upper adjacent reference area (surrounding reference area) in the current picture, and the luminance pixel values of the encoded left adjacent reference area (surrounding reference area) and the brightness pixel values of the encoded upper adjacent reference area (surrounding reference area) in the reference picture specified by the derived MV. This is performed based on the luminance pixel value at the same position. Then, the inter prediction unit 126 calculates a brightness correction parameter using information indicating how the brightness value has changed (step Sz_3).
  • the inter prediction unit 126 generates a predicted image for the current block by performing a brightness correction process that applies the brightness correction parameter to the reference image in the reference picture specified by the MV (step Sz_4). That is, correction based on the brightness correction parameter is performed on the predicted image, which is a reference image within the reference picture specified by the MV. In this correction, brightness may be corrected or color difference may be corrected. That is, a color difference correction parameter may be calculated using information indicating how the color difference has changed, and the color difference correction process may be performed.
  • the shape of the peripheral reference region in FIG. 66A is an example, and other shapes may be used.
  • the process of generating a predicted image from one reference picture is similar when generating a predicted image from multiple reference pictures, and the reference image obtained from each reference picture is The predicted image may be generated after performing the brightness correction process using a method similar to the above.
  • lic_flag is a signal indicating whether to apply LIC.
  • the encoding device 100 determines whether the current block belongs to an area where a brightness change has occurred, and if the current block belongs to an area where a brightness change has occurred, the current block is set as lic_flag. A value of 1 is set and LIC is applied for encoding, and if the area does not belong to an area where a luminance change occurs, a value of 0 is set as lic_flag and encoding is performed without applying LIC.
  • the decoding device 200 may perform decoding by decoding the lic_flag written in the stream and switching whether or not to apply LIC according to the value.
  • Another method for determining whether or not to apply LIC is, for example, to determine whether or not LIC is applied to surrounding blocks.
  • the inter prediction unit 126 may apply LIC to encode the surrounding encoded blocks selected when deriving the MV in merge mode. Determine whether it has been done.
  • the inter prediction unit 126 performs encoding by switching whether or not to apply LIC depending on the result. Note that even in this example, the same processing is applied to the processing on the decoding device 200 side.
  • LIC luminance correction processing
  • the inter prediction unit 126 derives an MV for acquiring a reference image corresponding to the current block from a reference picture that is an encoded picture.
  • the inter prediction unit 126 calculates, for the current block, the luminance pixel values of the left-adjacent and upper-adjacent encoded peripheral reference regions and the luminance pixel values at the same position in the reference picture specified by the MV.
  • a brightness correction parameter is calculated by extracting information indicating how the brightness value has changed between the reference picture and the current picture. For example, let p0 be the luminance pixel value of a certain pixel in the surrounding reference area in the current picture, and let p1 be the brightness pixel value of a pixel in the surrounding reference area in the reference picture at the same position as the pixel.
  • the peripheral reference area shown in FIG. 66A may be used.
  • an area including a predetermined number of pixels thinned out from each of the upper adjacent pixel and the left adjacent pixel may be used as the peripheral reference area.
  • the peripheral reference area is not limited to an area adjacent to the current block, but may be an area not adjacent to the current block.
  • the surrounding reference area in the reference picture is an area specified by the MV of the current picture from the surrounding reference area in the current picture, but it is not an area specified by another MV. You can.
  • the other MV may be an MV of a peripheral reference area within the current picture.
  • LIC may be applied not only to luminance but also to color difference.
  • correction parameters may be derived individually for each of Y, Cb, and Cr, or a common correction parameter may be used for any of them.
  • LIC processing may be applied in sub-block units.
  • the correction parameters may be derived using the surrounding reference area of the current sub-block and the surrounding reference area of the reference sub-block in the reference picture specified by the MV of the current sub-block.
  • the prediction control unit 128 selects either the intra prediction image (the image or signal output from the intra prediction unit 124) or the inter prediction image (the image or signal output from the inter prediction unit 126), and selects the selected prediction image. is output to subtraction section 104 and addition section 116.
  • the prediction parameter generation unit 130 may output information regarding intra prediction, inter prediction, prediction image selection in the prediction control unit 128, etc. to the entropy encoding unit 110 as prediction parameters.
  • the entropy encoding unit 110 may generate a stream based on the prediction parameters input from the prediction parameter generation unit 130 and the quantization coefficients input from the quantization unit 108.
  • the prediction parameters may be used by the decoding device 200.
  • the decoding device 200 may receive and decode the stream, and perform the same prediction processing as that performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction parameters are selected prediction signals (e.g., MV, prediction type, or prediction mode used by the intra prediction unit 124 or the inter prediction unit 126), or the prediction parameters of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128. may include any index, flag, or value based on or indicative of prediction processing performed in .
  • FIG. 67 is a block diagram illustrating an example of the configuration of decoding device 200 according to the embodiment.
  • the decoding device 200 is a device that decodes a stream, which is an encoded image, in units of blocks.
  • the decoding device 200 includes an entropy decoding section 202, an inverse quantization section 204, an inverse transformation section 206, an addition section 208, a block memory 210, a loop filter section 212, and a frame memory 214. , an intra prediction unit 216 , an inter prediction unit 218 , a prediction control unit 220 , a prediction parameter generation unit 222 , and a division determination unit 224 . Note that each of the intra prediction unit 216 and the inter prediction unit 218 is configured as a part of a prediction processing unit.
  • FIG. 68 is a block diagram showing an implementation example of the decoding device 200.
  • Decoding device 200 includes a processor b1 and a memory b2.
  • multiple components of the decoding device 200 shown in FIG. 67 are implemented by the processor b1 and memory b2 shown in FIG. 68.
  • the processor b1 is a circuit that performs information processing and is a circuit that can access the memory b2.
  • processor b1 is a dedicated or general purpose electronic circuit that decodes the stream.
  • Processor b1 may be a processor such as a CPU.
  • the processor b1 may be a collection of a plurality of electronic circuits.
  • the processor b1 may play the role of a plurality of components other than the component for storing information among the plurality of components of the decoding device 200 shown in FIG. 67 and the like.
  • the memory b2 is a dedicated or general-purpose memory in which information for the processor b1 to decode the stream is stored.
  • Memory b2 may be an electronic circuit and may be connected to processor b1. Furthermore, the memory b2 may be included in the processor b1. Furthermore, the memory b2 may be a collection of a plurality of electronic circuits. Further, the memory b2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like. Further, the memory b2 may be a nonvolatile memory or a volatile memory.
  • images or streams may be stored in the memory b2.
  • the memory b2 may store a program for the processor b1 to decode the stream.
  • the memory b2 may serve as a component for storing information among the multiple components of the decoding device 200 shown in FIG. 67 and the like. Specifically, memory b2 may play the role of block memory 210 and frame memory 214 shown in FIG. 67. More specifically, a reconstructed image (specifically, a reconstructed block, a reconstructed picture, etc.) may be stored in the memory b2.
  • decoding device 200 not all of the multiple components shown in FIG. 67 etc. need to be implemented, and all of the multiple processes described above need not be performed. Some of the multiple components shown in FIG. 67 etc. may be included in other devices, and some of the multiple processes described above may be executed by other devices.
  • the decoding device 200 includes an inverse quantization unit 204, an inverse transformation unit 206, an addition unit 208, a block memory 210, a frame memory 214, an intra prediction unit 216, an inter prediction unit 218, a prediction control unit 220, and a loop filter.
  • the unit 212 includes an inverse quantization unit 112, an inverse transformation unit 114, an addition unit 116, a block memory 118, a frame memory 122, an intra prediction unit 124, an inter prediction unit 126, a prediction control unit 128, which are included in the encoding device 100. and the loop filter section 120, respectively.
  • FIG. 69 is a flowchart illustrating an example of the overall decoding process by the decoding device 200.
  • the division determining unit 224 of the decoding device 200 determines a division pattern for each of a plurality of fixed-size blocks (128 ⁇ 128 pixels) included in a picture based on the parameters input from the entropy decoding unit 202 ( Step Sp_1).
  • This division pattern is a division pattern selected by encoding device 100.
  • the decoding device 200 performs the processes of steps Sp_2 to Sp_6 on each of the plurality of blocks forming the division pattern.
  • the entropy decoding unit 202 decodes (specifically entropy decodes) the encoded quantization coefficients and prediction parameters of the current block (step Sp_2).
  • the inverse quantization unit 204 and the inverse transformation unit 206 restore the prediction residual of the current block by performing inverse quantization and inverse transformation on the plurality of quantized coefficients (step Sp_3).
  • the prediction processing unit including the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 generates a predicted image of the current block (step Sp_4).
  • the addition unit 208 reconstructs the current block into a reconstructed image (also referred to as a decoded image block) by adding the predicted image to the prediction residual (step Sp_5).
  • the loop filter section 212 performs filtering on the reconstructed image (step Sp_6).
  • step Sp_7 determines whether decoding of the entire picture has been completed (step Sp_7), and when determining that the decoding has not been completed (No in step Sp_7), repeatedly executes the process from step Sp_1.
  • steps Sp_1 to Sp_7 may be performed sequentially by the decoding device 200, or some of the processes may be performed in parallel, or the order may be changed. Good too.
  • FIG. 70 is a diagram showing the relationship between the division determining unit 224 and other components.
  • the division determining unit 224 may perform the following processing, for example.
  • the division determining unit 224 collects block information from the block memory 210 or the frame memory 214, and further obtains parameters from the entropy decoding unit 202, for example. Then, the division determining unit 224 may determine a division pattern for fixed-sized blocks based on the block information and parameters. Then, the division determining unit 224 may output information indicating the determined division pattern to the inverse transformation unit 206, the intra prediction unit 216, and the inter prediction unit 218. The inverse transform unit 206 may perform inverse transform on the transform coefficients based on the division pattern indicated by the information from the division determination unit 224. The intra prediction unit 216 and the inter prediction unit 218 may generate predicted images based on the division pattern indicated by the information from the division determination unit 224.
  • FIG. 71 is a block diagram showing an example of the configuration of the entropy decoding section 202.
  • the entropy decoding unit 202 generates quantization coefficients, prediction parameters, parameters related to division patterns, etc. by entropy decoding the stream.
  • CABAC is used for the entropy decoding.
  • the entropy decoding section 202 includes, for example, a binary arithmetic decoding section 202a, a context control section 202b, and a multi-value encoding section 202c.
  • the binary arithmetic decoding unit 202a arithmetic decodes the stream into a binary signal using the context value derived by the context control unit 202b.
  • the context control unit 202b derives a context value, that is, the probability of occurrence of a binary signal, according to the characteristics of the syntax element or the surrounding situation.
  • the multi-value conversion unit 202c performs multi-value conversion (debinarize) to convert the binary signal output from the binary arithmetic decoding unit 202a into a multi-value signal indicating the above-mentioned quantization coefficients and the like. This multi-value conversion is performed according to the above-mentioned binarization method.
  • the entropy decoding unit 202 outputs the quantization coefficients to the dequantization unit 204 in block units.
  • the entropy decoding unit 202 may output the prediction parameters included in the stream (see FIG. 1) to the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 can perform the same prediction process as the process performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 on the encoding device 100 side. .
  • FIG. 72 is a diagram showing the flow of CABAC in entropy decoding section 202.
  • CABAC in the entropy decoding section 202 is initialized.
  • the binary arithmetic decoding unit 202a is initialized and an initial context value is set.
  • the binary arithmetic decoding section 202a and the multi-value encoding section 202c perform arithmetic decoding and multi-value encoding, for example, on the encoded data of the CTU.
  • the context control unit 202b updates the context value every time arithmetic decoding is performed.
  • the context control unit 202b saves the context value as post-processing. This saved context value is used, for example, to initialize the context value for the next CTU.
  • the dequantization unit 204 dequantizes the quantized coefficients of the current block that are input from the entropy decoding unit 202. Specifically, the dequantization unit 204 dequantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the inverse quantized quantization coefficients (that is, transform coefficients) of the current block to the inverse transform unit 206.
  • FIG. 73 is a block diagram showing an example of the configuration of the inverse quantization section 204.
  • the dequantization unit 204 includes, for example, a quantization parameter generation unit 204a, a predictive quantization parameter generation unit 204b, a quantization parameter storage unit 204d, and a dequantization processing unit 204e.
  • FIG. 74 is a flowchart illustrating an example of inverse quantization by the inverse quantization unit 204.
  • the dequantization unit 204 may perform dequantization processing for each CU based on the flow shown in FIG. 74. Specifically, the quantization parameter generation unit 204a determines whether to perform inverse quantization (step Sv_11). Here, if it is determined that inverse quantization is to be performed (Yes in step Sv_11), the quantization parameter generation unit 204a acquires the difference quantization parameter of the current block from the entropy decoding unit 202 (step Sv_12).
  • the predictive quantization parameter generation unit 204b obtains a quantization parameter for a processing unit different from the current block from the quantization parameter storage unit 204d (step Sv_13).
  • the predictive quantization parameter generation unit 204b generates a predictive quantization parameter for the current block based on the acquired quantization parameter (step Sv_14).
  • the quantization parameter generation unit 204a adds the difference quantization parameter of the current block obtained from the entropy decoding unit 202 and the predictive quantization parameter of the current block generated by the predictive quantization parameter generation unit 204b. (Step Sv_15). This addition generates the quantization parameter of the current block. Further, the quantization parameter generation unit 204a stores the quantization parameter of the current block in the quantization parameter storage unit 204d (step Sv_16).
  • the dequantization processing unit 204e dequantizes the quantization coefficients of the current block into transform coefficients using the quantization parameters generated in step Sv_15 (step Sv_17).
  • differential quantization parameter may be decoded at the bit sequence level, picture level, slice level, brick level, or CTU level. Further, the initial value of the quantization parameter may be decoded at the sequence level, picture level, slice level, brick level, or CTU level. At this time, the quantization parameter may be generated using the initial value of the quantization parameter and the difference quantization parameter.
  • the dequantization unit 204 may include a plurality of dequantizers, and may dequantize the quantized coefficient using a dequantization method selected from a plurality of dequantization methods.
  • the inverse transform unit 206 restores the prediction residual by inversely transforming the transform coefficients input from the inverse quantization unit 204.
  • the inverse transform unit 206 calculates the transform coefficients of the current block based on the decoded information indicating the transform type. Convert inversely.
  • the inverse transform unit 206 applies inverse re-transform to the transform coefficients.
  • FIG. 75 is a flowchart illustrating an example of processing by the inverse transformation unit 206.
  • the inverse transform unit 206 determines whether or not information indicating that orthogonal transform is not performed is present in the stream (step St_11). Here, if it is determined that the information does not exist (No in step St_11), the inverse transformer 206 acquires the information indicating the transform type decoded by the entropy decoder 202 (step St_12). Next, the inverse transform unit 206 determines the transform type used in the orthogonal transform of the encoding device 100 based on the information (step St_13). Then, the inverse transform unit 206 performs inverse orthogonal transform using the determined transform type (step St_14).
  • FIG. 76 is a flowchart showing another example of processing by the inverse transformer 206.
  • the inverse transform unit 206 determines whether the transformed size is less than or equal to a predetermined value (step Su_11). Here, if it is determined that the value is less than or equal to the predetermined value (Yes in step Su_11), the inverse transform unit 206 determines which transform type is the encoding device among the one or more transform types included in the first transform type group. 100 is used by the entropy decoder 202 (step Su_12). Note that such information is decoded by entropy decoding section 202 and output to inverse transform section 206.
  • the inverse transform unit 206 determines the transform type used in the orthogonal transform in the encoding device 100 (step Su_13). Then, the inverse transform unit 206 performs inverse orthogonal transform on the transform coefficients of the current block using the determined transform type (step Su_14). On the other hand, if the inverse transform unit 206 determines in step Su_11 that the transform size is not equal to or smaller than the predetermined value (No in step Su_11), the inverse transform unit 206 performs inverse orthogonal transform on the transform coefficients of the current block using the second transform type group (step Su_15).
  • the inverse orthogonal transform by the inverse transform unit 206 may be performed for each TU according to the flow shown in FIG. 75 or FIG. 76, as an example.
  • the inverse orthogonal transform may be performed using a predefined transform type without decoding the information indicating the transform type used in the orthogonal transform.
  • the transform type is specifically DST7 or DCT8, and in the inverse orthogonal transform, an inverse transform basis function corresponding to the transform type is used.
  • the addition unit 208 reconstructs the current block by adding the prediction residual that is input from the inverse transformation unit 206 and the predicted image that is input from the prediction control unit 220. In other words, a reconstructed image of the current block is generated. Addition section 208 then outputs the reconstructed image of the current block to block memory 210 and loop filter section 212.
  • the block memory 210 is a storage unit for storing blocks in the current picture that are referenced in intra prediction. Specifically, block memory 210 stores the reconstructed image output from adder 208.
  • the loop filter unit 212 applies a loop filter to the reconstructed image generated by the addition unit 208, and outputs the filtered reconstructed image to the frame memory 214, a display device, and the like.
  • one filter is selected from the plurality of filters based on the direction and activity of the local gradient, and the selected filter is selected.
  • a filter is applied to the reconstructed image.
  • FIG. 77 is a block diagram showing an example of the configuration of the loop filter section 212. Note that the loop filter section 212 has the same configuration as the loop filter section 120 of the encoding device 100.
  • the loop filter section 212 includes a deblocking filter processing section 212a, an SAO processing section 212b, and an ALF processing section 212c.
  • the deblocking filter processing unit 212a performs the above-described deblocking filter processing on the reconstructed image.
  • the SAO processing unit 212b performs the above-described SAO processing on the reconstructed image after the deblocking filter processing.
  • the ALF processing unit 212c applies the above-mentioned ALF processing to the reconstructed image after the SAO processing.
  • the loop filter section 212 does not need to include all of the processing sections disclosed in FIG. 77, and may include only some of the processing sections.
  • the loop filter unit 212 may be configured to perform each of the above-described processes in a different order from the process order disclosed in FIG. 77.
  • the frame memory 214 is a storage unit for storing reference pictures used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstructed image filtered by the loop filter section 212.
  • FIG. 78 is a flowchart illustrating an example of processing performed by the prediction unit of the decoding device 200.
  • the prediction unit includes all or some of the components of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • the prediction processing unit includes, for example, an intra prediction unit 216 and an inter prediction unit 218.
  • the prediction unit generates a predicted image of the current block (step Sq_1).
  • This predicted image is also called a predicted signal or a predicted block.
  • the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
  • the prediction unit predicts the current block using a reconstructed image that has already been obtained by generating a predicted image for another block, restoring a prediction residual, and adding the predicted images. Generate an image.
  • the prediction unit of the decoding device 200 generates a predicted image that is the same as the predicted image generated by the prediction unit of the encoding device 100. In other words, the prediction image generation methods used by these prediction units are common or compatible with each other.
  • the reconstructed image may be, for example, an image of a reference picture, or an image of a decoded block (i.e., another block described above) in the current picture, which is a picture that includes the current block.
  • the decoded block in the current picture is, for example, a block adjacent to the current block.
  • FIG. 79 is a flowchart showing another example of the processing performed by the prediction unit of the decoding device 200.
  • the prediction unit determines the method or mode for generating the predicted image (step Sr_1). For example, this method or mode may be determined based on, for example, prediction parameters.
  • the prediction unit determines the first method as the mode for generating the predicted image, it generates the predicted image according to the first method (step Sr_2a). Further, when the prediction unit determines the second method as the mode for generating the predicted image, it generates the predicted image according to the second method (step Sr_2b). Furthermore, when the prediction unit determines the third method as the mode for generating the predicted image, it generates the predicted image according to the third method (step Sr_2c).
  • the first method, the second method, and the third method are mutually different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods. There may be. These prediction methods may use the above-described reconstructed images.
  • 80A and 80B are flowcharts showing other examples of processing performed by the prediction unit of the decoding device 200.
  • the prediction unit may perform prediction processing according to the flows shown in FIGS. 80A and 80B, for example.
  • the intra block copy shown in FIGS. 80A and 80B is a mode that belongs to inter prediction, and is a mode in which a block included in the current picture is referred to as a reference image or a reference block. In other words, in intra block copying, a picture different from the current picture is not referenced.
  • the PCM mode shown in FIG. 80A is a mode that belongs to intra prediction, and is a mode in which conversion and quantization are not performed.
  • the intra prediction unit 216 performs intra prediction by referring to blocks in the current picture stored in the block memory 210 based on the intra prediction mode read from the stream, thereby generating a predicted image of the current block (i.e., an intra prediction mode). (predicted image). Specifically, the intra prediction unit 216 generates an intra prediction image by performing intra prediction with reference to pixel values (for example, brightness values, color difference values) of blocks adjacent to the current block, and predicts the intra prediction image. It is output to the control section 220.
  • pixel values for example, brightness values, color difference values
  • the intra prediction unit 216 may predict the chrominance component of the current block based on the luminance component of the current block.
  • the intra prediction unit 216 corrects the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal/vertical direction.
  • FIG. 81 is a diagram illustrating an example of processing by the intra prediction unit 216 of the decoding device 200.
  • the intra prediction unit 216 first determines whether an MPM flag indicating 1 exists in the stream (step Sw_11). Here, if it is determined that there is an MPM flag indicating 1 (Yes in step Sw_11), the intra prediction unit 216 receives information indicating the intra prediction mode selected in the encoding device 100 from the entropy decoding unit 202 among the MPMs. Acquire (step Sw_12). Note that the information is decoded by entropy decoding section 202 and output to intra prediction section 216. Next, the intra prediction unit 216 determines MPM (step Sw_13). MPM consists of, for example, six intra prediction modes. Then, the intra prediction unit 216 determines the intra prediction mode indicated by the information acquired in step Sw_12 from among the plurality of intra prediction modes included in the MPM (step Sw_14).
  • the intra prediction unit 216 determines in step Sw_11 that the MPM flag indicating 1 does not exist in the stream (No in step Sw_11), it acquires information indicating the intra prediction mode selected in the encoding device 100 ( Step Sw_15). That is, the intra prediction unit 216 acquires information indicating the intra prediction mode selected in the encoding device 100 from the entropy decoding unit 202 among one or more intra prediction modes not included in the MPM. Note that the information is decoded by entropy decoding section 202 and output to intra prediction section 216. Then, the intra prediction unit 216 determines the intra prediction mode indicated by the information acquired in step Sw_15 from among the one or more intra prediction modes not included in the MPM (step Sw_17).
  • the intra prediction unit 216 generates a predicted image according to the intra prediction mode determined in step Sw_14 or step Sw_17 (step Sw_18).
  • the inter prediction unit 218 refers to the reference picture stored in the frame memory 214 and predicts the current block. Prediction is performed in units of the current block or subblocks within the current block. Note that a subblock is included in a block and is a unit smaller than the block. The size of the sub-block may be 4x4 pixels, 8x8 pixels, or any other size. The size of subblocks may be switched in units of slices, bricks, pictures, or the like.
  • the inter prediction unit 218 performs motion compensation using motion information (for example, MV) decoded from the stream (for example, prediction parameters output from the entropy decoding unit 202), so that the inter prediction unit 218 performs motion compensation on the current block or subblock.
  • motion information for example, MV
  • the inter prediction unit 218 performs motion compensation on the current block or subblock.
  • a predicted image is generated and the inter predicted image is output to the prediction control unit 220.
  • the inter prediction unit 218 When the information decoded from the stream indicates that the OBMC mode is to be applied, the inter prediction unit 218 performs inter prediction using not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. Generate an image.
  • the inter prediction unit 218 performs motion search according to the pattern matching method (bilateral matching or template matching) decoded from the stream.
  • the motion information is derived by Then, the inter prediction unit 218 performs motion compensation (prediction) using the derived motion information.
  • the inter prediction unit 218 derives the MV based on a model assuming uniform linear motion. Further, when the information decoded from the stream indicates that the affine mode is applied, the inter prediction unit 218 derives MV in sub-block units based on the MVs of a plurality of adjacent blocks.
  • FIG. 82 is a flowchart illustrating an example of MV derivation in the decoding device 200.
  • the inter prediction unit 218 determines whether to decode motion information (for example, MV). For example, the inter prediction unit 218 may make the determination based on the prediction mode included in the stream, or may make the determination based on other information included in the stream.
  • the inter prediction unit 218 determines to decode the motion information, it derives the MV of the current block in a mode in which the motion information is decoded.
  • the inter prediction unit 218 determines not to decode motion information, it derives MV in a mode in which motion information is not decoded.
  • MV derivation modes include normal inter mode, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes for decoding motion information include normal inter mode, normal merge mode, and affine mode (specifically, affine inter mode and affine merge mode).
  • the motion information may include not only MV but also predicted MV selection information, which will be described later.
  • modes in which motion information is not decoded include a FRUC mode.
  • the inter prediction unit 218 selects a mode for deriving the MV of the current block from these multiple modes, and derives the MV of the current block using the selected mode.
  • FIG. 83 is a flowchart showing another example of MV derivation in the decoding device 200.
  • the inter prediction unit 218 may determine whether to decode the difference MV. For example, the inter prediction unit 218 may determine whether or not to decode the difference MV. The determination may be made based on. Here, if the inter prediction unit 218 determines to decode the difference MV, it may derive the MV of the current block in a mode of decoding the difference MV. In this case, for example, the difference MV included in the stream is decoded as a prediction parameter.
  • the inter prediction unit 218 determines not to decode the difference MV, it derives the MV in a mode in which the difference MV is not decoded. In this case, the encoded differential MV is not included in the stream.
  • modes for deriving the MV include normal inter, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes for encoding the difference MV include normal inter mode and affine mode (specifically, affine inter mode).
  • modes in which differential MVs are not encoded include FRUC mode, normal merge mode, and affine mode (specifically, affine merge mode).
  • the inter prediction unit 218 selects a mode for deriving the MV of the current block from these multiple modes, and derives the MV of the current block using the selected mode.
  • the inter prediction unit 218 derives the MV in normal merge mode based on the information decoded from the stream, and converts the MV into Motion compensation (prediction) is performed using the
  • FIG. 84 is a flowchart illustrating an example of inter prediction in the normal inter mode in the decoding device 200.
  • the inter prediction unit 218 of the decoding device 200 performs motion compensation for each block. At this time, the inter prediction unit 218 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of decoded blocks temporally or spatially surrounding the current block. (Step Sg_11). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 selects each of the N candidate MVs (N is an integer of 2 or more) from among the plurality of candidate MVs obtained in step Sg_11 as a predicted motion vector candidate (also referred to as a predicted MV candidate). (step Sg_12). Note that the priority order is determined in advance for each of the N predicted MV candidates.
  • the inter prediction unit 218 decodes the predicted MV selection information from the input stream, and uses the decoded predicted MV selection information to select one predicted MV candidate from among the N predicted MV candidates. , is selected as the predicted MV of the current block (step Sg_13).
  • the inter prediction unit 218 decodes the difference MV from the input stream and adds the difference value that is the decoded difference MV and the selected predicted MV to derive the MV of the current block. (Step Sg_14).
  • the inter prediction unit 218 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the decoded reference picture (step Sg_15).
  • the processes of steps Sg_11 to Sg_15 are executed for each block. For example, when steps Sg_11 to Sg_15 are executed for each of all blocks included in a slice, inter prediction using normal inter mode for that slice ends. Furthermore, when the processes of steps Sg_11 to Sg_15 are executed for each of all blocks included in a picture, inter prediction using the normal inter mode for that picture ends. Note that the processing in steps Sg_11 to Sg_15 is not executed for all blocks included in a slice, but when executed for some blocks, inter prediction using normal inter mode for that slice is completed. You can. Similarly, when the processes of steps Sg_11 to Sg_15 are executed for some blocks included in a picture, inter prediction using normal inter mode for that picture may end.
  • MV derivation > Normal merge mode For example, when information decoded from the stream indicates application of normal merge mode, the inter prediction unit 218 derives MV in normal merge mode and performs motion compensation (prediction) using the MV.
  • FIG. 85 is a flowchart illustrating an example of inter prediction in the normal merge mode in the decoding device 200.
  • the inter prediction unit 218 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of decoded blocks temporally or spatially surrounding the current block (step Sh_11 ). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs obtained in step Sh_11 (step Sh_12). Specifically, the inter prediction unit 218 obtains MV selection information included in the stream as a prediction parameter, for example, and selects a candidate MV identified by the MV selection information as the MV of the current block.
  • the inter prediction unit 218 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the decoded reference picture (step Sh_13).
  • the processes of steps Sh_11 to Sh_13 are executed for each block, for example. For example, when steps Sh_11 to Sh_13 are executed for each of all blocks included in a slice, inter prediction using normal merge mode for that slice ends. Further, when the processes of steps Sh_11 to Sh_13 are executed for each of all blocks included in a picture, inter prediction using the normal merge mode for that picture ends. Note that the processing in steps Sh_11 to Sh_13 is not executed for all blocks included in a slice, but if executed for some blocks, inter prediction using normal merge mode for that slice is completed. You can. Similarly, when the processes of steps Sh_11 to Sh_13 are executed for some blocks included in a picture, inter prediction using the normal merge mode for that picture may be completed.
  • the inter prediction unit 218 derives MV in FRUC mode and performs motion compensation (prediction) using the MV.
  • the motion information is not converted into a signal from the encoding device 100 side, but is derived on the decoding device 200 side.
  • decoding device 200 may derive motion information by performing motion search. In this case, the decoding device 200 performs motion search without using the pixel values of the current block.
  • FIG. 86 is a flowchart illustrating an example of inter prediction in the FRUC mode in the decoding device 200.
  • the inter prediction unit 218 refers to the MVs of each decoded block spatially or temporally adjacent to the current block, and creates a list indicating these MVs as candidate MVs (i.e., a candidate MV list, which is a normal (which may be the same as the merge mode candidate MV list) (step Si_11).
  • the inter prediction unit 218 selects the best candidate MV from among the plurality of candidate MVs registered in the candidate MV list (step Si_12). For example, the inter prediction unit 218 calculates the evaluation value of each candidate MV included in the candidate MV list, and selects one candidate MV as the best candidate MV based on the evaluation value.
  • the inter prediction unit 218 derives the MV for the current block based on the selected best candidate MV (step Si_14).
  • the selected best candidate MV is directly derived as the MV for the current block.
  • the MV for the current block may be derived by performing pattern matching in the surrounding area of the position in the reference picture corresponding to the selected best candidate MV. That is, a search is performed using pattern matching in the reference picture and the evaluation value for the area around the best candidate MV, and if there is an MV with a good evaluation value, the best candidate MV is added to that MV. It may be updated to make it the final MV of the current block. There is no need to update to an MV with a better evaluation value.
  • the inter prediction unit 218 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the decoded reference picture (step Si_15).
  • the processes of steps Si_11 to Si_15 are executed for each block, for example. For example, when steps Si_11 to Si_15 are executed for each of all blocks included in a slice, inter prediction using the FRUC mode for that slice ends. Further, when the processes of steps Si_11 to Si_15 are executed for each of all blocks included in a picture, inter prediction using the FRUC mode for that picture ends. Processing may be performed in units of sub-blocks in the same manner as in the units of blocks described above.
  • MV derivation > Affine merge mode For example, when information decoded from the stream indicates application of affine merge mode, the inter prediction unit 218 derives MV in affine merge mode and performs motion compensation (prediction) using the MV.
  • FIG. 87 is a flowchart illustrating an example of inter prediction using affine merge mode in the decoding device 200.
  • the inter prediction unit 218 first derives the MV of each control point of the current block (step Sk_11).
  • the control points are points at the upper left corner and upper right corner of the current block, as shown in FIG. 46A, or points at the upper left corner, upper right corner, and lower left corner of the current block, as shown in FIG. 46B.
  • the inter prediction unit 218, as shown in FIG. 47A decoded block A (left), block B (top), block C (top right), Examine these blocks in the order of block D (bottom left) and block E (top left) to identify the first valid block decoded in affine mode.
  • the inter prediction unit 218 derives the MV of the control point using the first valid block decoded in the identified affine mode. For example, when block A is identified and block A has two control points, as shown in FIG. 47B, the inter prediction unit 218 calculates the motion vector v 3 of the upper left corner and the upper right corner of the decoded block including block A. By projecting and v 4 onto the current block, a motion vector v 0 of the upper left corner control point and a motion vector v 1 of the upper right corner control point of the current block are calculated. Thereby, the MV of each control point is derived.
  • the inter prediction unit 218 may derive the MV of each control point of the current block using the MV selection information.
  • the inter prediction unit 218 performs motion compensation for each of the plurality of subblocks included in the current block. That is, the inter prediction unit 218 uses two motion vectors v 0 and v 1 and the above equation ( 1A ), or three motion vectors v 0 , v 1 and v 1 for each of the plurality of sub-blocks. 2 and the above equation (1B), the MV of the subblock is calculated as an affine MV (step Sk_12). Then, the inter prediction unit 218 performs motion compensation on the subblock using these affine MVs and decoded reference pictures (step Sk_13).
  • steps Sk_12 and Sk_13 are executed for each of all sub-blocks included in the current block, inter prediction using the affine merge mode for the current block is completed. That is, motion compensation is performed on the current block, and a predicted image of the current block is generated.
  • the above-mentioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list including candidate MVs derived using a plurality of MV derivation methods for each control point.
  • the multiple MV derivation methods include the MV derivation methods shown in FIGS. 47A to 47C, the MV derivation methods shown in FIGS. 48A and 48B, the MV derivation methods shown in FIGS. 49A and 49B, and other MV derivation methods. Any combination of methods may be used.
  • the candidate MV list may include candidate MVs in modes other than affine mode, in which prediction is performed in subblock units.
  • a candidate MV list including an affine merge mode candidate MV having two control points and an affine merge mode candidate MV having three control points may be generated.
  • a candidate MV list including affine merge mode candidate MVs having two control points and a candidate MV list including affine merge mode candidate MVs having three control points may be generated.
  • a candidate MV list may be generated that includes candidate MVs for one of the affine merge mode with two control points and the affine merge mode with three control points.
  • the inter prediction unit 218 derives MV in affine inter mode and performs motion compensation (prediction) using the MV.
  • FIG. 88 is a flowchart illustrating an example of inter prediction using the affine inter mode in the decoding device 200.
  • the inter prediction unit 218 first derives the predicted MVs (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of the two or three control points of the current block ( Step Sj_11).
  • the control point is, for example, a point at the upper left corner, upper right corner, or lower left corner of the current block, as shown in FIG. 46A or 46B.
  • the inter prediction unit 218 acquires predicted MV selection information included in the stream as a prediction parameter, and uses the MV identified by the predicted MV selection information to derive the predicted MV of each control point of the current block. For example, when using the MV derivation method shown in FIGS. 48A and 48B, the inter prediction unit 218 identifies decoded blocks near each control point of the current block shown in FIG. 48A or 48B using predicted MV selection information. The predicted MV (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of the control point of the current block is derived by selecting the MV of the block to be processed.
  • the inter prediction unit 218 acquires each difference MV included in the stream as a prediction parameter, and adds the predicted MV of each control point of the current block and the difference MV corresponding to the predicted MV (step Sj_12). Thereby, the MV of each control point of the current block is derived.
  • the inter prediction unit 218 performs motion compensation for each of the plurality of subblocks included in the current block. That is, the inter prediction unit 218 uses two motion vectors v 0 and v 1 and the above equation ( 1A ), or three motion vectors v 0 , v 1 and v 1 for each of the plurality of sub-blocks. 2 and the above equation (1B), the MV of the subblock is calculated as an affine MV (step Sj_13). Then, the inter prediction unit 218 performs motion compensation on the subblock using these affine MVs and decoded reference pictures (step Sj_14).
  • steps Sj_13 and Sj_14 are executed for each of all sub-blocks included in the current block, inter prediction using the affine merge mode for the current block is completed. That is, motion compensation is performed on the current block, and a predicted image of the current block is generated.
  • step Sj_11 the above-mentioned candidate MV list may be generated as in step Sk_11.
  • the inter prediction unit 218 derives MV in triangle mode and performs motion compensation (prediction) using the MV.
  • FIG. 89 is a flowchart illustrating an example of inter prediction in the triangle mode in the decoding device 200.
  • the inter prediction unit 218 divides the current block into a first partition and a second partition (step Sx_11). At this time, the inter prediction unit 218 may obtain partition information, which is information regarding division into each partition, from the stream as a prediction parameter. Then, the inter prediction unit 218 may divide the current block into a first partition and a second partition according to the partition information.
  • the inter prediction unit 218 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of decoded blocks temporally or spatially surrounding the current block. (Step Sx_12). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 selects the candidate MV of the first partition and the candidate MV of the second partition as the first MV and the second MV, respectively, from among the plurality of candidate MVs obtained in step Sx_11 (step Sx_13). .
  • the inter prediction unit 218 may obtain MV selection information for identifying the selected candidate MV from the stream as a prediction parameter. Then, the inter prediction unit 218 may select the first MV and the second MV according to the MV selection information.
  • the inter prediction unit 218 generates a first predicted image by performing motion compensation using the selected first MV and the decoded reference picture (step Sx_14). Similarly, the inter prediction unit 218 generates a second predicted image by performing motion compensation using the selected second MV and the decoded reference picture (step Sx_15).
  • the inter prediction unit 218 generates a predicted image of the current block by weighting and adding the first predicted image and the second predicted image (step Sx_16).
  • FIG. 90 is a flowchart illustrating an example of motion search using DMVR in the decoding device 200.
  • the inter prediction unit 218 first derives the MV of the current block in merge mode (step Sl_11). Next, the inter prediction unit 218 derives the final MV for the current block by searching the surrounding area of the reference picture indicated by the MV derived in step Sl_11 (step Sl_12). That is, the MV of the current block is determined by DMVR.
  • FIG. 91 is a flowchart showing a detailed example of motion search using DMVR in the decoding device 200.
  • the inter prediction unit 218 calculates the cost at the search position (also referred to as the starting point) indicated by the initial MV and the eight search positions around it. Then, the inter prediction unit 218 determines whether the cost of the search position other than the starting point is the minimum. Here, if the inter prediction unit 218 determines that the cost of the search position other than the starting point is the minimum, it moves to the search position where the cost is the minimum, and performs the process of Step 2 shown in FIG. 58A. On the other hand, if the cost of the starting point is the minimum, the inter prediction unit 218 skips the process of Step 2 shown in FIG. 58A and performs the process of Step 3.
  • Step 2 shown in FIG. 58A the inter prediction unit 218 performs a search similar to the process in Step 1, using the search position moved according to the processing result in Step 1 as a new starting point. Then, the inter prediction unit 218 determines whether the cost of the search position other than the starting point is the minimum. Here, the inter prediction unit 218 performs the process of Step 4 if the cost of the search position other than the starting point is the minimum. On the other hand, if the cost of the starting point is the minimum, the inter prediction unit 218 performs the process of Step 3.
  • Step 4 the inter prediction unit 218 treats the search position of the starting point as the final search position, and determines the difference between the position indicated by the initial MV and the final search position as a difference vector.
  • the inter prediction unit 218 determines a pixel position with decimal precision at which the cost is minimum based on the costs at four points on the upper, lower, left, and right sides of the starting point of Step 1 or Step 2, and finalizes that pixel position.
  • the pixel position with decimal precision is the vector of four points ((0, 1), (0, -1), (-1, 0), (1, 0)) on the top, bottom, left and right of each of the four points. It is determined by weighted addition using the cost at the search position as a weight. Then, the inter prediction unit 218 determines the difference between the position indicated by the initial MV and its final search position as a difference vector.
  • BIO/OBMC/LIC For example, when the information decoded from the stream indicates the application of correction to the predicted image, the inter prediction unit 218 generates the predicted image and then corrects the predicted image according to the mode of the correction.
  • the modes include, for example, the above-mentioned BIO, OBMC, and LIC.
  • FIG. 92 is a flowchart illustrating an example of generation of a predicted image in the decoding device 200.
  • the inter prediction unit 218 generates a predicted image (step Sm_11), and corrects the predicted image using any of the modes described above (step Sm_12).
  • FIG. 93 is a flowchart showing another example of predicted image generation in the decoding device 200.
  • the inter prediction unit 218 derives the MV of the current block (step Sn_11). Next, the inter prediction unit 218 generates a predicted image using the MV (step Sn_12), and determines whether to perform correction processing (step Sn_13). For example, the inter prediction unit 218 acquires prediction parameters included in the stream, and determines whether to perform correction processing based on the prediction parameters. This prediction parameter is, for example, a flag indicating whether to apply each of the above-mentioned modes.
  • the inter prediction unit 218 determines to perform the correction process (Yes in step Sn_13), it generates a final predicted image by correcting the predicted image (step Sn_14).
  • the brightness and color difference of the predicted image may be corrected in step Sn_14.
  • the inter prediction unit 218 determines not to perform the correction process (No in step Sn_13), it outputs the predicted image as a final predicted image without correction (step Sn_15).
  • FIG. 94 is a flowchart illustrating an example of correction of a predicted image by OBMC in the decoding device 200. Note that the flowchart in FIG. 94 shows the flow of correction of a predicted image using the current picture and reference picture shown in FIG. 62.
  • the inter prediction unit 218 obtains a predicted image (Pred) by normal motion compensation using the MV assigned to the current block.
  • the inter prediction unit 218 applies (rates) the MV (MV_L) already derived for the decoded left adjacent block to the current block to obtain a predicted image (Pred_L). Then, the inter prediction unit 218 performs the first correction of the predicted image by superimposing the two predicted images Pred and Pred_L. This has the effect of blending the boundaries between adjacent blocks.
  • the inter prediction unit 218 applies (rides) the MV (MV_U) already derived for the decoded upper adjacent block to the current block to obtain a predicted image (Pred_U). Then, the inter prediction unit 218 performs the second correction of the predicted image by superimposing the predicted image Pred_U on the predicted images (for example, Pred and Pred_L) that have been corrected the first time. This has the effect of blending the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which boundaries with adjacent blocks have been blended (smoothed).
  • BIO “Motion compensation > BIO]
  • the inter prediction unit 218 when information decoded from the stream indicates application of BIO, the inter prediction unit 218 generates a predicted image and then corrects the predicted image according to the BIO.
  • FIG. 95 is a flowchart illustrating an example of correction of a predicted image by BIO in the decoding device 200.
  • the inter prediction unit 218 derives two motion vectors (M0, M1) using two reference pictures (Ref0, Ref1) that are different from the picture containing the current block (Cur Pic). . Then, the inter prediction unit 218 derives a predicted image of the current block using the two motion vectors (M0, M1) (step Sy_11).
  • the motion vector M0 is a motion vector (MVx0, MVy0) corresponding to the reference picture Ref0
  • the motion vector M1 is a motion vector (MVx1, MVy1) corresponding to the reference picture Ref1.
  • the inter prediction unit 218 derives the interpolated image I0 of the current block using the motion vector M0 and the reference picture L0. Furthermore, the inter prediction unit 218 derives the interpolated image I1 of the current block using the motion vector M1 and the reference picture L1 (step Sy_12).
  • the interpolated image I0 is an image included in the reference picture Ref0 derived for the current block
  • the interpolated image I1 is included in the reference picture Ref1 derived for the current block. It is an image.
  • Interpolated image I 0 and interpolated image I 1 may each have the same size as the current block.
  • each of the interpolated image I 0 and the interpolated image I 1 may be larger than the current block in order to appropriately derive the gradient image described below.
  • the interpolated images I 0 and I 1 may include predicted images derived by applying a motion vector (M0, M1), a reference picture (L0, L1), and a motion compensation filter.
  • the inter prediction unit 218 derives the gradient image (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) of the current block from the interpolated image I 0 and the interpolated image I 1 (step Sy_13).
  • the horizontal gradient image is (Ix 0 , Ix 1 )
  • the vertical gradient image is (Iy 0 , Iy 1 ).
  • the inter prediction unit 218 may derive the gradient image by applying a gradient filter to the interpolated image, for example.
  • the gradient image may be any image that shows the amount of spatial change in pixel values along the horizontal or vertical direction.
  • the inter prediction unit 218 uses the interpolated image (I 0 , I 1 ) and the gradient image (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) in units of a plurality of sub-blocks constituting the current block.
  • the optical flow (vx, vy) which is the velocity vector of is derived (step Sy_14).
  • the sub-block may be a 4x4 pixel sub-CU.
  • the inter prediction unit 218 corrects the predicted image of the current block using optical flow (vx, vy). For example, the inter prediction unit 218 derives a correction value for the value of a pixel included in the current block using optical flow (vx, vy) (step Sy_15). The inter prediction unit 218 may then correct the predicted image of the current block using the correction value (step Sy_16). Note that the correction value may be derived for each pixel, or may be derived for each pixel or subblock.
  • BIO processing flow is not limited to the processing disclosed in FIG. 95. Only part of the processes disclosed in FIG. 95 may be performed, different processes may be added or replaced, or processes may be performed in a different order.
  • FIG. 96 is a flowchart illustrating an example of correction of a predicted image by LIC in the decoding device 200.
  • the inter prediction unit 218 uses the MV to obtain a reference image corresponding to the current block from the decoded reference picture (step Sz_11).
  • the inter prediction unit 218 extracts information indicating how the luminance value has changed between the reference picture and the current picture for the current block (step Sz_12). As shown in FIG. 66A, this extraction is specified by the luminance pixel values of the decoded left adjacent reference area (surrounding reference area) and the decoded upper adjacent reference area (surrounding reference area) in the current picture, and the derived MV. This is performed based on the luminance pixel value at the same position in the reference picture. Then, the inter prediction unit 218 calculates a brightness correction parameter using information indicating how the brightness value has changed (step Sz_13).
  • the inter prediction unit 218 generates a predicted image for the current block by performing a brightness correction process that applies the brightness correction parameter to the reference image in the reference picture specified by the MV (step Sz_14). That is, correction based on the brightness correction parameter is performed on the predicted image, which is a reference image within the reference picture specified by the MV. In this correction, brightness may be corrected or color difference may be corrected.
  • the prediction control unit 220 selects either the intra predicted image or the inter predicted image and outputs the selected predicted image to the addition unit 208.
  • the configurations, functions, and processes of the prediction control unit 220, intra prediction unit 216, and inter prediction unit 218 on the decoding device 200 side are the same as those of the prediction control unit 128, intra prediction unit 124, and inter prediction unit on the encoding device 100 side.
  • the configuration, function, and processing of the unit 126 may correspond.
  • Machine learning and artificial intelligence are expanding into almost all technological fields, such as healthcare, transportation, network optimization, big data analysis, surveillance, speech, audio, image and video classification, and image and video compression, etc. are doing. Along with this, the demand for efficient compression of neural networks is also increasing.
  • NNR Neuron Compression and Representation
  • ISO/IEC 15938-17 This standard is also called NNR (Neural Network Compression and Representation) or ISO/IEC 15938-17.
  • the NNR standard provides compression efficiency of up to 97%.
  • the size of the NNR compressed bitstream is still huge.
  • neural network filters which are neural network-based filters, have been trained to improve the quality of reconstructed pictures.
  • the neural network filter may be trained to make the reconstructed picture closer to the original picture.
  • a reconstructed picture with improved image quality is output from the neural network filter.
  • Image quality is improved by using such a neural network filter.
  • the encoding device 100 encodes a neural network information set for setting a neural network filter for making such a reconstructed picture closer to the original picture. Furthermore, the decoding device 200 decodes the neural network information set, sets a neural network filter according to the neural network information set, and applies the neural network filter to the reconstructed picture.
  • the neural network information set and video data may be stored in different areas.
  • the neural network information set may be stored in a common segment of the server (eg, the DASH initialization segment) that is different from the video data segment.
  • a neural network filter is specified for the current picture according to the characteristics of the current picture.
  • the current picture may have multiple characteristics. Therefore, it may be difficult to specify one neural network filter for the current picture.
  • FIG. 97 is a flowchart showing decoding processing using a neural network filter. Specifically, decoding device 200 performs the decoding process shown in FIG. 97.
  • the decoding device 200 decodes one or more neural network information sets from the first bitstream (S101).
  • Each neural network information set describes the characteristics of the neural network filter. That is, the neural network information set may include parameters of a neural network used as a filter. More specifically, the neural network information set may include the number of layers, the number of nodes, weighting coefficients, etc. included in the neural network.
  • the neural network information set may include the width and height of the output luminance data of the neural network filter. Further, in one example, the neural network information may include a sampling ratio of output color difference data to output luminance data of the neural network filter.
  • the neural network information set may include the acquisition source of the neural network filter.
  • the neural network information set may include a URL (Uniform Resource Locator) from which the neural network filter is obtained.
  • the neural network filter is acquired and set from the neural network filter acquisition source.
  • a plurality of neural network information sets corresponding to a plurality of mutually different neural network filters may be decoded.
  • the image quality of the reconstructed picture may be further improved by using a neural network filter that corresponds to the characteristics of the original picture.
  • a neural network filter may be prepared depending on the image quality of the picture. That is, a plurality of neural network filters may be prepared according to a plurality of image qualities. Specifically, it is assumed that the image quality of a picture changes depending on the type of I picture, P picture, B picture, etc., the number of pictures processed from the I picture to the current picture, and the like. Therefore, by applying a neural network filter depending on the image quality of a picture to the picture, the image quality may be efficiently improved.
  • a neural network filter may be prepared depending on the size of the picture. Specifically, multiple original pictures may have different sizes. Therefore, a neural network filter for equalizing the picture sizes may be prepared for each size of the original picture.
  • a neural network filter may be prepared according to the intensity level of the brightness of the entire picture. Furthermore, neural network filters may be prepared depending on the bit depth. Further, a neural network filter may be prepared depending on the subject included in the picture.
  • the decoding device 200 may decode a plurality of neural network information sets corresponding to a plurality of neural network filters.
  • the first bitstream containing the encoded neural network information set may correspond to the entire bitstream containing encoded pictures, or may correspond to a header region or a data region of the entire bitstream. .
  • the first bitstream may be a different bitstream than the bitstream containing the encoded pictures.
  • the decoding device 200 decodes one or more activation information sets from the second bitstream (S102).
  • Each activation information set includes a neural network identifier.
  • Each activation information set may further include an image identifier.
  • the neural network identifier points to a neural network information set used in a neural network filter applied to a picture to be filtered.
  • the image identifier points to the picture to be filtered.
  • a filter target picture may also be expressed as an activation target picture.
  • a neural network identifier may point to multiple neural network information sets.
  • an image identifier may point to multiple filtered pictures.
  • the second bitstream containing the encoded activation information set may correspond to the entire bitstream containing encoded pictures, or may correspond to a header area or a data area of the entire bitstream. good.
  • the second bitstream may be a different bitstream than the bitstream containing the encoded pictures.
  • the second bitstream is the same bitstream that contains the encoded pictures.
  • the encoded activation information set is then included in an access unit that includes the encoded picture.
  • the decoding device 200 decodes one or more activation information sets from the access units of the second bitstream.
  • the neural network identifier is expressed by an ID assigned to the neural network.
  • the neural network identifier may point to multiple neural network information sets having the same ID as the neural network identifier. This ID may correspond to a number.
  • the image identifier is expressed by POC (Picture Order Count).
  • POC is also called POC number.
  • the image identifier points to a picture with the same POC number as the image identifier.
  • the decoding device 200 decodes one or more pictures from the third bitstream (S103).
  • the third bitstream including encoded pictures may correspond to the entire bitstream or may correspond to the data area of the entire bitstream. Basically, encoded pictures are included in access units. Therefore, decoding device 200 decodes one or more pictures from one or more access units of the third bitstream.
  • one access unit includes one picture.
  • one access unit may include a plurality of pictures to which the same decoding time and the same display time are assigned.
  • the access unit may include an SEI message. Then, after the SEI message included in the access unit is decoded, the picture included in the access unit may be decoded.
  • the decoding device 200 applies one or more neural network filters to each picture (S104). Each picture to which one or more neural network filters have been applied is then displayed.
  • the neural network filter applied to the picture is specified by the neural network information set specified by the activation information set.
  • the neural network information set is pointed to by the neural network identifier included in the activation information set.
  • the picture to which the neural network filter is applied may be specified by an activation information set. More specifically, the picture to which the neural network filter is applied may be pointed to by an image identifier included in the activation information set.
  • the first bitstream, the second bitstream, and the third bitstream are the same bitstream. Further, the first bitstream, the second bitstream, and the third bitstream may correspond to different parts of the same bitstream.
  • FIG. 98 is a conceptual diagram showing a bitstream including a first bitstream, a second bitstream, and a third bitstream.
  • the first bitstream, the second bitstream, and the third bitstream correspond to different parts of the same bitstream.
  • the first bitstream, the second bitstream, and the third bitstream are included in the same file.
  • FIG. 99 is a conceptual diagram showing the positions of the first bitstream, second bitstream, and third bitstream in the file.
  • the first bitstream is included in a different area from the video data of the file.
  • the first bitstream is included in the file header.
  • the second bitstream and the third bitstream are included in the video data of the file.
  • the second bitstream may be included only in access units that include RAP (Random Access Point) pictures in the video data.
  • RAP Random Access Point
  • first bitstream, the second bitstream, and the third bitstream may be different bitstreams.
  • the second bitstream and the third bitstream may be included in a segment of video data of the bitstream.
  • the first bitstream may then be obtained as a separate bitstream.
  • a RAP picture is a picture that can be randomly accessed, and from which decoding can be started.
  • a RAP picture may also be expressed as an IRAP (intra random access point) picture.
  • FIG. 100 is a conceptual diagram showing the positions of the first bitstream, second bitstream, and third bitstream in MPEG-DASH.
  • an MPEG-DASH system 300 includes an HTTP (Hypertext Transfer Protocol) server 310 and a DASH client 320.
  • HTTP Hypertext Transfer Protocol
  • the HTTP server 310 corresponds to the encoding device 100.
  • the DASH client corresponds to the decryption device 200.
  • the HTTP server 310 has an MPD (multimedia presentation description) and multiple segments of video data.
  • DASH client 320 includes a heuristic controller 321, an MPD parser 322, a segment parser 323, an HTTP client 324, and a media player 325.
  • the MPD corresponds to the first bitstream and is parsed (decoded) by the MPD parser 322.
  • the MPD includes a description of the neural network filters along with the ID of each neural network filter.
  • the plurality of segments of video data correspond to the second bitstream and the third bitstream.
  • the segment corresponding to the second bitstream and the segment corresponding to the third bitstream are mutually different segments.
  • the segment corresponding to the second bitstream and the segment corresponding to the third bitstream may be the same segment.
  • Segment parser 323 parses (decodes) one or more pictures from one or more segments corresponding to the third bitstream.
  • the MPD (first bitstream) may be transmitted at a different timing from the multiple segments (second bitstream and third bitstream) of video data. Specifically, the MPD may be transmitted in advance before transmitting multiple segments of video data. Furthermore, the second bitstream may be included only in an access unit that includes a RAP picture among a plurality of segments of video data.
  • FIG. 101 is a conceptual diagram showing an example of the position of a neural network information set in a bitstream. This position corresponds to the position of the first bitstream containing the encoded neural network information set in the overall bitstream containing the encoded pictures.
  • one or more encoded neural network information sets are included in the data region of the bitstream. More specifically, the one or more encoded neural network information sets are included in a data region corresponding to an access unit that includes encoded pictures in the bitstream.
  • FIG. 102 is a conceptual diagram showing another example of the position of the neural network information set in the bitstream. This position corresponds to the position of the first bitstream containing the encoded neural network information set in the overall bitstream containing the encoded pictures.
  • the encoded one or more neural network information sets are included in the header region of the bitstream. More specifically, the one or more encoded neural network information sets are included in a header region for multiple data regions corresponding to multiple access units that include multiple encoded pictures in the bitstream.
  • the neural network information set is included in the SEI message for each sequence. That is, the neural network information set is included in the SEI message that accompanies the SPS. Alternatively, the neural network information set may be included in the SPS.
  • FIG. 103 is a conceptual diagram showing an example of the position of the activation information set in the bitstream. This position corresponds to the position of the second bitstream containing the encoded activation information set in the overall bitstream containing the encoded pictures.
  • one or more encoded activation information sets are included in the data region of the bitstream. More specifically, the one or more encoded activation information sets are included in a data region corresponding to an access unit that includes encoded pictures in the bitstream.
  • FIG. 104 is a conceptual diagram showing another example of the position of the activation information set in the bitstream. This position corresponds to the position of the second bitstream containing the encoded activation information set in the overall bitstream containing the encoded pictures.
  • the encoded one or more sets of activation information are included in the header region of the bitstream. More specifically, the one or more encoded activation information sets are included in header regions for multiple data regions corresponding to multiple access units that include multiple encoded pictures in the bitstream.
  • the activation information set is included in an SEI message for each picture. That is, the activation information set is included in the SEI message that accompanies the picture. Specifically, the activation information set may be included in an SEI message included in an access unit together with a picture. Alternatively, the activation information set may be included in the PPS.
  • FIG. 105 is a syntax diagram showing an example of the syntax structure of one activation information set.
  • One activation information set includes one neural network identifier and one image identifier.
  • neural_network_identifier is a syntax element that has a neural network identifier as a value. Specifically, neural_network_identifier has as a value the ID of the neural network information set for the applied neural network filter. A neural network filter specified by a neural network information set having the same ID is applied to the filter target picture.
  • image_identifier is a syntax element that has an image identifier as a value. Specifically, image_identifier points to a filter target picture to which the neural network filter specified by neural_network_identifier is applied.
  • image_identifier POC, delta POC ( ⁇ POC), decoding order number (encoding order number), SPS ID, PPS ID, display time, or the like may be used.
  • the above syntax structure may be included in the SEI message. Then, the encoding device 100 may encode the activation information set into an SEI message according to the above syntax structure, and the decoding device 200 may decode the activation information set from the SEI message according to the above syntax structure. Furthermore, the encoding device 100 may encode the plurality of activation information sets into the plurality of SEI messages, and the decoding device 200 may decode the plurality of activation information sets from the plurality of SEI messages.
  • an SEI message having the above syntax structure may be included in the access unit.
  • a plurality of SEI messages each having the above syntax structure may be included in one access unit.
  • the image identifier (image_identifier) may be omitted in the activation information set.
  • the current picture included in the access unit including the activation information set may be specified as the filter target picture.
  • FIG. 106 is a syntax diagram showing an example of the syntax structure of one or more activation information sets.
  • Each activation information set includes one neural network identifier and one image identifier.
  • identifier_count_minus1 has a value corresponding to the number of one or more activation information sets specified in this syntax structure. Specifically, the value obtained by adding 1 to the value of identifier_count_minus1 is equal to the number of one or more activation information sets. The number of one or more activation information sets is equal to the number of combinations of one neural network identifier and one image identifier.
  • neural_network_identifier[i] is a syntax element whose value is the neural network identifier of the i-th activation information set.
  • neural_network_identifier[i] has as a value the ID of the neural network information set for the neural network filter to be applied, regarding the i-th activation information set.
  • a neural network filter specified by a neural network information set having the same ID is applied to the filter target picture.
  • image_identifier[i] is a syntax element that has the image identifier of the i-th activation information set as a value.
  • image_identifier[i] indicates a filter target picture to which the neural network filter specified by neural_network_identifier[i] is applied.
  • image_identifier[i] POC, delta POC ( ⁇ POC), processing order number, SPS ID, PPS ID, display time, or the like may be used.
  • the above syntax structure may be included in the SEI message. Then, the encoding device 100 may encode one or more activation information sets into an SEI message according to the above syntax structure. Further, the decoding device 200 may decode one or more activation information sets from the SEI message according to the above syntax structure.
  • an SEI message having the above syntax structure may be included in the access unit.
  • the image identifier (image_identifier[i]) may be omitted.
  • the current picture included in the access unit including the activation information set may be specified as the filter target picture.
  • FIG. 107 is a conceptual diagram showing a first example of the relationship between a neural network information set, an activation information set, and a picture.
  • a POC number is used as the image identifier.
  • access unit #0 includes one neural network information set and four activation information sets.
  • the four activation information sets notify information of neural network filters used for pictures #0 to #3 of access units #0 to #3.
  • Other access units #1-#3 may include other activation information sets.
  • a neural network filter specified by the neural network information set whose neural network ID is 0 is applied to pictures #0 to #3.
  • the syntax structure shown in FIG. 105 or the syntax structure shown in FIG. 106 may be used to encode the activation information.
  • multiple activation information sets can be efficiently encoded.
  • multi-pass encoding may be used to increase the encoding efficiency of multiple pictures.
  • FIG. 108 is a conceptual diagram showing a second example of the relationship between the neural network information set, activation information set, and pictures.
  • the POC number is used as the image identifier.
  • access unit #0 includes two neural network information sets and one activation information set. Furthermore, each of access units #1 and #2 includes one activation information set. Each activation information set signals the neural network information set to be used for the next picture in decoding order.
  • the activation information set of access unit #0 indicates that a neural network information set with a neural network ID of 0 is used for the next picture #1 in decoding order.
  • the neural network filter is not applied to picture #0.
  • a neural network filter specified by a neural network information set whose neural network ID is 0 is applied to pictures #1 and #2.
  • a neural network filter specified by a neural network information set with a neural network ID of 1 is applied to picture #3.
  • the syntax structure shown in FIG. 105 or the syntax structure shown in FIG. 106 may be used to encode the activation information.
  • one activation information set can be efficiently encoded.
  • single-pass encoding is possible during encoding. Furthermore, it is possible to reduce the number of activation information sets included in one access unit.
  • FIG. 109 is a conceptual diagram showing a third example of the relationship between the neural network information set, the activation information set, and the picture.
  • the POC number is used as the image identifier.
  • access unit #0 includes two neural network information sets and two activation information sets. Furthermore, each of access units #1 and #2 includes one activation information set. Each activation information set signals the neural network information set to be used for the current or next picture in decoding order.
  • the neural network filter specified by the neural network information set whose neural network ID is 1 is applied to pictures #0 and #3.
  • a neural network filter specified by a neural network information set whose neural network ID is 0 is applied to pictures #1 and #2.
  • the syntax structure shown in FIG. 105 or the syntax structure shown in FIG. 106 may be used to encode the activation information.
  • FIG. 110 is a conceptual diagram showing a fourth example of the relationship between the neural network information set, activation information set, and pictures.
  • a delta POC number is used as the image identifier.
  • the delta POC number is also expressed as delta POC or ⁇ POC.
  • the delta POC number is the difference between the POC number of the current picture and the POC number of the designated target picture, and more specifically, it is the value obtained by subtracting the POC number of the current picture from the POC number of the designated target picture. It is.
  • the current picture is a picture included in the access unit that includes the activation information set to be processed.
  • the current POC is the POC of the current picture.
  • the target POC is the POC of the picture to be filtered.
  • FIG. 111 is a conceptual diagram showing a fifth example of the relationship between the neural network information set, activation information set, and pictures.
  • a decoding order number is used as the image identifier.
  • the decoding order number is shown as "Num".
  • the decoding order number is a number indicating the number of pictures from the current picture to the filter target picture in decoding order.
  • the current picture is a picture included in the access unit that includes the activation information set to be processed.
  • the image identifier indicates, as the filter target picture, a picture after the current picture by the number of pictures indicated by the image identifier in decoding order.
  • FIG. 112 is a conceptual diagram showing a sixth example of the relationship between the neural network information set, activation information set, and pictures.
  • SPS ID is used as the image identifier.
  • SPS ID is an identifier of SPS (Sequence Parameter Set).
  • the image identifier points to one or more pictures that are decoded using the same SPS ID as the value of the image identifier.
  • FIG. 113 is a conceptual diagram showing a seventh example of the relationship between a neural network information set, an activation information set, and a picture.
  • PPS ID is used as the image identifier.
  • PPS ID is an identifier of PPS (Picture Parameter Set).
  • the image identifier points to one or more pictures that are decoded using the same PPS ID as the value of the image identifier.
  • FIG. 114 is a conceptual diagram showing an eighth example of the relationship between the neural network information set, the activation information set, and the picture.
  • the display time is used as the image identifier.
  • the display time is shown as "time”.
  • the displayed time may correspond to a difference with respect to the reference time, or may correspond to a value obtained by quantizing the difference with respect to the reference time.
  • the reference time may be a display time of a picture included in an access unit including the activation information set to be processed.
  • the display time may be the output time.
  • the display time may be replaced with expressions such as display timing, output time, or output timing.
  • the image identifier indicates one or more pictures whose display time has the same value as the value of the image identifier as a picture to be filtered.
  • FIG. 115 is a conceptual diagram showing a ninth example of the relationship between the neural network information set, the activation information set, and the picture.
  • the image identifier of the activation information set indicates at least one of a plurality of pictures after the current access unit in decoding order.
  • POC delta POC
  • decoding order number encoding order number
  • SPS ID PPS ID
  • display time etc.
  • the neural network identifier of the activation information set points to a neural network information set that has the same neural network identifier as the neural network identifier of the activation information set.
  • Pictures #0 and #3 pointed to by the image identifier are filtered using the neural network filter described by the neural network information set whose neural network identifier is 0.
  • Pictures #1 and #2 are not filtered using the neural network filter.
  • the syntax structure of Figure 105 may be used in this example.
  • FIG. 116 is a conceptual diagram showing a tenth example of the relationship between the neural network information set, activation information set, and pictures.
  • the image identifier of the activation information set points to at least one of the multiple pictures after the current access unit in decoding order.
  • POC delta POC
  • decoding order number encoding order number
  • SPS ID PPS ID
  • display time etc.
  • the neural network identifier of the activation information set points to a neural network information set that has the same neural network identifier as the neural network identifier of the activation information set.
  • One or more neural network information sets may be received prior to use.
  • One or more activation information sets may also be received prior to use. Also, the neural network information set and the activation information set may be received at different times or in different access units.
  • picture #0 is not filtered.
  • Pictures #1 and #2 are filtered using a neural network filter described by a neural network information set whose neural network identifier is 0.
  • Picture #3 is filtered using the neural network filter described by the neural network information set whose neural network identifier is 1.
  • the syntax structure shown in FIG. 105 or the syntax structure shown in FIG. 106 may be used to encode the activation information.
  • multiple activation information sets can be efficiently encoded.
  • FIG. 117 is a conceptual diagram showing an eleventh example of the relationship between the neural network information set, activation information set, and pictures.
  • the image identifier of the activation information set indicates at least one of a plurality of pictures after the current access unit in decoding order.
  • POC delta POC
  • decoding order number encoding order number
  • SPS ID PPS ID
  • display time etc.
  • the neural network identifier of the activation information set points to a neural network information set that has the same neural network identifier as the neural network identifier of the activation information set.
  • the one or more neural network information sets may be received prior to use or may be received by a different method than other information is received.
  • the activation information set is received redundantly in different access units.
  • the three activation information sets for pictures #1, #2, and #3 are unchanged and the same in access unit #0 and access unit #1. Furthermore, the two activation information sets received for pictures #2 and #3 in access unit #1 may be received redundantly in access unit #2. Furthermore, the activation information set received for picture #3 in access unit #2 may be received redundantly in access unit #3.
  • the neural network filter described in the neural network information set whose neural network identifier is 0 is applied to pictures #0 and #1.
  • a neural network filter described in a neural network information set with a neural network identifier of 1 is applied to pictures #2 and #3.
  • the syntax structure shown in FIG. 105 or the syntax structure shown in FIG. 106 may be used to encode the activation information set. For example, using the syntax structure of FIG. 105, nn_post_filter_activation() may be signaled multiple times. Alternatively, nn_post_filter_activation() may be signaled once using the syntax structure of FIG. 106.
  • the activation information set is signaled repeatedly. This may enable accurate application of neural network filters even through random access. For example, there is a possibility that the decoding process is started from any picture after picture #1 by random access. Even in such a case, there is a possibility that the neural network filter will be accurately applied to the filter target picture according to the activation information set that is repeatedly signaled.
  • the two neural network information sets may be redundantly included in both access unit #0 and access unit #1.
  • the decoding device 200 will not be able to obtain the two neural network information sets when decoding from access unit #1 by random access. . In this way, when the decoding device 200 cannot acquire the neural network information set specified by the activation information set, it may cancel the neural network filtering process on the filter target picture.
  • FIG. 118 is a conceptual diagram showing a twelfth example of the relationship between the neural network information set, the activation information set, and the picture.
  • the image identifier of the activation information set indicates at least one of a plurality of pictures after the current access unit in decoding order.
  • POC delta POC
  • decoding order number encoding order number
  • SPS ID PPS ID
  • display time etc.
  • the neural network identifier of the activation information set points to a neural network information set that has the same neural network identifier as the neural network identifier of the activation information set.
  • the one or more neural network information may be received prior to use or may be received in a manner different from how other information is received.
  • Each picture may be referenced by different activation information sets.
  • two neural network filters specified by two neural network information sets whose neural network identifiers are 0 or 1 are applied to pictures #0, #1, #2, and #3.
  • the syntax structure shown in FIG. 105 or the syntax structure shown in FIG. 106 may be used to encode the activation information set. For example, using the syntax structure of FIG. 105, nn_post_filter_activation() may be signaled multiple times. Alternatively, nn_post_filter_activation() may be signaled once using the syntax structure of FIG. 106.
  • each picture is referenced by two activation information sets.
  • a picture may be referenced by only one activation information set, three or more activation information sets, or no activation information set.
  • one picture can be referenced by multiple activation information sets.
  • two neural network identifiers a neural network identifier of 0 and a neural network identifier of 1, are assigned to picture #0. This allows neural network processing to be designed flexibly.
  • each neural network information set when multiple neural network information sets are assigned to one picture, multiple specified neural network filters are applied in order.
  • the decoding device 200 sequentially applies a plurality of neural network filters to a picture in an order specified by a plurality of activation information sets.
  • Each activation information set may include a number indicating the order, etc.
  • the decoding device 200 may apply a plurality of neural network filters to the picture in the order of the neural network identifier number of the neural network information set.
  • the decoding device 200 may be able to recognize neural network filters to be used for future pictures before decoding the picture. For example, picture #0 is given a neural network identifier to be used in future picture #1. As a result, the decoding device 200 may be able to obtain sufficient time to obtain and preload parameters such as neural network weights for the neural network filter.
  • the decoding device 200 may apply an existing loaded neural network filter to the picture. Alternatively, in this case, the decoding device 200 does not need to apply the neural network filter to the picture.
  • the decoding device 200 may apply the neural network filter applied to the previous picture in the decoding order to the filter target picture. Alternatively, in this case, the decoding device 200 may not apply the neural network filter to the filter target picture.
  • the decoding device 200 may determine the neural network filter to be applied to the current picture using the previously signaled activation information set. Further, if the process of applying the neural network filter to the previous picture in the decoding order is not completed within the time, the decoding device 200 may display the current picture without applying the neural network filter to the current picture.
  • the decoding process may be performed smoothly by the operations shown in the multiple examples above. It may also be possible to separate the neural network information set and the activation information set from the filter target picture. As a result, it may become possible to flexibly select the timing of signaling the neural network information set and the activation information set.
  • the neural network information set and the activation information set may be signaled before the filter target picture.
  • the neural network information set and the activation information set may be signaled before the filter target picture.
  • applying two or more neural network filters depending on two or more characteristics of the original picture may be effective in improving the image quality of the reconstructed picture.
  • the above processing performed on the neural network filter in the decoding device 200 may be similarly performed on the neural network filter in the encoding device 100.
  • the above decoding may also be read as encoding.
  • the neural network filter may be used as a post filter to improve the image quality of a displayed picture, or as a loop filter to improve the image quality of a reference picture.
  • the neural network filter may also play the role of an ALF (adaptive loop filter), a DBF (deblocking filter), or an SAO (sample adaptive offset).
  • the neural network information set is encoded and decoded.
  • the encoding and decoding of the neural network information set may be omitted.
  • the neural network information set and the neural network filter may be statically defined by a standard or the like, and may be incorporated into the encoding device 100 and the decoding device 200.
  • the neural network information set may be encoded into a separate bitstream from the bitstream containing the pictures and decoded from the separate bitstream.
  • Such a neural network information set may be permanently incorporated into the encoding device 100 and the decoding device 200 by being stored in a memory area different from the memory area where pictures and the like are stored.
  • the permanently embedded neural network information set may then be used in processing multiple bitstreams, each containing pictures.
  • the access unit is a picture that includes one picture or a plurality of pictures encoded in a plurality of different layers in association with the same time at which the picture is output from a DPB (decoded picture buffer). It may correspond to a unit set. Furthermore, the access unit may include a SEI (Supplemental Enhancement Information) message.
  • SEI Supplemental Enhancement Information
  • the picture units may also correspond to a set of NAL (Network Abstraction Layer) units that are associated with each other according to certain classification rules, are consecutive in decoding order, and contain exactly one encoded picture.
  • the DPB decoded picture buffer
  • the DPB may be a buffer that holds a plurality of decoded pictures for reference, output reordering, or output delay specified by a virtual reference decoder.
  • SEI Supplemental Enhancement Information
  • SEI Supplemental Enhancement Information
  • FIG. 119 is a flowchart showing a first operation example performed by the encoding device 100.
  • the encoding device 100 includes a circuit and a memory connected to the circuit.
  • the circuit and memory included in the encoding device 100 may correspond to the processor a1 and memory a2 shown in FIG. In operation, the circuit of the encoding device 100 performs the following.
  • the circuit of the encoding device 100 encodes one or more neural network information sets (S301). Each neural network information set identifies a neural network filter.
  • the circuit of the encoding device 100 encodes the activation information set into the access unit (S302).
  • the activation information set specifies a neural network information set included in one or more neural network information sets and a picture to which a neural network filter specified by the neural network information set is applied.
  • the activation information set is used to apply the neural network filter specified by the neural network information set specified by the activation information set to the picture specified by the activation information set.
  • the activation information set may be used to apply a neural network filter to a picture during encoding, or may be used to apply a neural network filter to a picture during decoding.
  • the picture may be a picture that is later in encoding order than the current picture that belongs to the access unit. This may make it possible to ensure sufficient time from when the neural network filter is identified until it is applied to the picture. Therefore, it may be possible to smoothly apply a neural network filter to a picture.
  • the entropy encoding unit 110 and the loop filter unit 120 of the encoding device 100 may perform the above-described operation as a circuit of the encoding device 100. Specifically, the entropy encoding unit 110 may perform processing related to encoding. Then, the loop filter unit 120 may perform processing related to neural network filters. Further, the entropy encoding section 110 and the loop filter section 120 may perform the operations described above in cooperation with other components.
  • FIG. 120 is a flowchart showing a first operation example performed by the decoding device 200.
  • the decoding device 200 includes a circuit and a memory connected to the circuit.
  • the circuit and memory included in the decoding device 200 may correspond to the processor b1 and memory b2 shown in FIG. 68.
  • the circuit of the decoding device 200 performs the following.
  • the circuit of the decoding device 200 decodes one or more neural network information sets (S401). Each neural network information set identifies a neural network filter.
  • the circuit of the decoding device 200 decodes the activation information set from the access unit (S402).
  • the activation information set specifies a neural network information set included in one or more neural network information sets and a picture to which a neural network filter specified by the neural network information set is applied.
  • the circuit of the decoding device 200 applies the neural network filter specified by the neural network information set specified by the activation information set to the picture specified by the activation information set (S403).
  • the picture may be a picture that is later in decoding order than the current picture that belongs to the access unit. This may make it possible to ensure sufficient time from when the neural network filter is identified until it is applied to the picture. Therefore, it may be possible to smoothly apply a neural network filter to a picture.
  • the entropy decoding section 202 and the loop filter section 212 of the decoding device 200 may perform the above-described operation as a circuit of the decoding device 200.
  • the entropy decoding unit 202 may perform processing related to decoding.
  • the loop filter unit 212 may perform processing related to neural network filters.
  • the entropy decoding section 202 and the loop filter section 212 may perform the operations described above in cooperation with other components.
  • FIG. 121 is a flowchart showing a second operation example performed by the encoding device 100.
  • the encoding device 100 includes a circuit and a memory connected to the circuit, as described above.
  • the circuit and memory included in the encoding device 100 may correspond to the processor a1 and memory a2 shown in FIG. In operation, the circuit of the encoding device 100 performs the following.
  • the circuit of the encoding device 100 encodes a plurality of neural network information sets, each of which specifies a neural network filter (S501).
  • the circuit of the encoding device 100 encodes two or more activation information sets, each of which specifies one of the plurality of neural network information sets, into one access unit (S502).
  • the two or more activation information sets apply two or more neural network filters specified by two or more neural network information sets specified by the two or more activation information sets to one picture. used for
  • two or more activation information sets may be used to apply two or more neural network filters to one picture during encoding, or to apply two or more neural network filters to one picture during decoding. It may also be used to apply to pictures.
  • each activation information set may include a neural network identifier indicating a number that identifies one of the plurality of neural network information sets.
  • the two or more activation information sets include two or more neural network filters specified by two or more numbers indicated by the two or more neural network identifiers included in the two or more activation information sets. It may be used to apply to that one picture.
  • This may make it possible to accurately specify two or more neural network information sets according to two or more neural network identifiers. Therefore, it may be possible to accurately improve image quality.
  • each activation information set may include an image identifier that specifies the one picture.
  • the two or more activation information sets may then be used to apply two or more neural network filters to the one picture specified by the image identifier. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the image identifier. Therefore, it may be possible to accurately improve image quality.
  • two or more activation information sets may be used to sequentially apply two or more neural network filters to one picture in the order specified by the two or more activation information sets. good. This may make it possible to accurately specify the order in which two or more neural network filters are applied. Therefore, it may be possible to accurately improve image quality.
  • the circuit of the encoding device 100 may encode two or more activation information sets into two or more SEI messages that each belong to one access unit. This may make it possible to accurately specify two or more neural network information sets each according to two or more SEI messages. Therefore, it may be possible to accurately improve image quality.
  • the circuit of the encoding device 100 may encode two or more activation information sets into one SEI message belonging to one access unit. This may allow two or more neural network information sets to be efficiently specified according to one SEI message. Therefore, it may be possible to efficiently improve image quality.
  • the one picture may be a picture that is later in encoding order than the current picture that belongs to one access unit. This may make it possible to ensure sufficient time from when the neural network filter is identified until it is applied to the picture. Therefore, it may be possible to smoothly apply a neural network filter to a picture.
  • the image identifier may be a POC (Picture Order Count) value of the one picture. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the POC. Therefore, it may be possible to accurately improve image quality.
  • POC Picture Order Count
  • the image identifier may be a difference value between the POC (Picture Order Count) value of the one picture and the POC value of the current picture belonging to one access unit. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the POC difference value. Therefore, it may be possible to accurately improve image quality. Furthermore, by using the POC difference value, the amount of code may be reduced.
  • POC Picture Order Count
  • the image identifier may be the number of pictures belonging to one access unit from the current picture to the one picture in encoding order. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the number of pictures in the encoding order. Therefore, it may be possible to accurately improve image quality. Furthermore, by using the number of pictures in the encoding order, calculations may be simplified.
  • the image identifier may be an SPS identifier that is referenced in encoding the one picture.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to SPS. Therefore, it may be possible to accurately improve image quality. Furthermore, it may become possible to accurately specify a plurality of pictures according to SPS identifiers. It may also be possible to match the application of SPS and the application of neural network filters.
  • the image identifier may be an identifier of a PPS that is referenced in encoding the one picture.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the PPS. Therefore, it may be possible to accurately improve image quality. Furthermore, it may become possible to accurately specify multiple pictures according to PPS identifiers. It may also be possible to match the application of PPS and the application of neural network filters.
  • the image identifier may be display time information set for the one picture. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to display time information. Therefore, it may be possible to accurately improve image quality.
  • the circuit of the encoding device 100 encodes a plurality of neural network information sets into an area different from one access unit. may be converted into This may allow multiple neural network information sets to be prepared before processing by the access unit. Therefore, smooth application of the neural network filter may be possible.
  • the circuit of the encoding device 100 may encode a plurality of activation information sets having the same value into a plurality of access units, respectively. This may make it possible to accurately specify the neural network information set and filter target picture even in random access. Therefore, it may be possible to smoothly apply the neural network filter even in random access.
  • the plurality of pictures belonging to the plurality of access units described above may include a picture before the RAP picture and a picture after the RAP picture in encoding order.
  • the neural network filter specified by one of the two or more neural network information sets is not available, the neural network filter may not be applied to the one picture.
  • another neural network filter may be applied to the one picture.
  • another neural network filter may be a neural network filter applied to a picture earlier than the one picture in encoding order.
  • the entropy encoding unit 110 and the loop filter unit 120 of the encoding device 100 may perform the above-described operation as a circuit of the encoding device 100. Specifically, the entropy encoding unit 110 may perform processing related to encoding. Then, the loop filter unit 120 may perform processing related to neural network filters. Further, the entropy encoding section 110 and the loop filter section 120 may perform the operations described above in cooperation with other components.
  • FIG. 122 is a flowchart showing a second operation example performed by the decoding device 200.
  • the decoding device 200 includes a circuit and a memory connected to the circuit, as described above.
  • the circuit and memory included in the decoding device 200 may correspond to the processor b1 and memory b2 shown in FIG. 68.
  • the circuit of the decoding device 200 performs the following.
  • the circuit of the decoding device 200 decodes a plurality of neural network information sets, each of which specifies a neural network filter (S601).
  • the circuit of the decoding device 200 decodes two or more activation information sets, each of which specifies one of the plurality of neural network information sets, from one access unit (S602).
  • the circuit of the decoding device 200 applies two or more neural network filters specified by two or more neural network information sets specified by two or more activation information sets to one picture (S603). .
  • each activation information set may include a neural network identifier indicating a number that identifies one of the plurality of neural network information sets. Then, the circuit of the decoding device 200 converts two or more neural network filters specified by two or more numbers indicated by two or more neural network identifiers included in the two or more activation information sets into the one concerned May be applied to pictures.
  • This may make it possible to accurately specify two or more neural network information sets according to two or more neural network identifiers. Therefore, it may be possible to accurately improve image quality.
  • each activation information set may include an image identifier that specifies the one picture.
  • the circuit of the decoding device 200 may apply two or more neural network filters to the one picture specified by the image identifier. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the image identifier. Therefore, it may be possible to accurately improve image quality.
  • the circuit of the decoding device 200 may sequentially apply two or more neural network filters to one picture in the order specified by two or more activation information sets. This may make it possible to accurately specify the order in which two or more neural network filters are applied. Therefore, it may be possible to accurately improve image quality.
  • the circuit of the decoding device 200 may decode two or more activation information sets from two or more SEI messages that each belong to one access unit. This may make it possible to accurately specify two or more neural network information sets each according to two or more SEI messages. Therefore, it may be possible to accurately improve image quality.
  • the circuit of the decoding device 200 may decode two or more activation information sets from one SEI message belonging to one access unit. This may allow two or more neural network information sets to be efficiently specified according to one SEI message. Therefore, it may be possible to efficiently improve image quality.
  • the one picture may be a picture that is later in decoding order than the current picture that belongs to one access unit. This may make it possible to ensure sufficient time from when the neural network filter is identified until it is applied to the picture. Therefore, it may be possible to smoothly apply a neural network filter to a picture.
  • the image identifier may be a POC (Picture Order Count) value of the one picture. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the POC. Therefore, it may be possible to accurately improve image quality.
  • POC Picture Order Count
  • the image identifier may be a difference value between the POC (Picture Order Count) value of the one picture and the POC value of the current picture belonging to one access unit. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the POC difference value. Therefore, it may be possible to accurately improve image quality. Furthermore, by using the POC difference value, the amount of code may be reduced.
  • POC Picture Order Count
  • the image identifier may be the number of pictures belonging to one access unit from the current picture to the one picture in decoding order. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the number of pictures in the decoding order. Therefore, it may be possible to accurately improve image quality. Furthermore, by using the number of pictures in the decoding order, calculations may be simplified.
  • the image identifier may be an SPS identifier that is referenced in decoding the one picture.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to SPS. Therefore, it may be possible to accurately improve image quality. Furthermore, it may become possible to accurately specify a plurality of pictures according to SPS identifiers. It may also be possible to match the application of SPS and the application of neural network filters.
  • the image identifier may be an identifier of a PPS that is referenced in decoding the one picture.
  • This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to the PPS. Therefore, it may be possible to accurately improve image quality. Furthermore, it may become possible to accurately specify multiple pictures according to PPS identifiers. It may also be possible to match the application of PPS and the application of neural network filters.
  • the image identifier may be display time information set for the one picture. This may make it possible to accurately specify pictures to which two or more neural network filters are applied according to display time information. Therefore, it may be possible to accurately improve image quality.
  • the circuit of the decoding device 200 decodes a plurality of neural network information sets from an area different from one access unit. Good too. This may allow multiple neural network information sets to be prepared before processing by the access unit. Therefore, smooth application of the neural network filter may be possible.
  • the circuit of the decoding device 200 may decode a plurality of activation information sets having the same value from a plurality of access units, respectively. This may make it possible to accurately specify the neural network information set and filter target picture even in random access. Therefore, it may be possible to smoothly apply the neural network filter even in random access.
  • the plurality of pictures belonging to the plurality of access units described above may include a picture before the RAP picture and a picture after the RAP picture in decoding order.
  • the circuit of the decoding device 200 does not apply the neural network filter to the one picture. You can.
  • the circuit of the decoding device 200 may apply another neural network filter to the one picture.
  • the other neural network filter may be a neural network filter applied to a picture that precedes the one picture in decoding order.
  • the entropy decoding section 202 and the loop filter section 212 of the decoding device 200 may perform the above-described operation as a circuit of the decoding device 200.
  • the entropy decoding unit 202 may perform processing related to decoding.
  • the loop filter unit 212 may perform processing related to neural network filters.
  • the entropy decoding section 202 and the loop filter section 212 may perform the operations described above in cooperation with other components.
  • the encoding device 100 and the decoding device 200 in each example described above may be used as an image encoding device and an image decoding device, or a video encoding device and a video decoding device, respectively. .
  • the encoding device 100 and the decoding device 200 may be used as a filter device.
  • the encoding device 100 may correspond only to the entropy encoding section 110 and the loop filter section 120
  • the decoding device 200 may correspond only to the entropy decoding section 202 and the loop filter section 212.
  • other components may be included in other devices.
  • the encoding device 100 may include an input section and an output section. For example, one or more pictures are input to the input section of the encoding device 100, and a bitstream is output from the output section of the encoding device 100.
  • the decoding device 200 may also include an input section and an output section. For example, a bitstream is input to the input section of the decoding device 200, and one or more pictures are output from the output section of the decoding device 200.
  • the bitstream may include quantized coefficients subjected to variable length encoding and control information.
  • encoding may be replaced with expressions such as "storing,” including, “writing,” “describing,” “signaling,” “sending,” “notifying,” or “storing,” and these expressions may be replaced with each other.
  • encoding information may include including the information in a bitstream.
  • encoding information into a bitstream may mean encoding information to produce a bitstream that includes the encoded information.
  • decode may be replaced with expressions such as read out, decipher, read, load, derive, obtain, receive, extract, or restore, and these expressions may be replaced with each other.
  • decoding information may be obtaining information from a bitstream.
  • decoding information from a bitstream may mean decoding the bitstream to obtain information contained in the bitstream.
  • each of the above-mentioned examples may be used as an encoding method, a decoding method, a filter method, or some other method. You can.
  • each component may be configured with dedicated hardware, or may be realized by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • each of the encoding device 100 and the decoding device 200 includes a processing circuit and a storage device that is electrically connected to the processing circuit and accessible from the processing circuit. You may be prepared.
  • the processing circuit corresponds to processor a1 or b1
  • the storage device corresponds to memory a2 or b2.
  • the processing circuit includes at least one of dedicated hardware and a program execution unit, and executes processing using a storage device. Further, when the processing circuit includes a program execution section, the storage device stores a software program executed by the program execution section.
  • the bitstream includes an encoded image and syntax for decoding the image.
  • the bitstream causes the decoding device 200 to decode the image by causing the decoding device 200 to execute processing based on the syntax.
  • the software that implements the above-mentioned encoding device 100 or decoding device 200 is the following program.
  • the program may cause the computer to encode a plurality of neural network information sets, each specifying a neural network filter, and to encode two or more activations, each specifying one of the plurality of neural network information sets. encoding information sets into one access unit, the two or more activation information sets being two or more neural network information sets specified by the two or more activation information sets; An encoding method used to apply a neural network filter to a picture may be implemented.
  • the program may cause the computer to decode a plurality of neural network information sets, each specifying a neural network filter, and to decode two or more neural network information sets, each specifying one of the plurality of neural network information sets. decoding an activation information set from one access unit and combining two or more neural network filters specified by two or more neural network information sets specified by the two or more activation information sets into one picture; The applicable decryption method may be executed.
  • the program causes the computer to encode one or more neural network information sets, each identifying a neural network filter, and causes the access unit to encode neural network information sets included in the one or more neural network information sets. , encode an activation information set specifying a picture to which the neural network filter specified by the neural network information set is applied, and encode a picture specified by the neural network information set specified by the activation information set.
  • An encoding method may be performed that applies a neural network filter to the picture specified by the activation information set.
  • the program may also cause the computer to decode one or more neural network information sets, each identifying a neural network filter, and to obtain neural network information contained in the one or more neural network information sets from the access unit. and a picture to which the neural network filter specified by the neural network information set is applied;
  • a decoding method may be executed in which the neural network filter is applied to the picture specified by the activation information set.
  • each component may be a circuit as described above. These circuits may constitute one circuit as a whole, or may be separate circuits. Further, each component may be realized by a general-purpose processor or a dedicated processor.
  • the processing executed by a specific component may be executed by another component. Furthermore, the order in which the processes are executed may be changed, or a plurality of processes may be executed in parallel. Further, the encoding/decoding device may include the encoding device 100 and the decoding device 200.
  • ordinal numbers such as first and second used in the explanation may be replaced as appropriate.
  • ordinal numbers may be newly given or removed from the constituent elements.
  • these ordinal numbers may be attached to elements to identify them, and may not correspond to any meaningful order.
  • aspects of the encoding device 100 and decoding device 200 have been described above based on multiple examples, the aspects of the encoding device 100 and decoding device 200 are not limited to these examples. As long as it does not depart from the spirit of the present disclosure, the scope of the embodiments of the encoding device 100 and the decoding device 200 includes various modifications that can be thought of by those skilled in the art to each example, and configurations constructed by combining components in different examples. may be included within.
  • One or more aspects disclosed herein may be implemented in combination with at least some of the other aspects of this disclosure. Furthermore, some of the processes, some of the configurations of the apparatus, some of the syntax, etc. described in the flowcharts of one or more aspects disclosed herein may be implemented in combination with other aspects.
  • each of the functional or operational blocks can usually be realized by an MPU (micro processing unit), memory, or the like. Further, the processing by each of the functional blocks may be realized as a program execution unit such as a processor that reads and executes software (program) recorded on a recording medium such as a ROM. The software may be distributed. The software may be recorded on various recording media such as semiconductor memory. Note that each functional block can also be realized by hardware (dedicated circuit).
  • each embodiment may be realized by performing centralized processing using a single device (system), or may be realized by performing distributed processing using multiple devices.
  • the number of processors that execute the above program may be a single processor or a plurality of processors. That is, centralized processing or distributed processing may be performed.
  • Such a system may be characterized by having an image encoding device using an image encoding method, an image decoding device using an image decoding method, or an image encoding/decoding device including both. Other configurations of such a system may be modified as appropriate.
  • FIG. 123 is a diagram showing the overall configuration of an appropriate content supply system ex100 that realizes a content distribution service.
  • the communication service provision area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations in the illustrated example, are installed in each cell.
  • various devices such as a computer ex111, a game console ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 are connected to the Internet ex101 via an Internet service provider ex102 or a communication network ex104, and base stations ex106 to ex110. is connected.
  • the content supply system ex100 may connect any of the above devices in combination.
  • each device may be directly or indirectly connected to each other via a telephone network, short-range wireless, etc., without going through the base stations ex106 to ex110.
  • the streaming server ex103 may be connected to devices such as a computer ex111, a game console ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101 or the like.
  • the streaming server ex103 may be connected to a terminal in a hot spot within the airplane ex117 via a satellite ex116.
  • the streaming server ex103 may be directly connected to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through the satellite ex116.
  • the camera ex113 is a device such as a digital camera that can take still images and videos.
  • the smartphone ex115 is a smartphone, a mobile phone, a PHS (Personal Handyphone System), or the like that is compatible with mobile communication system systems called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • PHS Personal Handyphone System
  • the home appliance ex114 is a refrigerator, a device included in a household fuel cell cogeneration system, or the like.
  • a terminal with a shooting function is connected to the streaming server ex103 through a base station ex106 or the like, thereby making live distribution etc. possible.
  • a terminal such as a computer ex111, a game console ex112, a camera ex113, a home appliance ex114, a smartphone ex115, and a terminal in an airplane ex117
  • the encoding process described in each embodiment may be performed, the video data obtained by encoding may be multiplexed with the sound data obtained by encoding the sound corresponding to the video, and the obtained data may be streamed. It may also be sent to the server ex103. That is, each terminal functions as an image encoding device according to one aspect of the present disclosure.
  • the streaming server ex103 streams the transmitted content data to the client that has made the request.
  • the client is a terminal in the computer ex111, game console ex112, camera ex113, home appliance ex114, smartphone ex115, or airplane ex117, which can decode the encoded data.
  • Each device that receives the distributed data decodes and reproduces the received data. That is, each device may function as an image decoding device according to one aspect of the present disclosure.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers that process, record, or distribute data in a distributed manner.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content delivery may be realized by a network that connects many edge servers distributed around the world.
  • CDN Contents Delivery Network
  • content delivery may be realized by a network that connects many edge servers distributed around the world.
  • physically nearby edge servers are dynamically allocated depending on the client. The delay can be reduced by caching and distributing the content to the edge server.
  • processing can be distributed among multiple edge servers, the distribution main body can be switched to another edge server, or if a failure occurs. Since it is possible to continue distribution by bypassing the network part, high-speed and stable distribution can be achieved.
  • the encoding processing of the photographed data may be performed on each terminal, on the server side, or shared between each other.
  • a processing loop is performed twice.
  • the first loop the complexity of the image or the amount of code is detected in units of frames or scenes.
  • processing is performed to maintain image quality and improve encoding efficiency.
  • the terminal performs the first encoding process
  • the server that receives the content performs the second encoding process, reducing the processing load on each terminal while improving the quality and efficiency of the content. can.
  • the first encoded data from one terminal can be received and played back by another terminal, allowing for more flexible real-time distribution. Become.
  • the camera ex113 or the like extracts features from an image, compresses data regarding the features as metadata, and transmits the compressed data to the server.
  • the server performs compression according to the meaning (or importance of the content) of the image, such as determining the importance of the object from the feature amount and switching the quantization precision.
  • the feature amount data is particularly effective in improving the accuracy and efficiency of motion vector prediction during re-compression at the server.
  • the terminal may perform simple encoding such as VLC (Variable Length Coding), and the server may perform encoding with a heavy processing load such as CABAC (Context Adaptive Binary Arithmetic Coding).
  • a stadium, a shopping mall, a factory, etc. there may be multiple pieces of video data in which almost the same scene is photographed by multiple terminals.
  • multiple terminals that took pictures and other terminals and servers that did not take pictures as necessary for example, in units of GOP (Group of Pictures), in units of pictures, or tiles obtained by dividing pictures.
  • Distributed processing is performed by assigning encoding processing to each unit. This reduces delays and enables more real-time performance.
  • the server may manage and/or give instructions so that the video data shot by each terminal can be referenced with each other. Further, the server may receive the encoded data from each terminal, change the reference relationship among the plurality of data, or correct or replace the picture itself and re-encode it. This makes it possible to generate streams with improved quality and efficiency for each piece of data.
  • the server may perform transcoding to change the encoding method of the video data before distributing the video data.
  • the server may convert an MPEG-based encoding system to a VP-based encoding system (for example, VP9), or convert an H. 264 to H. It may be converted to H.265.
  • the encoding process can be performed by a terminal or one or more servers. Therefore, in the following, descriptions such as “server” or “terminal” will be used as the entity that performs processing, but some or all of the processing performed on the server may be performed on the terminal, or the processing performed on the terminal may be Some or all of this may be done on the server. Further, regarding these, the same applies to decoding processing.
  • the server not only encodes two-dimensional moving images, but also encodes still images and sends them to the receiving terminal automatically based on scene analysis of the moving image or at a time specified by the user. Good too. Furthermore, if the relative positional relationship between the shooting terminals can be obtained, the server can calculate the 3D shape of the scene based not only on 2D video images but also on videos taken of the same scene from different angles. Can be generated.
  • the server may separately encode three-dimensional data generated by a point cloud or the like, or may send multiple images to a receiving terminal based on the results of recognizing or tracking a person or object using three-dimensional data. It may also be generated by selecting or reconstructing images from images taken with a terminal.
  • the user can enjoy the scene by arbitrarily selecting each video corresponding to each shooting terminal, or can create a video from a selected viewpoint from 3D data reconstructed using multiple images or videos. You can also enjoy the extracted content. Furthermore, along with the video, sound is also collected from multiple different angles, and the server may multiplex the sound from a specific angle or space with the corresponding video and send the multiplexed video and sound. good.
  • the server may create perspective images for the right eye and left eye, and perform encoding to allow reference between each perspective video using Multi-View Coding (MVC), or It may be encoded as a separate stream without reference.
  • MVC Multi-View Coding
  • the server superimposes virtual object information in virtual space on camera information in real space based on the three-dimensional position or movement of the user's viewpoint.
  • the decoding device may acquire or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create superimposed data by smoothly connecting the two-dimensional images.
  • the decoding device may transmit the movement of the user's viewpoint to the server in addition to requesting virtual object information.
  • the server may create superimposed data according to the movement of the viewpoint received from the three-dimensional data held in the server, encode the superimposed data, and distribute it to the decoding device.
  • the superimposed data has an ⁇ value indicating transparency in addition to RGB
  • the server sets the ⁇ value of the part other than the object created from the 3D data to 0, etc., so that the part becomes transparent.
  • the server may be encoded.
  • the server may generate data in which predetermined RGB values are set as the background, such as in a chroma key, and parts other than objects are set in the background color.
  • the decryption process of distributed data may be performed by each terminal that is a client, may be performed by the server side, or may be shared among each other.
  • a certain terminal may once send a reception request to a server, another terminal may receive and decode the content according to the request, and the decoded signal may be sent to a device having a display.
  • the decoded signal may be sent to a device having a display.
  • a portion of the area such as a tile into which a picture is divided, may be decoded and displayed on the viewer's personal terminal. This makes it possible to share the overall picture while also being able to check at hand the field in which you are responsible or the area you would like to check in more detail.
  • a user may freely select and switch in real time between a user's terminal, a decoding device or a display device such as a display placed indoors or outdoors.
  • decoding can be performed while switching between the decoding terminal and the displaying terminal using the user's own location information or the like. This allows information to be mapped and displayed on a wall or part of the ground of an adjacent building in which a displayable device is embedded while the user is traveling to a destination.
  • access to encoded data on a network such as when encoded data is cached on a server that can be accessed quickly from a receiving terminal, or copied to an edge server in a content delivery service. It is also possible to switch the bit rate of received data based on ease of use.
  • FIG. 124 is a diagram showing an example of a display screen of a web page on the computer ex111 or the like.
  • FIG. 125 is a diagram showing an example of a display screen of a web page on a smartphone ex115 or the like.
  • a web page may include a plurality of link images that are links to image content, and the appearance thereof differs depending on the viewing device.
  • the display device may display a still image or an I-picture included in each content as a link image, may display a video such as a GIF animation with multiple still images or I-pictures, or may display a video such as a GIF animation as a link image. The video may be decoded and displayed.
  • the display device When a link image is selected by the user, the display device performs decoding while giving top priority to the base layer.
  • the display device may decode up to the enhancement layer.
  • the display device decodes only forward reference pictures (I pictures, P pictures, and forward reference only B pictures) before being selected or when the communication band is extremely tight.
  • the delay between the decoding time and the display time of the first picture can be reduced.
  • the display device may deliberately ignore the reference relationships between pictures, perform forward reference and coarse decoding on all B pictures and P pictures, and perform normal decoding as time passes and the number of received pictures increases. .
  • the receiving terminal when transmitting and receiving still image or video data such as two-dimensional or three-dimensional map information for automatic driving or driving support of a car, the receiving terminal sends and receives metadata in addition to image data belonging to one or more layers. Weather or construction information may also be received as information, and these may be correlated and decoded. Note that the meta information may belong to a layer or may simply be multiplexed with image data.
  • the receiving terminal can perform seamless reception and decoding while switching between base stations ex106 to ex110 by transmitting the location information of the receiving terminal. realizable.
  • the receiving terminal can dynamically switch how much meta information to receive or how much to update map information according to the user's selection, the user's situation, and/or the state of the communication band. becomes possible.
  • a client can receive, decode, and reproduce encoded information transmitted by a user in real time.
  • the content supply system ex100 allows not only high-quality, long-duration content by video distributors, but also unicast or multicast distribution of low-quality, short-duration content by individuals. It is thought that such personal content will continue to increase in the future.
  • the server may perform editing processing and then encoding processing. This can be achieved, for example, using the following configuration.
  • the server performs recognition processing such as shooting errors, scene search, meaning analysis, and object detection from the original image data or encoded data. Then, based on the recognition results, the server manually or automatically corrects out-of-focus or camera shake, or removes less important scenes such as scenes with lower brightness than other pictures or out of focus. Make edits such as deleting, emphasizing the edges of objects, or changing the hue.
  • the server encodes the edited data based on the editing result. It is also known that if the shooting time is too long, the viewer rating will drop, so the server will not only move the scenes of low importance as mentioned above, but also move the content so that the content falls within a specific time range depending on the shooting time. Scenes with few images may be automatically clipped based on the image processing results. Alternatively, the server may generate and encode a digest based on the results of semantic analysis of the scene.
  • Personal content may contain content that would violate copyright, author's moral rights, portrait rights, etc., and there may be cases where it is inconvenient for the individual such as the scope of sharing exceeds the intended scope.
  • the server may intentionally change the image of a person's face or the inside of a house on the periphery of the screen into an out-of-focus image and encode the image.
  • the server recognizes whether the face of a person different from the person registered in advance appears in the image to be encoded, and if so, performs processing such as applying a mosaic to the face. You can.
  • the user may specify a person or a background area for which the user wants to process the image from the viewpoint of copyright or the like.
  • the server may perform processing such as replacing the designated area with another video or blurring the focus. If it is a person, it is possible to track the person in a moving image and replace the image of the person's face.
  • the decoding device first receives the base layer with the highest priority and performs decoding and playback, depending on the bandwidth.
  • the decoding device may receive the enhancement layer during this time, and if the enhancement layer is played back twice or more, such as when the playback is looped, the decoding device may play back the high-quality video including the enhancement layer.
  • the decoding device may play back the high-quality video including the enhancement layer.
  • LSI large scale integration circuit
  • the large scale integration circuit (LSI) ex500 may be a single chip or may be composed of multiple chips.
  • software for video encoding or decoding may be incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by a computer ex111, etc., and the encoding or decoding process may be performed using that software.
  • CD-ROM compact disc-read only memory
  • the smartphone ex115 is equipped with a camera
  • video data acquired by the camera may be transmitted.
  • the video data at this time is data encoded by the LSIex500 included in the smartphone ex115.
  • the LSIex 500 may be configured to download and activate application software.
  • the terminal first determines whether the terminal supports the content encoding method or whether it has the ability to execute a specific service. If the terminal does not support the content encoding method or does not have the ability to perform a specific service, the terminal downloads the codec or application software, and then acquires and plays the content.
  • the digital broadcasting system may include at least the moving image encoding device (image encoding device) or the moving image decoding device (image decoding device) of each of the above embodiments.
  • the EX100 content supply system is suitable for multicasting, whereas the content supply system EX100 has a configuration that is easy to use for unicasting, as it transmits and receives multiplexed data in which video and sound are multiplexed onto broadcasting radio waves using satellites.
  • similar applications are possible for encoding processing and decoding processing.
  • FIG. 126 is a diagram showing further details of the smartphone ex115 shown in FIG. 123. Further, FIG. 127 is a diagram showing a configuration example of the smartphone ex115.
  • the smartphone ex115 has an antenna ex450 for transmitting and receiving radio waves with the base station ex110, a camera unit ex465 that can take videos and still images, and images captured by the camera unit ex465 and received by the antenna ex450. It also includes a display section ex458 that displays data obtained by decoding video and the like.
  • the smartphone ex115 further includes an operation unit ex466 that is a touch panel or the like, an audio output unit ex457 that is a speaker or the like for outputting voice or sound, an audio input unit ex456 that is a microphone or the like for inputting voice,
  • a memory section EX467 that can store video or still images, recorded audio, received video or still images, encoded data such as e-mail, or decoded data, and a memory section that can store It includes a slot section ex464 that is an interface section with a SIM (Subscriber Identity Module) ex468 for authenticating access to various data. Note that an external memory may be used instead of the memory unit ex467.
  • SIM Subscriber Identity Module
  • a main control section ex460 that comprehensively controls the display section ex458, operation section ex466, etc., power supply circuit section ex461, operation input control section ex462, video signal processing section ex455, camera interface section ex463, display control section ex459, modulation/demodulation A section ex452, a multiplexing/separating section ex453, an audio signal processing section ex454, a slot section ex464, and a memory section ex467 are connected via a synchronous bus ex470.
  • the power supply circuit unit ex461 starts the smartphone ex115 into an operable state and supplies power to each unit from the battery pack.
  • the smartphone ex115 performs processes such as phone calls and data communications under the control of the main control unit ex460, which includes a CPU, ROM, RAM, and the like.
  • the audio signal collected by the audio input unit ex456 is converted into a digital audio signal by the audio signal processing unit ex454, subjected to spectrum spread processing by the modulation/demodulation unit ex452, and subjected to digital-to-analog conversion processing by the transmission/reception unit ex451. and frequency conversion processing, and the resulting signal is transmitted via antenna ex450.
  • the received data is amplified and subjected to frequency conversion processing and analog-to-digital conversion processing, spectrum despreading processing is performed in the modulation/demodulation section ex452, and after conversion to an analog audio signal in the audio signal processing section ex454, this is sent to the audio output section ex457.
  • text, still images, or video data is sent to the main control unit ex460 via the operation input control unit ex462 based on the operation of the operation unit ex466 or the like of the main body. Similar transmission and reception processing is performed.
  • the video signal processing unit ex455 transmits the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 to each of the above embodiments.
  • the video data is compressed and encoded using the moving image encoding method shown in the figure, and the encoded video data is sent to the multiplexing/separating unit ex453.
  • the audio signal processing unit ex454 encodes the audio signal collected by the audio input unit ex456 while a video or still image is captured by the camera unit ex465, and sends the encoded audio data to the multiplexing/separating unit ex453.
  • the multiplexing/demultiplexing unit ex453 multiplexes encoded video data and encoded audio data using a predetermined method, and performs modulation processing and conversion in a modulation/demodulation unit (modulation/demodulation circuit unit) ex452 and a transmission/reception unit ex451. It is processed and transmitted via antenna ex450.
  • the multiplexing/demultiplexing unit ex453 decodes the multiplexed data received via the antenna ex450.
  • the multiplexed data is divided into a video data bit stream and an audio data bit stream, and the encoded video data is supplied to the video signal processing unit ex455 via the synchronous bus ex470,
  • the encoded audio data is supplied to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal using a video decoding method corresponding to the video encoding method shown in each of the above embodiments, and displays a linked image from the display unit ex458 via the display control unit ex459.
  • a video or still image included in the video file is displayed.
  • the audio signal processing unit ex454 decodes the audio signal, and the audio output unit ex457 outputs the audio.
  • audio playback may be socially inappropriate depending on the user's situation. Therefore, as an initial value, it is preferable to have a configuration that only plays the video data without playing the audio signal, and it is also possible to play the audio in synchronization only when the user performs an operation such as clicking on the video data. .
  • the terminals include a transmitting/receiving type terminal having both an encoder and a decoder, a transmitting terminal having only an encoder, and a receiving terminal having only a decoder.
  • Three other implementation types are possible: terminals.
  • the digital broadcasting system has been described as receiving or transmitting multiplexed data in which audio data is multiplexed with video data.
  • the multiplexed data may include text data related to video in addition to audio data.
  • the video data itself may be received or transmitted instead of the multiplexed data.
  • main control unit ex460 including the CPU controls the encoding or decoding process
  • various terminals are often equipped with a GPU (Graphics Processing Unit). Therefore, it may be possible to use a memory shared by the CPU and GPU, or a memory whose addresses are managed so that they can be used in common, to take advantage of the performance of the GPU and process a wide area at once. This makes it possible to shorten the encoding time, ensure real-time performance, and achieve low delay. In particular, it is efficient to perform the motion search, deblocking filter, SAO (Sample Adaptive Offset), and conversion/quantization processes all at once in units of pictures, etc., using the GPU instead of the CPU.
  • SAO Sample Adaptive Offset
  • the present disclosure can be used in, for example, a television receiver, a digital video recorder, a car navigation system, a mobile phone, a digital camera, a digital video camera, a video conference system, an electronic mirror, or the like.
  • Encoding device 102 Division unit 102a Block division determination unit 104 Subtraction unit 106 Transformation unit 108 Quantization unit 108a Difference quantization parameter generation unit 108b, 204b Predictive quantization parameter generation unit 108c, 204a Quantization parameter generation unit 108d, 204d Quantum quantization processing unit 110 entropy encoding unit 110a binarization unit 110b, 202b context control unit 110c binary arithmetic encoding unit 112, 204 inverse quantization unit 114, 206 inverse transformation unit 116, 208 addition unit 118, 210 Block memory 120, 212 Loop filter section 120a, 212a Deblocking filter processing section 120b, 212b SAO processing section 120c, 212c ALF processing section 122, 214 Frame memory 124, 216 Intra prediction section 126, 218 Inter prediction section 126a , a2, b2 memory 126b interpolation image derivation unit 126c gradient image derivation unit 126d optical flow derivation unit 126e correction value

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

復号装置（２００）は、回路と、回路に接続されたメモリとを備え、回路は、動作において、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを復号し（Ｓ６０１）、それぞれが複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号し（Ｓ６０２）、２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用する（Ｓ６０３）。

Description

復号装置、符号化装置、復号方法、および符号化方法
　本開示は、復号装置、符号化装置、復号方法、および符号化方法に関する。
　ビデオコーディング技術は、Ｈ．２６１およびＭＰＥＧ－１から、Ｈ．２６４／ＡＶＣ（Ａｄｖａｎｃｅｄ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、ＭＰＥＧ－ＬＡ、Ｈ．２６５／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、およびＨ．２６６／ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｅｃ）へ進歩している。この進歩に伴い、様々な用途において増え続けるデジタルビデオデータ量を処理するために、ビデオコーディング技術の改良および最適化を提供することが常に必要とされている。本開示は、ビデオコーディングにおけるさらなる進歩、改良および最適化に関する。
　なお、非特許文献１は、上述されたビデオコーディング技術に関する従来の規格の一例に関する。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ）／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）
　上記のような符号化方式に関して、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、又は、フィルタ、ブロック、サイズ、動きベクトル、参照ピクチャ又は参照ブロック等の要素又は動作の適切な選択等のため、新たな方式の提案が望まれている。
　本開示は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る構成又は方法を提供する。なお、本開示は、上記以外の利益に貢献し得る構成又は方法を含み得る。
　例えば、本開示の一態様に係る復号装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを復号し、それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号し、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用する。
　本開示における各実施の形態、またはその一部の構成もしくは方法のそれぞれは、例えば、符号化効率の改善、画質の改善、符号化／復号の処理量の削減、回路規模の削減、または、符号化／復号の処理速度の改善などのうちの、少なくともいずれか１つを可能にする。あるいは、本開示における各実施の形態、またはその一部の構成もしくは方法のそれぞれは、符号化および復号において、フィルタ、ブロック、サイズ、動きベクトル、参照ピクチャ、参照ブロックなどの構成要素／動作の適切な選択などを可能にする。なお、本開示は、上記以外の利益を提供し得る構成または方法の開示も含む。例えば、処理量の増加を抑えつつ、符号化効率を改善する構成または方法などである。
　本開示の一態様におけるさらなる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施の形態並びに明細書および図面に記載された特徴によってそれぞれ得られるが、１つまたはそれ以上の利点および／または効果を得るために必ずしも全てが提供される必要はない。
　なお、これらの全般的または具体的な態様は、システム、集積回路、コンピュータプログラム又はコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　本開示の一態様に係る構成又は方法は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る。なお、本開示の一態様に係る構成又は方法は、上記以外の利益に貢献してもよい。
図１は、実施の形態に係る伝送システムの構成の一例を示す概略図である。 図２は、ストリームにおけるデータの階層構造の一例を示す図である。 図３は、スライスの構成の一例を示す図である。 図４は、タイルの構成の一例を示す図である。 図５は、スケーラブル符号化時の符号化構造の一例を示す図である。 図６は、スケーラブル符号化時の符号化構造の一例を示す図である。 図７は、実施の形態に係る符号化装置の構成の一例を示すブロック図である。 図８は、符号化装置の実装例を示すブロック図である。 図９は、符号化装置による全体的な符号化処理の一例を示すフローチャートである。 図１０は、ブロック分割の一例を示す図である。 図１１は、分割部の構成の一例を示す図である。 図１２は、分割パターンの例を示す図である。 図１３Ａは、分割パターンのシンタックスツリーの一例を示す図である。 図１３Ｂは、分割パターンのシンタックスツリーの他の例を示す図である。 図１４は、各変換タイプに対応する変換基底関数を示す表である。 図１５は、ＳＶＴの一例を示す図である。 図１６は、変換部による処理の一例を示すフローチャートである。 図１７は、変換部による処理の他の例を示すフローチャートである。 図１８は、量子化部の構成の一例を示すブロック図である。 図１９は、量子化部による量子化の一例を示すフローチャートである。 図２０は、エントロピー符号化部の構成の一例を示すブロック図である。 図２１は、エントロピー符号化部におけるＣＡＢＡＣの流れを示す図である。 図２２は、ループフィルタ部の構成の一例を示すブロック図である。 図２３Ａは、ＡＬＦ（ａｄａｐｔｉｖｅ　ｌｏｏｐ　ｆｉｌｔｅｒ）で用いられるフィルタの形状の一例を示す図である。 図２３Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図２３Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図２３Ｄは、Ｙサンプル（第１成分）がＣｂのＣＣＡＬＦおよびＣｒのＣＣＡＬＦ（第１成分とは異なる複数の成分）に使用される例を示す図である。 図２３Ｅは、ダイヤモンド形状フィルタを示す図である。 図２３Ｆは、ＪＣ－ＣＣＡＬＦの例を示す図である。 図２３Ｇは、ＪＣ－ＣＣＡＬＦのｗｅｉｇｈｔ＿ｉｎｄｅｘ候補の例を示す図である。 図２４は、ＤＢＦとして機能するループフィルタ部の詳細な構成の一例を示すブロック図である。 図２５は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。 図２６は、デブロッキング・フィルタ処理が行われるブロック境界の一例を説明するための図である。 図２７は、Ｂｓ値の一例を示す図である。 図２８は、符号化装置の予測部で行われる処理の一例を示すフローチャートである。 図２９は、符号化装置の予測部で行われる処理の他の例を示すフローチャートである。 図３０は、符号化装置の予測部で行われる処理の他の例を示すフローチャートである。 図３１は、イントラ予測における６７個のイントラ予測モードの一例を示す図である。 図３２は、イントラ予測部による処理の一例を示すフローチャートである。 図３３は、各参照ピクチャの一例を示す図である。 図３４は、参照ピクチャリストの一例を示す概念図である。 図３５は、インター予測の基本的な処理の流れを示すフローチャートである。 図３６は、ＭＶ導出の一例を示すフローチャートである。 図３７は、ＭＶ導出の他の例を示すフローチャートである。 図３８Ａは、ＭＶ導出の各モードの分類の一例を示す図である。 図３８Ｂは、ＭＶ導出の各モードの分類の一例を示す図である。 図３９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。 図４０は、ノーマルマージモードによるインター予測の例を示すフローチャートである。 図４１は、ノーマルマージモードによるＭＶ導出処理の一例を説明するための図である。 図４２は、ＨＭＶＰ（Ｈｉｓｔｏｒｙ－ｂａｓｅｄ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｐｒｅｄｉｃｔｉｏｎ／Ｐｒｅｄｉｃｔｏｒ）モードによるＭＶ導出処理の一例を説明するための図である。 図４３は、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ　ｃｏｎｖｅｒｓｉｏｎ）の一例を示すフローチャートである。 図４４は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）の一例を説明するための図である。 図４５は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。 図４６Ａは、２つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。 図４６Ｂは、３つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。 図４７Ａは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４７Ｂは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４７Ｃは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４８Ａは、２つの制御ポイントを有するアフィンモードを説明するための図である。 図４８Ｂは、３つの制御ポイントを有するアフィンモードを説明するための図である。 図４９Ａは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の一例を説明するための概念図である。 図４９Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の他の例を説明するための概念図である。 図５０は、アフィンマージモードの処理の一例を示すフローチャートである。 図５１は、アフィンインターモードの処理の一例を示すフローチャートである。 図５２Ａは、２つの三角形の予測画像の生成を説明するための図である。 図５２Ｂは、第１パーティションの第１部分、並びに、第１サンプルセット及び第２サンプルセットの例を示す概念図である。 図５２Ｃは、第１パーティションの第１部分を示す概念図である。 図５３は、トライアングルモードの一例を示すフローチャートである。 図５４は、サブブロック単位にＭＶが導出されるＡＴＭＶＰ（Ａｄｖａｎｃｅｄ　Ｔｅｍｐｏｒａｌ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｐｒｅｄｉｃｔｉｏｎ／Ｐｒｅｄｉｃｔｏｒ）モードの一例を示す図である。 図５５は、マージモードおよびＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）の関係を示す図である。 図５６は、ＤＭＶＲの一例を説明するための概念図である。 図５７は、ＭＶを決定するためのＤＭＶＲの他の一例を説明するための概念図である。 図５８Ａは、ＤＭＶＲにおける動き探索の一例を示す図である。 図５８Ｂは、ＤＭＶＲにおける動き探索の一例を示すフローチャートである。 図５９は、予測画像の生成の一例を示すフローチャートである。 図６０は、予測画像の生成の他の例を示すフローチャートである。 図６１は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）による予測画像補正処理の一例を説明するためのフローチャートである。 図６２は、ＯＢＭＣによる予測画像補正処理の一例を説明するための概念図である。 図６３は、等速直線運動を仮定したモデルを説明するための図である。 図６４は、ＢＩＯにしたがったインター予測の一例を示すフローチャートである。 図６５は、ＢＩＯにしたがったインター予測を行うインター予測部の構成の一例を示す図である。 図６６Ａは、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）による輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。 図６６Ｂは、ＬＩＣによる輝度補正処理を用いた予測画像生成方法の一例を示すフローチャートである。 図６７は、実施の形態に係る復号装置の構成を示すブロック図である。 図６８は、復号装置の実装例を示すブロック図である。 図６９は、復号装置による全体的な復号処理の一例を示すフローチャートである。 図７０は、分割決定部と他の構成要素との関係を示す図である。 図７１は、エントロピー復号部の構成の一例を示すブロック図である。 図７２は、エントロピー復号部におけるＣＡＢＡＣの流れを示す図である。 図７３は、逆量子化部の構成の一例を示すブロック図である。 図７４は、逆量子化部による逆量子化の一例を示すフローチャートである。 図７５は、逆変換部による処理の一例を示すフローチャートである。 図７６は、逆変換部による処理の他の例を示すフローチャートである。 図７７は、ループフィルタ部の構成の一例を示すブロック図である。 図７８は、復号装置の予測部で行われる処理の一例を示すフローチャートである。 図７９は、復号装置の予測部で行われる処理の他の例を示すフローチャートである。 図８０Ａは、復号装置の予測部で行われる処理の他の例の一部を示すフローチャートである。 図８０Ｂは、復号装置の予測部で行われる処理の他の例の残部を示すフローチャートである。 図８１は、復号装置のイントラ予測部による処理の一例を示す図である。 図８２は、復号装置におけるＭＶ導出の一例を示すフローチャートである。 図８３は、復号装置におけるＭＶ導出の他の例を示すフローチャートである。 図８４は、復号装置におけるノーマルインターモードによるインター予測の例を示すフローチャートである。 図８５は、復号装置におけるノーマルマージモードによるインター予測の例を示すフローチャートである。 図８６は、復号装置におけるＦＲＵＣモードによるインター予測の例を示すフローチャートである。 図８７は、復号装置におけるアフィンマージモードによるインター予測の例を示すフローチャートである。 図８８は、復号装置におけるアフィンインターモードによるインター予測の例を示すフローチャートである。 図８９は、復号装置におけるトライアングルモードによるインター予測の例を示すフローチャートである。 図９０は、復号装置におけるＤＭＶＲによる動き探索の例を示すフローチャートである。 図９１は、復号装置におけるＤＭＶＲによる動き探索の詳細な一例を示すフローチャートである。 図９２は、復号装置における予測画像の生成の一例を示すフローチャートである。 図９３は、復号装置における予測画像の生成の他の例を示すフローチャートである。 図９４は、復号装置におけるＯＢＭＣによる予測画像の補正の例を示すフローチャートである。 図９５は、復号装置におけるＢＩＯによる予測画像の補正の例を示すフローチャートである。 図９６は、復号装置におけるＬＩＣによる予測画像の補正の例を示すフローチャートである。 図９７は、ニューラルネットワークフィルタを用いる復号処理を示すフローチャートである。 図９８は、第１ビットストリーム、第２ビットストリーム及び第３ビットストリームを含むビットストリームを示す概念図である。 図９９は、ファイルにおける第１ビットストリーム、第２ビットストリーム及び第３ビットストリームの位置を示す概念図である。 図１００は、ＭＰＥＧ－ＤＡＳＨ（Ｄｙｎａｍｉｃ　Ａｄａｐｔｉｖｅ　Ｓｔｒｅａｍｉｎｇ　ｏｖｅｒ　ＨＴＴＰ）における第１ビットストリーム、第２ビットストリーム及び第３ビットストリームの位置を示す概念図である。 図１０１は、ビットストリームにおけるニューラルネットワーク情報セットの位置の例を示す概念図である。 図１０２は、ビットストリームにおけるニューラルネットワーク情報セットの位置の別の例を示す概念図である。 図１０３は、ビットストリームにおけるアクティベーション情報セットの位置の例を示す概念図である。 図１０４は、ビットストリームにおけるアクティベーション情報セットの位置の別の例を示す概念図である。 図１０５は、１つのアクティベーション情報セットのシンタックス構造の例を示すシンタックス図である。 図１０６は、１つ以上のアクティベーション情報セットのシンタックス構造の例を示すシンタックス図である。 図１０７は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第１例を示す概念図である。 図１０８は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第２例を示す概念図である。 図１０９は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第３例を示す概念図である。 図１１０は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第４例を示す概念図である。 図１１１は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第５例を示す概念図である。 図１１２は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第６例を示す概念図である。 図１１３は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第７例を示す概念図である。 図１１４は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第８例を示す概念図である。 図１１５は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第９例を示す概念図である。 図１１６は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第１０例を示す概念図である。 図１１７は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第１１例を示す概念図である。 図１１８は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第１２例を示す概念図である。 図１１９は、実施の形態に係る符号化装置が行う第１動作例を示すフローチャートである。 図１２０は、実施の形態に係る復号装置が行う第１動作例を示すフローチャートである。 図１２１は、実施の形態に係る符号化装置が行う第２動作例を示すフローチャートである。 図１２２は、実施の形態に係る復号装置が行う第２動作例を示すフローチャートである。 図１２３は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図１２４は、ｗｅｂページの表示画面例を示す図である。 図１２５は、ｗｅｂページの表示画面例を示す図である。 図１２６は、スマートフォンの一例を示す図である。 図１２７は、スマートフォンの構成例を示すブロック図である。
　［序論（Ｉｎｔｒｏｄｕｃｔｉｏｎ）］
　ニューラルネットワークフィルタを用いて、画質を向上することが検討されている。ここで、ニューラルネットワークフィルタは、ニューラルネットワークに基づくフィルタであって、フィルタとして用いられるニューラルネットワークに対応する。ニューラルネットワークフィルタは、ニューラルネットワークベースフィルタ又はニューラルネットワークポストフィルタとも表現される。
　ニューラルネットワークフィルタをピクチャに適用することにより、ピクチャの画質が改善される可能性がある。ここで、ニューラルネットワークフィルタは、再構成後のピクチャに適用される。ニューラルネットワークフィルタは、表示対象ピクチャの画質を改善するためのアウトループフィルタとして用いられることに限られず、参照ピクチャの画質を改善するためのインループフィルタとして用いられてもよい。アウトループフィルタは、ポストフィルタとも呼ばれる。インループフィルタは、ループフィルタとも呼ばれる。
　また、ニューラルネットワークフィルタを特定するニューラルネットワーク情報セットを符号化することが検討されている。具体的には、ニューラルネットワーク情報セットは、フィルタとして用いられるニューラルネットワークを設定するための情報セットであり、ニューラルネットワークにおける重み等の複数のパラメータの情報を含む。
　例えば、符号化装置が、ニューラルネットワーク情報セットを符号化し、復号装置が、ニューラルネットワーク情報セットを復号する。そして、復号装置は、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタをピクチャに適用する。これにより、ピクチャに適したニューラルネットワークフィルタがピクチャに適用される。
　しかしながら、ニューラルネットワークフィルタが効率的にピクチャに指定されず、十分に画質が向上されない可能性がある。
　そこで、例１の復号装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを復号し、それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号し、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用する。
　これにより、１つのピクチャに対して２つ以上のニューラルネットワークフィルタを的確に指定することが可能になる場合がある。したがって、２つ以上のニューラルネットワークフィルタの組み合わせによって画質を十分に向上させることが可能になる場合がある。
　また、例２の復号装置は、例１の復号装置であって、前記２つ以上のアクティベーション情報セットのそれぞれは、前記複数のニューラルネットワーク情報セットのうちの１つを特定する数字を示すニューラルネットワーク識別子を含み、前記回路は、前記２つ以上のアクティベーション情報セットに含まれる２つ以上のニューラルネットワーク識別子で示される２つ以上の数字によって特定される前記２つ以上のニューラルネットワークフィルタを前記１つのピクチャに適用する、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワーク情報セットを２つ以上のニューラルネットワーク識別子に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例３の復号装置は、例１又は例２の復号装置であって、前記２つ以上のアクティベーション情報セットのそれぞれは、前記１つのピクチャを指定する画像識別子を含み、前記回路は、前記２つ以上のニューラルネットワークフィルタを前記画像識別子で指定された前記１つのピクチャに適用する、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを画像識別子に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例４の復号装置は、例１～例３のいずれかの復号装置であって、前記回路は、前記２つ以上のアクティベーション情報セットによって指定された順番で、前記２つ以上のニューラルネットワークフィルタを順に前記１つのピクチャに適用する、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用する順序を的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例５の復号装置は、例１～例４のいずれかの復号装置であって、前記回路は、前記２つ以上のアクティベーション情報セットを、それぞれ、前記１つのアクセスユニットに属する２つ以上のＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージから復号する、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワーク情報セットをそれぞれ２つ以上のＳＥＩメッセージに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例６の復号装置は、例１～例４のいずれかの復号装置であって、前記回路は、前記２つ以上のアクティベーション情報セットを、前記１つのアクセスユニットに属する１つのＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージから復号する、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワーク情報セットを１つのＳＥＩメッセージに従って効率的に指定することが可能になる場合がある。したがって、画質を効率的に向上させることが可能になる場合がある。
　また、例７の復号装置は、例１～例６のいずれかの復号装置であって、前記１つのピクチャは、前記１つのアクセスユニットに属するカレントピクチャよりも復号順で後のピクチャである、復号装置であってもよい。
　これにより、ニューラルネットワークフィルタが特定されてからピクチャに適用されるまでに十分な時間を確保することが可能になる場合がある。したがって、円滑にニューラルネットワークフィルタをピクチャに適用することが可能になる場合がある。
　また、例８の復号装置は、例３の復号装置であって、前記画像識別子は、前記１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値である、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＯＣに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例９の復号装置は、例３の復号装置であって、前記画像識別子は、前記１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値と、前記１つのアクセスユニットに属するカレントピクチャのＰＯＣの値との差分値である、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＯＣの差分値に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＰＯＣの差分値が用いられることで、符号量が削減される可能性がある。
　また、例１０の復号装置は、例３の復号装置であって、前記画像識別子は、前記１つのアクセスユニットに属するカレントピクチャから復号順で前記１つのピクチャまでのピクチャ数である、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを復号順におけるピクチャ数に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、復号順におけるピクチャ数が用いられることで、演算が簡素化される可能性がある。
　また、例１１の復号装置は、例３の復号装置であって、前記画像識別子は、前記１つのピクチャの復号において参照されるＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＳＰＳに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＳＰＳの識別子に従って複数のピクチャを的確に指定することが可能になる場合がある。また、ＳＰＳの適用と、ニューラルネットワークフィルタの適用とを整合させることが可能になる場合がある。
　また、例１２の復号装置は、例３の復号装置であって、前記画像識別子は、前記１つのピクチャの復号において参照されるＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＰＳに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＰＰＳの識別子に従って複数のピクチャを的確に指定することが可能になる場合がある。また、ＰＰＳの適用と、ニューラルネットワークフィルタの適用とを整合させることが可能になる場合がある。
　また、例１３の復号装置は、例３の復号装置であって、前記画像識別子は、前記１つのピクチャに対して設定された表示時間情報である、復号装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを表示時間情報に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例１４の復号装置は、例１～例１３のいずれかの復号装置であって、前記回路は、前記２つ以上のアクティベーション情報セットを前記１つのアクセスユニットから復号する前に、前記複数のニューラルネットワーク情報セットを前記１つのアクセスユニットとは別の領域から復号する、復号装置であってもよい。
　これにより、アクセスユニットの処理前に、複数のニューラルネットワーク情報セットを準備することが可能になる場合がある。したがって、ニューラルネットワークフィルタの円滑な適用が可能になる場合がある。
　また、例１５の復号装置は、例１～例１４のいずれかの復号装置であって、前記回路は、同じ値を有する複数のアクティベーション情報セットをそれぞれ複数のアクセスユニットから復号する、復号装置であってもよい。
　これにより、ランダムアクセスにおいても的確にニューラルネットワーク情報セット及びフィルタ対象ピクチャを指定することが可能になる場合がある。したがって、ランダムアクセスにおいてもニューラルネットワークフィルタの円滑な適用が可能になる場合がある。
　また、例１６の復号装置は、例１５の復号装置であって、前記複数のアクセスユニットに属する複数のピクチャは、復号順で、ＲＡＰ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｐｏｉｎｔ）ピクチャよりも前のピクチャと、前記ＲＡＰピクチャ以降のピクチャとを含む、復号装置であってもよい。
　これにより、ＲＡＰピクチャの前後において、同じニューラルネットワーク情報セット及び同じフィルタ対象ピクチャを指定することが可能になる場合がある。そして、ＲＡＰピクチャから復号が開始される場合でも、アクティベーション情報セットに従って的確にニューラルネットワーク情報セット及びフィルタ対象ピクチャを指定することが可能になる場合がある。
　また、例１７の復号装置は、例１～例１６のいずれかの復号装置であって、前記回路は、前記２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、前記ニューラルネットワークフィルタを前記１つのピクチャに適用しない、復号装置であってもよい。
　これにより、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが利用可能でなくても、ニューラルネットワークフィルタの適用をスキップして、ピクチャの復号処理を継続することが可能になる場合がある。したがって、復号処理全体に対する弊害を抑制することが可能になる。
　また、例１８の復号装置は、例１～例１７のいずれかの復号装置であって、前記回路は、前記２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、前記１つのピクチャよりも復号順で前のピクチャに適用されたニューラルネットワークフィルタを前記１つのピクチャに適用する、復号装置であってもよい。
　これにより、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが利用可能でなくても、前のピクチャに適用されたニューラルネットワークフィルタを用いて、ピクチャの復号処理を継続することが可能になる場合がある。したがって、復号処理全体に対する弊害を抑制することが可能になる。また、前のピクチャに適用されたニューラルネットワークフィルタが用いられることで、画質が改善される可能性がある。
　また、例１９の符号化装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを符号化し、それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットに符号化し、前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用するために用いられる。
　これにより、１つのピクチャに対して２つ以上のニューラルネットワークフィルタを的確に指定することが可能になる場合がある。したがって、２つ以上のニューラルネットワークフィルタの組み合わせによって画質を十分に向上させることが可能になる場合がある。
　また、例２０の符号化装置は、例１９の符号化装置であって、前記２つ以上のアクティベーション情報セットのそれぞれは、前記複数のニューラルネットワーク情報セットのうちの１つを特定する数字を示すニューラルネットワーク識別子を含み、前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットに含まれる２つ以上のニューラルネットワーク識別子で示される２つ以上の数字によって特定される前記２つ以上のニューラルネットワークフィルタを前記１つのピクチャに適用するために用いられる、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワーク情報セットを２つ以上のニューラルネットワーク識別子に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例２１の符号化装置は、例１９又は例２０の符号化装置であって、前記２つ以上のアクティベーション情報セットのそれぞれは、前記１つのピクチャを指定する画像識別子を含み、前記２つ以上のアクティベーション情報セットは、前記２つ以上のニューラルネットワークフィルタを前記画像識別子で指定された前記１つのピクチャに適用するために用いられる、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを画像識別子に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例２２の符号化装置は、例１９～例２１の符号化装置であって、前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットによって指定された順番で、前記２つ以上のニューラルネットワークフィルタを順に前記１つのピクチャに適用するために用いられる、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用する順序を的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例２３の符号化装置は、例１９～例２２の符号化装置であって、前記回路は、前記２つ以上のアクティベーション情報セットを、それぞれ、前記１つのアクセスユニットに属する２つ以上のＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージに符号化する、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワーク情報セットをそれぞれ２つ以上のＳＥＩメッセージに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例２４の符号化装置は、例１９～例２２の符号化装置であって、前記回路は、前記２つ以上のアクティベーション情報セットを、前記１つのアクセスユニットに属する１つのＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージに符号化する、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワーク情報セットを１つのＳＥＩメッセージに従って効率的に指定することが可能になる場合がある。したがって、画質を効率的に向上させることが可能になる場合がある。
　また、例２５の符号化装置は、例１９～例２４の符号化装置であって、前記１つのピクチャは、前記１つのアクセスユニットに属するカレントピクチャよりも符号化順で後のピクチャである、符号化装置であってもよい。
　これにより、ニューラルネットワークフィルタが特定されてからピクチャに適用されるまでに十分な時間を確保することが可能になる場合がある。したがって、円滑にニューラルネットワークフィルタをピクチャに適用することが可能になる場合がある。
　また、例２６の符号化装置は、例２１の符号化装置であって、前記画像識別子は、前記１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値である、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＯＣに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例２７の符号化装置は、例２１の符号化装置であって、前記画像識別子は、前記１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値と、前記１つのアクセスユニットに属するカレントピクチャのＰＯＣの値との差分値である、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＯＣの差分値に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＰＯＣの差分値が用いられることで、符号量が削減される可能性がある。
　また、例２８の符号化装置は、例２１の符号化装置であって、前記画像識別子は、前記１つのアクセスユニットに属するカレントピクチャから符号化順で前記１つのピクチャまでのピクチャ数である、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを符号化順におけるピクチャ数に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、符号化順におけるピクチャ数が用いられることで、演算が簡素化される可能性がある。
　また、例２９の符号化装置は、例２１の符号化装置であって、前記画像識別子は、前記１つのピクチャの符号化において参照されるＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＳＰＳに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＳＰＳの識別子に従って複数のピクチャを的確に指定することが可能になる場合がある。また、ＳＰＳの適用と、ニューラルネットワークフィルタの適用とを整合させることが可能になる場合がある。
　また、例３０の符号化装置は、例２１の符号化装置であって、前記画像識別子は、前記１つのピクチャの符号化において参照されるＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＰＳに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＰＰＳの識別子に従って複数のピクチャを的確に指定することが可能になる場合がある。また、ＰＰＳの適用と、ニューラルネットワークフィルタの適用とを整合させることが可能になる場合がある。
　また、例３１の符号化装置は、例２１の符号化装置であって、前記画像識別子は、前記１つのピクチャに対して設定された表示時間情報である、符号化装置であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを表示時間情報に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例３２の符号化装置は、例１９～例３１のいずれかの符号化装置であって、前記回路は、前記２つ以上のアクティベーション情報セットを前記１つのアクセスユニットに符号化する前に、前記複数のニューラルネットワーク情報セットを前記１つのアクセスユニットとは別の領域に符号化する、符号化装置であってもよい。
　これにより、アクセスユニットの処理前に、複数のニューラルネットワーク情報セットを準備することが可能になる場合がある。したがって、ニューラルネットワークフィルタの円滑な適用が可能になる場合がある。
　また、例３３の符号化装置は、例１９～例３２のいずれかの符号化装置であって、前記回路は、同じ値を有する複数のアクティベーション情報セットをそれぞれ複数のアクセスユニットに符号化する、符号化装置であってもよい。
　これにより、ランダムアクセスにおいても的確にニューラルネットワーク情報セット及びフィルタ対象ピクチャを指定することが可能になる場合がある。したがって、ランダムアクセスにおいてもニューラルネットワークフィルタの円滑な適用が可能になる場合がある。
　また、例３４の符号化装置は、例３３の符号化装置であって、前記複数のアクセスユニットに属する複数のピクチャは、符号化順で、ＲＡＰ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｐｏｉｎｔ）ピクチャよりも前のピクチャと、前記ＲＡＰピクチャ以降のピクチャとを含む、符号化装置であってもよい。
　これにより、ＲＡＰピクチャの前後において、同じニューラルネットワーク情報セット及び同じフィルタ対象ピクチャを指定することが可能になる場合がある。そして、復号装置においてＲＡＰピクチャから復号が開始される場合でも、アクティベーション情報セットに従って的確にニューラルネットワーク情報セット及びフィルタ対象ピクチャを指定することが可能になる場合がある。
　また、例３５の符号化装置は、例１９～例３４のいずれかの符号化装置であって、前記回路は、前記２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、前記ニューラルネットワークフィルタが前記１つのピクチャに適用されない、符号化装置であってもよい。
　これにより、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが利用可能でなくても、ニューラルネットワークフィルタの適用をスキップして、ピクチャの符号化処理又は復号処理を継続することが可能になる場合がある。したがって、符号化処理全体又は復号処理全体に対する弊害を抑制することが可能になる。
　また、例３６の符号化装置は、例１９～例３５のいずれかの符号化装置であって、前記回路は、前記２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、前記１つのピクチャよりも符号化順で前のピクチャに適用されたニューラルネットワークフィルタが前記１つのピクチャに適用される、符号化装置であってもよい。
　これにより、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが利用可能でなくても、前のピクチャに適用されたニューラルネットワークフィルタを用いて、ピクチャの符号化処理又は復号処理を継続することが可能になる場合がある。したがって、符号化処理全体又は復号処理全体に対する弊害を抑制することが可能になる。また、前のピクチャに適用されたニューラルネットワークフィルタが用いられることで、画質が改善される可能性がある。
　また、例３７の復号方法は、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを復号し、それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号し、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用する。
　これにより、１つのピクチャに対して２つ以上のニューラルネットワークフィルタを的確に指定することが可能になる場合がある。したがって、２つ以上のニューラルネットワークフィルタの組み合わせによって画質を十分に向上させることが可能になる場合がある。
　また、例３８の符号化方法は、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを符号化し、それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットに符号化し、前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用するために用いられる。
　これにより、１つのピクチャに対して２つ以上のニューラルネットワークフィルタを的確に指定することが可能になる場合がある。したがって、２つ以上のニューラルネットワークフィルタの組み合わせによって画質を十分に向上させることが可能になる場合がある。
　また、例３９の復号装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、それぞれがニューラルネットワークフィルタを特定する１つ以上のニューラルネットワーク情報セットを復号し、アクセスユニットから、前記１つ以上のニューラルネットワーク情報セットに含まれるニューラルネットワーク情報セットと、前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタが適用されるピクチャとを指定するアクティベーション情報セットを復号し、前記アクティベーション情報セットで指定された前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタを、前記アクティベーション情報セットで指定された前記ピクチャに適用する。
　これにより、ニューラルネットワークフィルタ及びフィルタ対象ピクチャを的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例４０の復号装置は、例３９の復号装置であって、前記ピクチャは、前記アクセスユニットに属するカレントピクチャよりも復号順で後のピクチャである、復号装置であってもよい。
　これにより、ニューラルネットワークフィルタが特定されてからピクチャに適用されるまでに十分な時間を確保することが可能になる場合がある。したがって、円滑にニューラルネットワークフィルタをピクチャに適用することが可能になる場合がある。
　また、例４１の符号化装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、それぞれがニューラルネットワークフィルタを特定する１つ以上のニューラルネットワーク情報セットを符号化し、アクセスユニットに、前記１つ以上のニューラルネットワーク情報セットに含まれるニューラルネットワーク情報セットと、前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタが適用されるピクチャとを指定するアクティベーション情報セットを符号化し、前記アクティベーション情報セットは、前記アクティベーション情報セットで指定された前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタを、前記アクティベーション情報セットで指定された前記ピクチャに適用するために用いられる。
　これにより、ニューラルネットワークフィルタ及びフィルタ対象ピクチャを的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例４２の符号化装置は、例４１の符号化装置であって、前記ピクチャは、前記アクセスユニットに属するカレントピクチャよりも符号化順で後のピクチャである、符号化装置であってもよい。
　これにより、ニューラルネットワークフィルタが特定されてからピクチャに適用されるまでに十分な時間を確保することが可能になる場合がある。したがって、円滑にニューラルネットワークフィルタをピクチャに適用することが可能になる場合がある。
　また、例４３の復号方法は、それぞれがニューラルネットワークフィルタを特定する１つ以上のニューラルネットワーク情報セットを復号し、アクセスユニットから、前記１つ以上のニューラルネットワーク情報セットに含まれるニューラルネットワーク情報セットと、前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタが適用されるピクチャとを指定するアクティベーション情報セットを復号し、前記アクティベーション情報セットで指定された前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタを、前記アクティベーション情報セットで指定された前記ピクチャに適用する。
　これにより、ニューラルネットワークフィルタ及びフィルタ対象ピクチャを的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例４４の符号化方法は、それぞれがニューラルネットワークフィルタを特定する１つ以上のニューラルネットワーク情報セットを符号化し、アクセスユニットに、前記１つ以上のニューラルネットワーク情報セットに含まれるニューラルネットワーク情報セットと、前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタが適用されるピクチャとを指定するアクティベーション情報セットを符号化し、前記アクティベーション情報セットは、前記アクティベーション情報セットで指定された前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタを、前記アクティベーション情報セットで指定された前記ピクチャに適用するために用いられる。
　これにより、ニューラルネットワークフィルタ及びフィルタ対象ピクチャを的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例４５の復号装置は、入力部と、エントロピー復号部と、逆量子化部と、逆変換部と、イントラ予測部と、インター予測部と、ループフィルタ部と、出力部とを備える。
　前記入力部には、符号化ビットストリームが入力される。前記エントロピー復号部は、前記符号化ビットストリームに対して可変長復号を適用して、量子化係数を導出する。前記逆量子化部は、前記量子化係数を逆量子化して、変換係数を導出する。前記逆変換部は、前記変換係数を逆変換して、予測誤差を導出する。
　前記イントラ予測部は、カレントピクチャに含まれる参照画素を用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。前記インター予測部は、前記カレントピクチャとは異なる参照ピクチャに含まれる参照ブロックを用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。
　前記ループフィルタ部は、前記カレントピクチャに含まれるカレントブロックの再構成ブロックにフィルタを適用する。そして、前記出力部から、前記カレントピクチャが出力される。
　そして、前記エントロピー復号部は、動作において、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを復号し、それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号する。
　また、前記ループフィルタ部は、動作において、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用する。
　また、例４６の符号化装置は、入力部と、分割部と、イントラ予測部と、インター予測部と、ループフィルタ部と、変換部と、量子化部と、エントロピー符号化部と、出力部とを備える。
　前記入力部には、カレントピクチャが入力される。前記分割部は、前記カレントピクチャを複数のブロックに分割する。
　前記イントラ予測部は、前記カレントピクチャに含まれる参照画素を用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。前記インター予測部は、前記カレントピクチャとは異なる参照ピクチャに含まれる参照ブロックを用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。前記ループフィルタ部は、前記カレントピクチャに含まれるカレントブロックの再構成ブロックにフィルタを適用する。
　前記変換部は、前記カレントピクチャに含まれるカレントブロックの原信号と、前記イントラ予測部又は前記インター予測部によって生成された予測信号との予測誤差を変換して、変換係数を生成する。前記量子化部は、前記変換係数を量子化して、量子化係数を生成する。前記エントロピー符号化部は、前記量子化係数に対して可変長符号化を適用して、符号化ビットストリームを生成する。そして、前記出力部から、可変長符号化が適用された前記量子化係数と、制御情報とを含む前記符号化ビットストリームが出力される。
　そして、前記エントロピー符号化部は、動作において、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを符号化し、それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットに符号化する。
　また、前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用するために用いられる。
　さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　［用語の定義］
　各用語は一例として以下のような定義であってもよい。
　（１）画像
　画素の集合によって構成されたデータの単位であり、ピクチャやピクチャより小さいブロックからなり、動画の他、静止画も含む。
　（２）ピクチャ
　画素の集合によって構成される画像の処理単位であり、フレームやフィールドと呼ばれる場合もある。
　（３）ブロック
　特定数の画素を含む集合の処理単位であり、以下の例に挙げる通り、名称は問わない。また、形状も問わず、例えば、Ｍ×Ｎ画素からなる長方形、Ｍ×Ｍ画素からなる正方形はもちろん、三角形、円形、その他の形状も含む。
　（ブロックの例）
　　・スライス／タイル／ブリック
　　・ＣＴＵ／スーパーブロック／基本分割単位
　　・ＶＰＤＵ／ハードウェアの処理分割単位
　　・ＣＵ／処理ブロック単位／予測ブロック単位（ＰＵ）／直交変換ブロック単位（ＴＵ）／ユニット
　　・サブブロック
　（４）画素／サンプル
　画像を構成する最小単位の点であって、整数位置の画素のみならず整数位置の画素に基づいて生成された小数位置の画素も含む。
　（５）画素値／サンプル値
　画素が有する固有の値であって、輝度値、色差値、ＲＧＢの階調はもちろん、ｄｅｐｔｈ値、又は０、１の２値も含む。
　（６）フラグ
　１ビットの他、複数ビットの場合も含み、例えば、２ビット以上のパラメータやインデックスであってもよい。また、二進数を用いた２値のみならず、その他の進数を用いた多値であってもよい。
　（７）信号
　情報を伝達するために記号化、符号化したものであって、離散化されたデジタル信号の他、連続値を取るアナログ信号も含む。
　（８）ストリーム／ビットストリーム
　デジタルデータのデータ列又はデジタルデータの流れをいう。ストリーム／ビットストリームは、１本のストリームの他、複数の階層に分けられ複数のストリームにより構成されてもよい。また、単数の伝送路でシリアル通信により伝送される場合の他、複数の伝送路でパケット通信により伝送される場合も含む。
　（９）差／差分
　スカラー量の場合、単純差（ｘ－ｙ）の他、差の演算が含まれていれば足り、差の絶対値（｜ｘ－ｙ｜）、二乗差（ｘ＾２－ｙ＾２）、差の平方根（√（ｘ－ｙ））、重み付け差（ａｘ－ｂｙ：ａ、ｂは定数）、オフセット差（ｘ－ｙ＋ａ：ａはオフセット）を含む。
　（１０）和
　スカラー量の場合、単純和（ｘ＋ｙ）の他、和の演算が含まれていれば足り、和の絶対値（｜ｘ＋ｙ｜）、二乗和（ｘ＾２＋ｙ＾２）、和の平方根（√（ｘ＋ｙ））、重み付け和（ａｘ＋ｂｙ：ａ、ｂは定数）、オフセット和（ｘ＋ｙ＋ａ：ａはオフセット）を含む。
　（１１）基づいて（ｂａｓｅｄ　ｏｎ）
　基づく対象となる要素以外を加味する場合も含む。また、直接結果を求める場合の他、中間的な結果を経由して結果を求める場合も含む。
　（１２）用いて（ｕｓｅｄ、ｕｓｉｎｇ）
　用いる対象となる要素以外を加味する場合も含む。また、直接結果を求める場合の他、中間的な結果を経由して結果を求める場合も含む。
　（１３）禁止する（ｐｒｏｈｉｂｉｔ、ｆｏｒｂｉｄ）
　許されないと言い換えることができる。また、禁止していないこと又は許可されることは、必ずしも義務を意味するものではない。
　（１４）制限する（ｌｉｍｉｔ、ｒｅｓｔｒｉｃｔｉｏｎ／ｒｅｓｔｒｉｃｔ／ｒｅｓｔｒｉｃｔｅｄ）
　許されないと言い換えることができる。また、禁止していないこと又は許可されることは、必ずしも義務を意味するものではない。さらに、量的又は質的に一部が禁止されていれば足り、全面的に禁止する場合も含まれる。
　（１５）色差（ｃｈｒｏｍａ）
　サンプル配列または単一のサンプルが、原色に関連する２つの色差（ｃｏｌｏｕｒ　ｄｉｆｆｅｒｅｎｃｅ）信号の１つを表すことを指定する、記号ＣｂおよびＣｒで表される形容詞である。ｃｈｒｏｍａという用語の代わりに、ｃｈｒｏｍｉｎａｎｃｅという用語を使用することもできる。
　（１６）輝度（ｌｕｍａ）
　サンプル配列または単一のサンプルが原色に関連するモノクロ信号を表すことを指定する、記号または下付きのＹまたはＬで表される形容詞である。ｌｕｍａという用語の代わりに、ｌｕｍｉｎａｎｃｅという用語を使用することもできる。
　［記載に関する解説］
　図面において、同一の参照番号は同一または類似の構成要素を示す。また、図面における構成要素のサイズおよび相対位置は、必ずしも一定の縮尺で描かれていない。
　以下、実施の形態について図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの関係及び順序などは、一例であり、請求の範囲を限定する主旨ではない。
　以下では、符号化装置および復号化装置の実施の形態を説明する。実施の形態は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の例である。処理および／または構成は、実施の形態とは異なる符号化装置および復号化装置においても実施可能である。例えば、実施の形態に対して適用される処理および／または構成に関して、例えば以下のいずれかを実施してもよい。
　（１）本開示の各態様で説明する実施の形態の符号化装置または復号装置の複数の構成要素のうちいずれかは、本開示の各態様のいずれかで説明する他の構成要素に置き換えまたは組み合わせられてもよい。
　（２）実施の形態の符号化装置または復号装置において、当該符号化装置または復号装置の複数の構成要素のうち一部の構成要素によって行われる機能または処理に、機能または処理の追加、置き換え、削除などの任意の変更がなされてもよい。例えば、いずれかの機能または処理は、本開示の各態様のいずれかで説明する他の機能または処理に、置き換えまたは組み合わせられてもよい。
　（３）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のうちの一部の処理について、追加、置き換えおよび削除などの任意の変更がなされてもよい。例えば、方法におけるいずれかの処理は、本開示の各態様のいずれかで説明する他の処理に、置き換えまたは組み合わせられてもよい。
　（４）実施の形態の符号化装置または復号装置を構成する複数の構成要素のうちの一部の構成要素は、本開示の各態様のいずれかで説明する構成要素と組み合わせられてもよいし、本開示の各態様のいずれかで説明する機能の一部を備える構成要素と組み合わせられてもよいし、本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせられてもよい。
　（５）実施の形態の符号化装置または復号装置の機能の一部を備える構成要素、または、実施の形態の符号化装置または復号装置の処理の一部を実施する構成要素は、本開示の各態様いずれかで説明する構成要素と、本開示の各態様でいずれかで説明する機能の一部を備える構成要素と、または、本開示の各態様のいずれかで説明する処理の一部を実施する構成要素と組み合わせまたは置き換えられてもよい。
　（６）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のいずれかは、本開示の各態様のいずれかで説明する処理に、または、同様のいずれかの処理に、置き換えまたは組み合わせられてもよい。
　（７）実施の形態の符号化装置または復号装置が実施する方法に含まれる複数の処理のうちの一部の処理は、本開示の各態様のいずれかで説明する処理と組み合わせられてもよい。
　（８）本開示の各態様で説明する処理および／または構成の実施の仕方は、実施の形態の符号化装置または復号装置に限定されるものではない。例えば、処理および／または構成は、実施の形態において開示する動画像符号化または動画像復号とは異なる目的で利用される装置において実施されてもよい。
　［システム構成］
　図１は、本実施の形態に係る伝送システムの構成の一例を示す概略図である。
　伝送システムＴｒｓは、画像を符号化することによって生成されるストリームを伝送し、伝送されたストリームを復号するシステムである。このような伝送システムＴｒｓは、例えば図１に示すように、符号化装置１００、ネットワークＮｗ、および復号装置２００を含む。
　符号化装置１００には画像が入力される。符号化装置１００は、その入力された画像を符号化することによってストリームを生成し、そのストリームをネットワークＮｗに出力する。ストリームには、例えば、符号化された画像と、その符号化された画像を復号するための制御情報とが含まれている。この符号化によって画像は圧縮される。
　なお、符号化装置１００に入力される、符号化される前の元の画像は、原画像、原信号、または原サンプルとも呼ばれる。また、画像は、動画像または静止画像であってもよい。また、画像は、シーケンス、ピクチャおよびブロックなどの上位概念であって、別途規定されない限り、空間的および時間的な領域の制限を受けない。また、画像は、画素または画素値の配列からなり、その画像を表す信号、または画素値は、サンプルとも呼ばれる。また、ストリームは、ビットストリーム、符号化ビットストリーム、圧縮ビットストリーム、または符号化信号と呼ばれてもよい。さらに、符号化装置は、画像符号化装置または動画像符号化装置と呼ばれてもよく、符号化装置１００による符号化の方法は、符号化方法、画像符号化方法、または動画像符号化方法と呼ばれてもよい。
　ネットワークＮｗは、符号化装置１００が生成したストリームを復号装置２００に伝送する。ネットワークＮｗは、インターネット、広域ネットワーク（ＷＡＮ：Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、小規模ネットワーク（ＬＡＮ：Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、またはこれらの組み合わせであってもよい。ネットワークＮｗは、必ずしも双方向の通信網に限らず、地上デジタル放送、または衛星放送等の放送波を伝送する一方向の通信網であってもよい。また、ネットワークＮｗは、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）、ＢＤ（Ｂｌｕ－Ｒａｙ　Ｄｉｓｃ（登録商標））等のストリームを記録した記憶媒体によって代替されてもよい。
　復号装置２００は、ネットワークＮｗが伝送したストリームを復号することによって、例えば非圧縮の画像である復号画像を生成する。例えば、復号装置は、符号化装置１００による符号化方法に対応する復号方法にしたがってストリームを復号する。
　なお、復号装置は、画像復号装置または動画像復号装置と呼ばれてもよく、復号装置２００による復号の方法は、復号方法、画像復号方法、または動画像復号方法と呼ばれてもよい。
　［データ構造］
　図２は、ストリームにおけるデータの階層構造の一例を示す図である。ストリームは、例えばビデオシーケンスを含む。このビデオシーケンスは、例えば図２の（ａ）に示すように、ＶＰＳ（Ｖｉｄｅｏ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）と、複数のピクチャとを含む。
　ＶＰＳは、複数のレイヤから構成されている動画像において、複数のレイヤに共通する符号化パラメータと、動画像に含まれる複数のレイヤ、または個々のレイヤに関連する符号化パラメータとを含む。
　ＳＰＳは、シーケンスに対して用いられるパラメータ、すなわち、シーケンスを復号するために復号装置２００が参照する符号化パラメータを含む。例えば、その符号化パラメータは、ピクチャの幅または高さを示してもよい。なお、ＳＰＳは複数存在してもよい。
　ＰＰＳは、ピクチャに対して用いられるパラメータ、すなわち、シーケンス内の各ピクチャを復号するために復号装置２００が参照する符号化パラメータを含む。例えば、その符号化パラメータは、ピクチャの復号に用いられる量子化幅の基準値と、重み付き予測の適用を示すフラグとを含んでもよい。なお、ＰＰＳは複数存在してもよい。また、ＳＰＳとＰＰＳとは、単にパラメータセットと呼ばれる場合がある。
　ピクチャは、図２の（ｂ）に示すように、ピクチャヘッダと、１つ以上のスライスを含んでいてもよい。ピクチャヘッダは、その１つ以上のスライスを復号するために復号装置２００が参照する符号化パラメータを含む。
　スライスは、図２の（ｃ）に示すように、スライスヘッダと、１つ以上のブリックとを含む。スライスヘッダは、その１つ以上のブリックを復号するために復号装置２００が参照する符号化パラメータを含む。
　ブリックは、図２の（ｄ）に示すように、１つ以上のＣＴＵ（Ｃｏｄｉｎｇ　Ｔｒｅｅ　Ｕｎｉｔ）を含む。
　なお、ピクチャは、スライスを含まず、そのスライスの代わりに、タイルグループを含んでいてもよい。この場合、タイルグループは、１つ以上のタイルを含む。また、ブリックにスライスが含まれていてもよい。
　ＣＴＵは、スーパーブロックまたは基本分割単位とも呼ばれる。このようなＣＴＵは、図２の（ｅ）に示すように、ＣＴＵヘッダと、１つ以上のＣＵ（Ｃｏｄｉｎｇ　Ｕｎｉｔ）とを含む。ＣＴＵヘッダは、１つ以上のＣＵを復号するために復号装置２００が参照する符号化パラメータを含む。
　ＣＵは、複数の小さいＣＵに分割されてもよい。また、ＣＵは、図２の（ｆ）に示すように、ＣＵヘッダと、予測情報と、残差係数情報とを含む。予測情報は、そのＣＵを予測するための情報であって、残差係数情報は、後述の予測残差を示す情報である。なお、ＣＵは、基本的にＰＵ（Ｐｒｅｄｉｃｔｉｏｎ　Ｕｎｉｔ）およびＴＵ（Ｔｒａｎｓｆｏｒｍ　Ｕｎｉｔ）と同一であるが、例えば後述のＳＢＴでは、そのＣＵよりも小さい複数のＴＵを含んでいてもよい。また、ＣＵは、そのＣＵを構成するＶＰＤＵ（Ｖｉｒｔｕａｌ　Ｐｉｐｅｌｉｎｅ　Ｄｅｃｏｄｉｎｇ　Ｕｎｉｔ）ごとに処理されてもよい。ＶＰＤＵは、例えば、ハードウェアにおいてパイプライン処理を行う際に、１ステージで処理できる固定的な単位である。
　なお、ストリームは、図２に示す各階層のうちの何れか一部の階層を有していなくてもよい。また、これらの階層の順番は、入れ替えられてもよく、何れかの階層は他の階層に置き換えられてもよい。また、符号化装置１００または復号装置２００などの装置によって現時点で行われる処理の対象とされているピクチャを、カレントピクチャという。その処理が符号化であれば、カレントピクチャは、符号化対象ピクチャと同義であり、その処理が復号であれば、カレントピクチャは、復号対象ピクチャと同義である。また、符号化装置１００または復号装置２００などの装置によって現時点で行われる処理の対象とされている例えばＣＵまたはＣＵなどのブロックを、カレントブロックという。その処理が符号化であれば、カレントブロックは、符号化対象ブロックと同義であり、その処理が復号であれば、カレントブロックは、復号対象ブロックと同義である。
　［ピクチャの構成　スライス／タイル］
　ピクチャを並列にデコードするために、ピクチャはスライス単位またはタイル単位で構成される場合がある。
　スライスは、ピクチャを構成する基本的な符号化の単位である。ピクチャは、例えば１つ以上のスライスから構成される。また、スライスは、１つ以上の連続するＣＴＵからなる。
　図３は、スライスの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つのスライス（スライス１－４）に分割される。スライス１は、例えば１６個のＣＴＵからなり、スライス２は、例えば２１個のＣＴＵからなり、スライス３は、例えば２９個のＣＴＵからなり、スライス４は、例えば２２個のＣＴＵからなる。ここで、ピクチャ内の各ＣＴＵは、いずれかのスライスに属する。スライスの形状は、ピクチャを水平方向に分割した形になる。スライスの境界は、画面端である必要はなく、画面内のＣＴＵの境界のうちどこであってもよい。スライスの中のＣＴＵの処理順（符号化順または復号順）は、例えばラスタ・スキャン順である。また、スライスは、スライスヘッダと符号化データを含む。スライスヘッダには、スライスの先頭のＣＴＵアドレス、スライス・タイプなどそのスライスの特徴が記述されてもよい。
　タイルは、ピクチャを構成する矩形領域の単位である。各タイルにはＴｉｌｅＩｄと呼ばれる番号がラスタ・スキャン順に割り振られてもよい。
　図４は、タイルの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つの矩形領域のタイル（タイル１－４）に分割される。タイルが使用される場合、タイルが使用されない場合と比べてＣＴＵの処理順が変更される。タイルが使用されない場合、ピクチャ内の複数のＣＴＵは例えばラスタ・スキャン順に処理される。タイルが使用される場合には、複数のタイルのそれぞれにおいて、少なくとも１つのＣＴＵが例えばラスタ・スキャン順に処理される。例えば、図４に示すように、タイル１に含まれる複数のＣＴＵの処理順は、タイル１の１列目左端からタイル１の１列目右端まで向かい、次に、タイル１の２列目左端からタイル１の２列目右端まで向かう順である。
　なお、１つのタイルは、１つ以上のスライスを含む場合があり、１つのスライスは、１つ以上のタイルを含む場合がある。
　なお、ピクチャはタイルセット単位で構成されていてもよい。タイルセットは、１つ以上のタイルグループを含んでもよく、１つ以上のタイルを含んでもよい。ピクチャは、タイルセット、タイルグループ、およびタイルのうちのいずれか１つのみによって構成されていてもよい。例えば、タイルセットごとに複数のタイルをラスタ順に走査する順序を、タイルの基本符号化順序とする。各タイルセット内で基本符号化順序が連続する１つ以上のタイルの集まりをタイルグループとする。このようなピクチャは、後述の分割部１０２（図７参照）によって構成されてもよい。
　［スケーラブル符号化］
　図５および図６は、スケーラブルなストリームの構成の一例を示す図である。
　符号化装置１００は、図５に示すように、複数のピクチャのそれぞれを、複数のレイヤの何れかに分けて符号化することによって、時間的／空間的スケーラブルなストリームを生成してもよい。例えば、符号化装置１００は、レイヤ毎にピクチャを符号化することによって、ベースレイヤの上位にエンハンスメントレイヤが存在するスケーラビリティを実現する。このような各ピクチャの符号化を、スケーラブル符号化という。これにより、復号装置２００は、そのストリームを復号することによって表示される画像の画質を切り換えることができる。つまり、復号装置２００は、自らの性能という内的要因と、通信帯域の状態などの外的要因とに応じて、どのレイヤまで復号するかを決定する。その結果、復号装置２００は、同一のコンテンツを低解像度のコンテンツと高解像度のコンテンツとに自由に切り替えて復号できる。例えば、そのストリームの利用者は、移動中に、スマートフォンを用いて、そのストリームの動画像を途中まで視聴し、帰宅後に、インターネットＴＶ等の機器を用いて、その動画像の続きを視聴する。なお、上述のスマートフォンおよび機器のそれぞれには、互いに性能が同一または異なる復号装置２００が組み込まれている。この場合には、その機器がそのストリームのうちの上位レイヤまでを復号すれば、利用者は、帰宅後には高画質の動画像を視聴することができる。これにより、符号化装置１００は、同一内容で画質の異なる複数のストリームを生成する必要がなく、処理負荷を低減することができる。
　さらに、エンハンスメントレイヤは、画像の統計情報などに基づくメタ情報を含んでいてもよい。復号装置２００は、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化された動画像を生成してもよい。超解像とは、同一解像度におけるＳＮ（Ｓｉｇｎａｌ－ｔｏ－Ｎｏｉｓｅ）比の向上、および、解像度の拡大のいずれであってもよい。メタ情報は、超解像処理に用いる線形もしくは非線形のフィルタ係数を特定するため情報、または、超解像処理に用いるフィルタ処理、機械学習もしくは最小２乗演算におけるパラメータ値を特定する情報などを含んでいてもよい。
　または、ピクチャ内の各オブジェクトなどの意味合いに応じて、そのピクチャはタイル等に分割されていてもよい。この場合、復号装置２００は、復号の対象とされるタイルを選択することで、ピクチャのうちの一部の領域だけを復号してもよい。また、オブジェクトの属性（人物、車、ボールなど）と、ピクチャ内の位置（同一ピクチャにおける座標位置など）とが、メタ情報として格納されていてもよい。この場合、復号装置２００は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図６に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩなどの、画像データとは異なるデータ格納構造を用いて格納される。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、または色彩などを示す。
　また、ストリーム、シーケンスまたはランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。これにより、復号装置２００は、特定人物が動画像内に出現する時刻などを取得でき、その時刻とピクチャ単位の情報とを用いることで、オブジェクトが存在するピクチャと、そのピクチャ内でのオブジェクトの位置とを特定できる。
　［符号化装置］
　次に、実施の形態に係る符号化装置１００を説明する。図７は、実施の形態に係る符号化装置１００の構成の一例を示すブロック図である。符号化装置１００は、画像をブロック単位で符号化する。
　図７に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、予測パラメータ生成部１３０とを備える。なお、イントラ予測部１２４およびインター予測部１２６のそれぞれは、予測処理部の一部として構成されている。
　［符号化装置の実装例］
　図８は、符号化装置１００の実装例を示すブロック図である。符号化装置１００は、プロセッサａ１およびメモリａ２を備える。例えば、図７に示された符号化装置１００の複数の構成要素は、図８に示されたプロセッサａ１およびメモリａ２によって実装される。
　プロセッサａ１は、情報処理を行う回路であり、メモリａ２にアクセス可能な回路である。例えば、プロセッサａ１は、画像を符号化する専用または汎用の電子回路である。プロセッサａ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサａ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサａ１は、図７に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリａ２は、プロセッサａ１が画像を符号化するための情報が記憶される専用または汎用のメモリである。メモリａ２は、電子回路であってもよく、プロセッサａ１に接続されていてもよい。また、メモリａ２は、プロセッサａ１に含まれていてもよい。また、メモリａ２は、複数の電子回路の集合体であってもよい。また、メモリａ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリａ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリａ２には、符号化される画像が記憶されてもよいし、符号化された画像に対応するストリームが記憶されてもよい。また、メモリａ２には、プロセッサａ１が画像を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、メモリａ２は、図７に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリａ２は、図７に示されたブロックメモリ１１８およびフレームメモリ１２２の役割を果たしてもよい。より具体的には、メモリａ２には、再構成画像（具体的には、再構成済みブロックまたは再構成済みピクチャ等）が記憶されてもよい。
　なお、符号化装置１００において、図７に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図７に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　以下、符号化装置１００の全体的な処理の流れを説明した後に、符号化装置１００に含まれる各構成要素について説明する。
　［符号化処理の全体フロー］
　図９は、符号化装置１００による全体的な符号化処理の一例を示すフローチャートである。
　まず、符号化装置１００の分割部１０２は、原画像に含まれるピクチャを複数の固定サイズのブロック（１２８×１２８画素）に分割する（ステップＳａ＿１）。そして、分割部１０２は、その固定サイズのブロックに対して分割パターンを選択する（ステップＳａ＿２）。つまり、分割部１０２は、固定サイズのブロックを、その選択された分割パターンを構成する複数のブロックに、さらに分割する。そして、符号化装置１００は、その複数のブロックのそれぞれに対してステップＳａ＿３～Ｓａ＿９の処理を行う。
　イントラ予測部１２４およびインター予測部１２６からなる予測処理部と、予測制御部１２８とは、カレントブロックの予測画像を生成する（ステップＳａ＿３）。なお、予測画像は、予測信号、予測ブロックまたは予測サンプルとも呼ばれる。
　次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳａ＿４）。なお、予測残差は、予測誤差とも呼ばれる。
　次に、変換部１０６および量子化部１０８は、その予測画像に対して変換および量子化を行うことによって、複数の量子化係数を生成する（ステップＳａ＿５）。
　次に、エントロピー符号化部１１０は、その複数の量子化係数と、予測画像の生成に関する予測パラメータとに対して符号化（具体的にはエントロピー符号化）を行うことによって、ストリームを生成する（ステップＳａ＿６）。
　次に、逆量子化部１１２および逆変換部１１４は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、予測残差を復元する（ステップＳａ＿７）。
　次に、加算部１１６は、その復元された予測残差に予測画像を加算することによってカレントブロックを再構成する（ステップＳａ＿８）。これにより、再構成画像が生成される。なお、再構成画像は、再構成ブロックとも呼ばれ、特に符号化装置１００によって生成される再構成画像は、ローカル復号ブロックまたはローカル復号画像とも呼ばれる。
　この再構成画像が生成されると、ループフィルタ部１２０は、その再構成画像に対してフィルタリングを必要に応じて行う（ステップＳａ＿９）。
　そして、符号化装置１００は、ピクチャ全体の符号化が完了したか否かを判定し（ステップＳａ＿１０）、完了していないと判定する場合（ステップＳａ＿１０のＮｏ）、ステップＳａ＿２からの処理を繰り返し実行する。
　なお、上述の例では、符号化装置１００は、固定サイズのブロックに対して１つの分割パターンを選択し、その分割パターンにしたがって各ブロックの符号化を行うが、複数の分割パターンのそれぞれにしたがって各ブロックの符号化を行ってもよい。この場合には、符号化装置１００は、複数の分割パターンのそれぞれに対するコストを評価し、例えば最も小さいコストの分割パターンにしたがった符号化によって得られるストリームを、最終的に出力されるストリームとして選択してもよい。
　また、これらのステップＳａ＿１～Ｓａ＿１０の処理は、符号化装置１００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　このような符号化装置１００による符号化処理は、予測符号化と変換符号化とを用いたハイブリッド符号化である。また、予測符号化は、減算部１０４、変換部１０６、量子化部１０８、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、ブロックメモリ１１８、フレームメモリ１２２、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８からなる符号化ループによって行われる。つまり、イントラ予測部１２４およびインター予測部１２６からなる予測処理部は、符号化ループの一部を構成する。
　［分割部］
　分割部１０２は、原画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８画素）のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、例えば再帰的な四分木（ｑｕａｄｔｒｅｅ）および／または二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４画素以下）のブロックに分割する。すなわち、分割部１０２は、分割パターンを選択する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、種々の実装例では、ＣＵ、ＰＵおよびＴＵは区別される必要はなく、ピクチャ内の一部またはすべてのブロックがＣＵ、ＰＵ、またはＴＵの処理単位となってもよい。
　図１０は、実施の形態におけるブロック分割の一例を示す図である。図１０において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロックである。このブロック１０は、まず、４つの６４ｘ６４画素の正方形ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４画素の正方形ブロックは、さらに、それぞれ３２ｘ６４画素からなる２つの矩形ブロックに垂直に分割され、左の３２ｘ６４画素の矩形ブロックは、さらに、それぞれ１６ｘ６４画素からなる２つの矩形ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４画素の正方形ブロックは、２つの１６ｘ６４画素の矩形ブロック１１および１２と、３２ｘ６４画素の矩形ブロック１３とに分割される。
　右上の６４ｘ６４画素の正方形ブロックは、それぞれ６４ｘ３２画素からなる２つの矩形ブロック１４および１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４画素の正方形ブロックは、それぞれ３２ｘ３２画素からなる４つの正方形ブロックに分割される（四分木ブロック分割）。それぞれ３２ｘ３２画素からなる４つの正方形ブロックのうち左上のブロックおよび右下のブロックは、さらに分割される。左上の３２ｘ３２画素の正方形ブロックは、それぞれ１６ｘ３２画素からなる２つの矩形ブロックに垂直に分割され、右の１６ｘ３２画素からなる矩形ブロックは、さらに、それぞれ１６ｘ１６画素からなる２つの正方形ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２画素からなる正方形ブロックは、それぞれ３２ｘ１６画素からなる２つの矩形ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４画素の正方形ブロックは、１６ｘ３２画素の矩形ブロック１６と、それぞれ１６ｘ１６画素の２つの正方形ブロック１７および１８と、それぞれ３２ｘ３２画素の２つの正方形ブロック１９および２０と、それぞれ３２ｘ１６画素の２つの矩形ブロック２１および２２とに分割される。
　右下の６４ｘ６４画素からなるブロック２３は分割されない。
　以上のように、図１０では、ブロック１０は、再帰的な四分木および二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図１０では、１つのブロックが４つまたは２つのブロックに分割されていたが（四分木または二分木ブロック分割）、分割はこれらに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　図１１は、分割部１０２の構成の一例を示す図である。図１１に示すように、分割部１０２は、ブロック分割決定部１０２ａを備えていてもよい。ブロック分割決定部１０２ａは、一例として以下の処理を行ってもよい。
　ブロック分割決定部１０２ａは、例えば、ブロックメモリ１１８またはフレームメモリ１２２からブロック情報を収集し、そのブロック情報に基づいて上述の分割パターンを決定する。分割部１０２は、その分割パターンにしたがって原画像を分割し、その分割によって得られる１つ以上のブロックを減算部１０４に出力する。
　また、ブロック分割決定部１０２ａは、例えば、上述の分割パターンを示すパラメータを変換部１０６、逆変換部１１４、イントラ予測部１２４、インター予測部１２６およびエントロピー符号化部１１０に出力する。変換部１０６は、そのパラメータに基づいて予測残差を変換してもよく、イントラ予測部１２４およびインター予測部１２６は、そのパラメータに基づいて予測画像を生成してもよい。また、エントロピー符号化部１１０は、そのパラメータに対してエントロピー符号化を行ってもよい。
　分割パターンに関するパラメータは、一例として以下のようにストリームに書き込まれてもよい。
　図１２は、分割パターンの例を示す図である。分割パターンには、例えばブロックを水平方向および垂直方向のそれぞれに２つに分割するような４分割（ＱＴ）と、ブロックを１対２対１の比率で同じ方向に分割するような３分割（ＨＴまたはＶＴ）と、ブロックを１対１の比率で同じ方向に分割するような２分割（ＨＢまたはＶＢ）と、分割しない（ＮＳ）と、がある。
　なお、４分割および分割しない場合には、分割パターンは、ブロック分割方向を持たず、２分割および３分割の場合には、分割パターンは、分割方向情報を持っている。
　図１３Ａおよび図１３Ｂは、分割パターンのシンタックスツリーの一例を示す図である。図１３Ａの例では、まず、はじめに、分割を行うか否かを示す情報（Ｓ：Ｓｐｌｉｔフラグ）が存在し、次に、４分割を行うか否かを示す情報（ＱＴ：ＱＴフラグ）が存在する。次に３分割を行うか２分割を行うかを示す情報（ＴＴ：ＴＴフラグまたはＢＴ：ＢＴフラグ）が存在し、最後に分割方向を示す情報（Ｖｅｒ：ＶｅｒｔｉｃａｌフラグまたはＨｏｒ：Ｈｏｒｉｚｏｎｔａｌフラグ）が存在している。なお、このような分割パターンによる分割によって得られる１つ以上のブロックのそれぞれに対し、さらに同様の処理で分割を繰り返し適用してもよい。すなわち、一例として、分割を行うか否か、４分割を行うか否か、分割方法は水平方向か垂直方向か、および３分割を行うか２分割を行うか、の判定を再帰的に実施し、実施した判定結果を図１３Ａに示すシンタックスツリーに開示した符号化順序に従ってストリームに符号化してもよい。
　また、図１３Ａに示すシンタックスツリーでは、Ｓ、ＱＴ、ＴＴ、Ｖｅｒの順でそれらの情報が配置されているが、Ｓ、ＱＴ、Ｖｅｒ、ＢＴの順でそれらの情報が配置されていてもよい。つまり、図１３Ｂの例では、まず、分割を行うか否かを示す情報（Ｓ：Ｓｐｌｉｔフラグ）が存在し、次に、４分割を行うか否かを示す情報（ＱＴ：ＱＴフラグ）が存在する。次に分割方向を示す情報（Ｖｅｒ：ＶｅｒｔｉｃａｌフラグまたはＨｏｒ：Ｈｏｒｉｚｏｎｔａｌフラグ）が存在し、最後に２分割を行うか３分割を行うかを示す情報（ＢＴ：ＢＴフラグまたはＴＴ：ＴＴフラグ）が存在している。
　なお、ここで説明した分割パターンは一例であり、説明した分割パターン以外のものを用いてもよく、説明した分割パターンの一部のみを用いてもよい。
　［減算部］
　減算部１０４は、分割部１０２から入力され、分割部１０２によって分割されたブロック単位で、原画像から予測画像（予測制御部１２８から入力される予測画像）を減算する。つまり、減算部１０４は、カレントブロックの予測残差を算出する。そして、減算部１０４は、算出された予測残差を変換部１０６に出力する。
　原画像は、符号化装置１００の入力信号であり、例えば、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号および２つの色差（ｃｈｒｏｍａ）信号）である。
　［変換部］
　変換部１０６は、空間領域の予測残差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測残差に対して予め定められた離散コサイン変換（ＤＣＴ）または離散サイン変換（ＤＳＴ）を行う。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測残差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）またはＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。また、変換基底関数は、単に基底と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－ＩおよびＤＳＴ－ＶＩＩを含む。なお、これらの変換タイプは、ＤＣＴ２、ＤＣＴ５、ＤＣＴ８、ＤＳＴ１およびＤＳＴ７とそれぞれ表記されてもよい。図１４は、各変換タイプに対応する変換基底関数を示す表である。図１４においてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測およびインター予測など）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴまたはＡＭＴを適用するか否かを示す情報（例えばＥＭＴフラグまたはＡＭＴフラグと呼ばれる）と、選択された変換タイプを示す情報とは、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（すなわち変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）またはＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測残差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４画素のサブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報と、ＮＳＳＴに用いられる変換行列に関する情報とは、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　変換部１０６には、Ｓｅｐａｒａｂｌｅな変換と、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とが適用されてもよい。Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の一例として、入力が４×４画素のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換のさらなる例では、４×４画素の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うような変換（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）が行われてもよい。
　変換部１０６での変換では、ＣＵ内の領域に応じて周波数領域に変換する変換基底関数の変換タイプを切替えることもできる。一例として、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）がある。
　図１５は、ＳＶＴの一例を示す図である。
　ＳＶＴでは、図１５に示すように、水平方向あるいは垂直方向にＣＵを２等分し、いずれか一方の領域のみ周波数領域への変換を行う。変換タイプは、領域毎に設定されてもよく、例えば、ＤＳＴ７とＤＣＴ８が用いられる。例えば、ＣＵが垂直方向に２等分されることによって得られる２つの領域のうち、位置０の領域に対してはＤＳＴ７およびＤＣＴ８が用いられ得る。または、その２つの領域のうち、位置１の領域に対してはＤＳＴ７が用いられる。同様に、ＣＵが水平方向に２等分されることによって得られる２つの領域のうち、位置０の領域に対してはＤＳＴ７およびＤＣＴ８が用いられる。または、その２つの領域のうち、位置１の領域に対してはＤＳＴ７が用いられる。このような図１５に示す例では、ＣＵ内の２つの領域のうち、どちらか一方のみ変換が行われ、もう一方には変換が行われないが、２つの領域のそれぞれに対して変換を行ってもよい。また、分割方法には、２等分だけでなく、４等分もあってもよい。また、分割方法を示す情報を符号化してＣＵ分割と同様にシグナリングするなど、より柔軟にすることもできる。なお、ＳＶＴは、ＳＢＴ（Ｓｕｂ－ｂｌｏｃｋ　Ｔｒａｎｓｆｏｒｍ）と呼ぶこともある。
　前述したＡＭＴおよびＥＭＴは、ＭＴＳ（Ｍｕｌｔｉｐｌｅ　Ｔｒａｎｓｆｏｒｍ　Ｓｅｌｅｃｔｉｏｎ）と呼ばれてもよい。ＭＴＳを適用する場合は、ＤＳＴ７またはＤＣＴ８などの変換タイプを選択でき、選択された変換タイプを示す情報は、ＣＵ毎にインデックス情報として符号化されてもよい。一方で、ＣＵの形状に基づいて、インデックス情報を符号化することなく直交変換に使用する変換タイプを選択する処理として、ＩＭＴＳ（Ｉｍｐｌｉｃｉｔ　ＭＴＳ）と呼ばれる処理がある。ＩＭＴＳを適用する場合は、例えばＣＵの形状が矩形であれば、矩形の短辺側はＤＳＴ７、長辺側はＤＣＴ２を用いて、それぞれ直交変換する。また例えばＣＵの形状が正方形の場合は、シーケンス内でＭＴＳが有効であればＤＣＴ２を用い、ＭＴＳが無効であればＤＳＴ７を用いて直交変換を行う。ＤＣＴ２およびＤＳＴ７は一例であり、他の変換タイプを用いてもよいし、用いる変換タイプの組合せを異なる組合せとすることも可能である。ＩＭＴＳは、イントラ予測のブロックでのみ使用可としてもよいし、イントラ予測のブロックおよびインター予測のブロック共に使用可としてもよい。
　以上では、直交変換に用いる変換タイプを選択的に切り替える選択処理として、ＭＴＳ、ＳＢＴ、およびＩＭＴＳの３つの処理について説明したが、３つの選択処理は全て有効としてもよいし、選択的に一部の選択処理のみを有効としてもよい。個々の選択処理を有効とするかどうかは、ＳＰＳなどヘッダ内のフラグ情報などで識別できる。例えば、３つの選択処理が全て有効であれば、ＣＵ単位で、３つの選択処理から１つを選択して直交変換を行う。なお、変換タイプを選択的に切り替える選択処理は、以下の４つの機能［１］～［４］の少なくとも１つの機能が実現できれば、上記３つの選択処理とは異なる選択処理を用いてもよく、上記３つの選択処理のそれぞれを別の処理に置き換えてもよい。機能［１］は、ＣＵ内の全範囲を直交変換して、変換に用いた変換タイプを示す情報を符号化する機能である。機能［２］は、ＣＵの全範囲を直交変換して、変換タイプを示す情報は符号化せずに所定のルールに基づいて変換タイプを決定する機能である。機能［３］は、ＣＵの一部分の領域を直交変換して、変換に用いた変換タイプを示す情報を符号化する機能である。機能［４］は、ＣＵの一部分の領域を直交変換して、変換に用いた変換タイプを示す情報は符号化せずに所定のルールに基づいて変換タイプを決定する機能などである。
　なお、ＭＴＳ、ＩＭＴＳ、およびＳＢＴのそれぞれの適用の有無は処理単位ごとに決定されてもよい。例えば、シーケンス単位、ピクチャ単位、ブリック単位、スライス単位、ＣＴＵ単位、またはＣＵ単位で適用の有無を決定してもよい。
　なお、本開示における変換タイプを選択的に切り替えるツールは、変換処理に用いる基底を適応的に選択する方法、選択処理、または基底を選択するプロセスと言い換えてもよい。また、変換タイプを選択的に切り替えるツールは、変換タイプを適応的に選択するモードと言い換えてもよい。
　図１６は、変換部１０６による処理の一例を示すフローチャートである。
　例えば、変換部１０６は、直交変換を行うか否かを判定する（ステップＳｔ＿１）。ここで、変換部１０６は、直交変換を行うと判定すると（ステップＳｔ＿１のＹｅｓ）、複数の変換タイプから、直交変換に用いる変換タイプを選択する（ステップＳｔ＿２）。次に、変換部１０６は、その選択した変換タイプをカレントブロックの予測残差に適用することによって直交変換を行う（ステップＳｔ＿３）。そして、変換部１０６は、その選択した変換タイプを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｔ＿４）。一方、変換部１０６は、直交変換を行わないと判定すると（ステップＳｔ＿１のＮｏ）、直交変換を行わないことを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｔ＿５）。なお、ステップＳｔ＿１における直交変換を行うか否かの判定は、例えば、変換ブロックのサイズ、ＣＵに適用された予測モードなどに基づいて判定されてもよい。また、直交変換に用いる変換タイプを示す情報は符号化されず、予め規定された変換タイプを用いて直交変換を行ってもよい。
　図１７は、変換部１０６による処理の他の例を示すフローチャートである。なお、図１７に示す例は、図１６に示す例と同様、直交変換に用いる変換タイプを選択的に切り替える方法を適用する場合の直交変換の例である。
　一例として、第１の変換タイプ群は、ＤＣＴ２、ＤＳＴ７およびＤＣＴ８を含んでもよい。また一例として、第２の変換タイプ群はＤＣＴ２を含んでいてもよい。また、第１の変換タイプ群と第２の変換タイプ群とに含まれる変換タイプは、一部が重複していてもよいし、全て異なる変換タイプであってもよい。
　具体的には、変換部１０６は、変換サイズが所定値以下であるか否かを判定する（ステップＳｕ＿１）。ここで、所定値以下であると判定すると（ステップＳｕ＿１のＹｅｓ）、変換部１０６は、第１の変換タイプ群に含まれる変換タイプを用いてカレントブロックの予測残差を直交変換する（ステップＳｕ＿２）。次に、変換部１０６は、第１の変換タイプ群に含まれる１つ以上の変換タイプのうち、いずれの変換タイプを用いるかを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｕ＿３）。一方、変換部１０６は、変換サイズが所定値以下ではないと判定すると（ステップＳｕ＿１のＮｏ）、第２の変換タイプ群を用いてカレントブロックの予測残差を直交変換する（ステップＳｕ＿４）。
　ステップＳｕ＿３において、直交変換に用いられる変換タイプを示す情報は、カレントブロックの垂直方向に適用する変換タイプおよび水平方向に適用する変換タイプの組合せを示す情報であってもよい。また、第１の変換タイプ群は１つの変換タイプのみを含んでいてもよく、直交変換に用いられる変換タイプを示す情報は符号化されなくともよい。第２の変換タイプ群が複数の変換タイプを含んでいてもよく、第２の変換タイプ群に含まれる１つ以上の変換タイプのうち、直交変換に用いられる変換タイプを示す情報が符号化されてもよい。
　また、変換サイズのみに基づいて変換タイプが決定されてもよい。なお、変換サイズに基づいて、直交変換に用いる変換タイプを決定する処理であれば、変換サイズが所定値以下であるか否かの判定に限定されない。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの複数の変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された複数の変換係数（以下、量子化係数という）をエントロピー符号化部１１０および逆量子化部１１２に出力する。
　所定の走査順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）または降順（高周波から低周波の順）で定義される。
　量子化パラメータ（ＱＰ）とは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化係数の誤差（量子化誤差）が増大する。
　また、量子化には、量子化マトリックスが使用される場合がある。例えば、４ｘ４および８ｘ８などの周波数変換サイズと、イントラ予測およびインター予測などの予測モードと、輝度および色差などの画素成分とに対応して数種類の量子化マトリックスが使われる場合がある。なお、量子化とは、予め定められた間隔でサンプリングした値を予め定められたレベルに対応づけてデジタル化することをいい、この技術分野では、丸め、ラウンディング、またはスケーリングといった表現が用いられる場合もある。
　量子化マトリックスを使用する方法として、符号化装置１００側で直接設定された量子化マトリックスを使用する方法と、デフォルトの量子化マトリックス（デフォルトマトリックス）を使用する方法とがある。符号化装置１００側では、量子化マトリックスを直接設定することにより、画像の特徴に応じた量子化マトリックスを設定することができる。しかし、この場合、量子化マトリックスの符号化によって、符号量が増加するというデメリットがある。なお、デフォルトの量子化マトリックスまたは符号化された量子化マトリックスをそのまま用いるのではなく、デフォルトの量子化マトリックスまたは符号化された量子化マトリックスに基づいてカレントブロックの量子化に用いる量子化マトリックスを生成してもよい。
　一方、量子化マトリックスを使用せず、高域成分の係数も低域成分の係数も同じように量子化する方法もある。なお、この方法は、係数が全て同じ値である量子化マトリックス（フラットなマトリックス）を用いる方法に等しい。
　量子化マトリックスは、例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化されてもよい。
　量子化部１０８は、量子化マトリックスを用いる場合には、例えば、変換係数毎に、量子化パラメータなどから求まる量子化幅などを、量子化マトリックスの値を用いてスケーリングする。量子化マトリックスを用いずに行う量子化処理とは、量子化パラメータなどから求まる量子化幅に基づいて変換係数を量子化する処理であってもよい。なお、量子化マトリックスを用いずに行う量子化処理において、量子化幅に対して、ブロック内の全変換係数に対して共通となる所定の値を乗算してもよい。
　図１８は、量子化部１０８の構成の一例を示すブロック図である。
　量子化部１０８は、例えば、差分量子化パラメータ生成部１０８ａと、予測量子化パラメータ生成部１０８ｂと、量子化パラメータ生成部１０８ｃと、量子化パラメータ記憶部１０８ｄと、量子化処理部１０８ｅとを備える。
　図１９は、量子化部１０８による量子化の一例を示すフローチャートである。
　一例として、量子化部１０８は、図１９に示すフローチャートに基づいてＣＵごとに量子化を実施してもよい。具体的には、量子化パラメータ生成部１０８ｃは、量子化を行うか否かを判定する（ステップＳｖ＿１）。ここで、量子化を行うと判定すると（ステップＳｖ＿１のＹｅｓ）、量子化パラメータ生成部１０８ｃは、カレントブロックの量子化パラメータを生成し（ステップＳｖ＿２）、その量子化パラメータを量子化パラメータ記憶部１０８ｄに格納する（ステップＳｖ＿３）。
　次に、量子化処理部１０８ｅは、ステップＳｖ＿２で生成された量子化パラメータを用いてカレントブロックの変換係数を量子化する（ステップＳｖ＿４）。そして、予測量子化パラメータ生成部１０８ｂは、カレントブロックとは異なる処理単位の量子化パラメータを量子化パラメータ記憶部１０８ｄから取得する（ステップＳｖ＿５）。予測量子化パラメータ生成部１０８ｂは、その取得した量子化パラメータに基づいて、カレントブロックの予測量子化パラメータを生成する（ステップＳｖ＿６）。差分量子化パラメータ生成部１０８ａは、量子化パラメータ生成部１０８ｃによって生成された、カレントブロックの量子化パラメータと、予測量子化パラメータ生成部１０８ｂによって生成された、カレントブロックの予測量子化パラメータとの差分を算出する（ステップＳｖ＿７）。この差分の算出によって、差分量子化パラメータが生成される。差分量子化パラメータ生成部１０８ａは、その差分量子化パラメータをエントロピー符号化部１１０に出力することによって、その差分量子化パラメータを符号化させる（ステップＳｖ＿８）。
　なお、差分量子化パラメータは、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化されてもよい。また、量子化パラメータの初期値を、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化してもよい。このとき、量子化パラメータは量子化パラメータの初期値と差分量子化パラメータとを用いて生成されてもよい。
　なお、量子化部１０８は、複数の量子化器を備えていてもよく、複数の量子化方法から選択した量子化方法を用いて変換係数を量子化するｄｅｐｅｎｄｅｎｔ　ｑｕａｎｔｉｚａｔｉｏｎを適用してもよい。
　［エントロピー符号化部］
　図２０は、エントロピー符号化部１１０の構成の一例を示すブロック図である。
　エントロピー符号化部１１０は、量子化部１０８から入力された量子化係数と、予測パラメータ生成部１３０から入力された予測パラメータとに対してエントロピー符号化を行うことによってストリームを生成する。そのエントロピー符号化には、例えば、ＣＡＢＡＣ（Ｃｏｎｔｅｘｔ－ｂａｓｅｄ　Ａｄａｐｔｉｖｅ　Ｂｉｎａｒｙ　Ａｒｉｔｈｍｅｔｉｃ　Ｃｏｄｉｎｇ）が用いられる。具体的には、エントロピー符号化部１１０は、例えば、二値化部１１０ａと、コンテキスト制御部１１０ｂと、二値算術符号化部１１０ｃとを備える。二値化部１１０ａは、量子化係数および予測パラメータなどの多値信号を二値信号に変換する二値化を行う。二値化の方式には、例えば、Ｔｒｕｎｃａｔｅｄ　Ｒｉｃｅ　Ｂｉｎａｒｉｚａｔｉｏｎ、Ｅｘｐｏｎｅｎｔｉａｌ　Ｇｏｌｏｍｂ　ｃｏｄｅｓ、Ｆｉｘｅｄ　Ｌｅｎｇｔｈ　Ｂｉｎａｒｉｚａｔｉｏｎなどがある。コンテキスト制御部１１０ｂは、シンタックス要素の特徴または周囲の状況に応じたコンテキスト値、すなわち二値信号の発生確率を導出する。このコンテキスト値の導出方法には、例えば、バイパス、シンタックス要素参照、上・左隣接ブロック参照、階層情報参照、および、その他などがある。二値算術符号化部１１０ｃは、その導出されたコンテキスト値を用いて二値化信号に対して算術符号化を行う。
　図２１は、エントロピー符号化部１１０におけるＣＡＢＡＣの流れを示す図である。
　まず、エントロピー符号化部１１０におけるＣＡＢＡＣでは、初期化が行われる。この初期化では、二値算術符号化部１１０ｃにおける初期化と、初期コンテキスト値の設定とが行われる。そして、二値化部１１０ａおよび二値算術符号化部１１０ｃは、例えばＣＴＵの複数の量子化係数のそれぞれに対して順に、二値化と算術符号化とを実行する。このとき、コンテキスト制御部１１０ｂは、算術符号化が行われるたびにコンテキスト値の更新を行う。そして、コンテキスト制御部１１０ｂは、後処理として、コンテキスト値を退避させる。この退避されたコンテキスト値は、例えば次のＣＴＵに対するコンテキスト値の初期値のために用いられる。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８から入力された量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２から入力された変換係数を逆変換することにより予測残差を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測残差を復元する。そして、逆変換部１１４は、復元された予測残差を加算部１１６に出力する。
　なお、復元された予測残差は、通常、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測残差には、通常、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４から入力された予測残差と予測制御部１２８から入力された予測画像とを加算することによりカレントブロックを再構成する。その結果、再構成画像が生成される。そして、加算部１１６は、再構成画像をブロックメモリ１１８およびループフィルタ部１２０に出力する。
　［ブロックメモリ］
　ブロックメモリ１１８は、例えば、イントラ予測で参照されるブロックであってカレントピクチャ内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成画像を格納する。
　［フレームメモリ］
　フレームメモリ１２２は、例えば、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成画像を格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６から出力される再構成画像にループフィルタ処理を施し、そのフィルタ処理された再構成画像をフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、アダプティブループフィルタ（ＡＬＦ）、デブロッキング・フィルタ（ＤＦまたはＤＢＦ）、およびサンプルアダプティブオフセット（ＳＡＯ）などを含む。
　図２２は、ループフィルタ部１２０の構成の一例を示すブロック図である。
　ループフィルタ部１２０は、例えば図２２に示すように、デブロッキング・フィルタ処理部１２０ａと、ＳＡＯ処理部１２０ｂと、ＡＬＦ処理部１２０ｃとを備える。デブロッキング・フィルタ処理部１２０ａは、再構成画像に対して上述のデブロッキング・フィルタ処理を施す。ＳＡＯ処理部１２０ｂは、デブロッキング・フィルタ処理後の再構成画像に対して上述のＳＡＯ処理を施す。また、ＡＬＦ処理部１２０ｃは、ＳＡＯ処理後の再構成画像に対して上述のＡＬＦ処理を適用する。ＡＬＦおよびデブロッキング・フィルタの詳細については、後述する。ＳＡＯ処理は、リンギング（エッジ周辺で画素値が波打つように歪む現象）の低減と、画素値のずれの補正とによって、画質を改善する処理である。このＳＡＯ処理には、例えば、エッジ・オフセット処理およびバンド・オフセット処理などがある。なお、ループフィルタ部１２０は、図２２に開示した全ての処理部を備えていなくてもよく、一部の処理部のみを備えていてもよい。また、ループフィルタ部１２０は、図２２に開示した処理順とは異なる順番で上述の各処理を行う構成であってもよい。
　［ループフィルタ部　＞　アダプティブループフィルタ］
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２画素のサブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向および活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２画素のサブブロック）が複数のクラス（例えば１５または２５クラス）に分類される。サブブロックの分類は、例えば、勾配の方向および活性度に基づいて行われる。具体的な例では、勾配の方向値Ｄ（例えば０～２または０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラスに分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直および２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図２３Ａ～図２３Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図２３Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図２３Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図２３Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、通常、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベルまたはＣＵレベルで決定されてもよい。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定されてもよく、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定されてもよい。ＡＬＦのオン／オフを示す情報は、通常、ピクチャレベルまたはＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベルまたはＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　また、上述のように、複数のフィルタの中から１つのフィルタが選択されてサブブロックにＡＬＦ処理が施される。その複数のフィルタ（例えば１５または２５までのフィルタ）のそれぞれについて、そのフィルタに用いられる複数の係数からなる係数セットは、通常、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベル、ＣＴＵレベル、ＣＵレベルまたはサブブロックレベル）であってもよい。
　［ループフィルタ　＞　クロスコンポーネントアダプティブループフィルタ（Ｃｒｏｓｓ　Ｃｏｍｐｏｎｅｎｔ　Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）］
　図２３Ｄは、Ｙサンプル（第１成分）がＣｂのＣＣＡＬＦおよびＣｒのＣＣＡＬＦ（第１成分とは異なる複数の成分）に使用される例を示す図である。図２３Ｅは、ダイヤモンド形状フィルタを示す図である。
　ＣＣ－ＡＬＦの１つの例は、線形のダイヤモンド形フィルタ（図２３Ｄ、図２３Ｅ）を各色差コンポーネントの輝度チャネルに適用することによって動作する。例えば、フィルタ係数はＡＰＳで送信され、２＾１０のファクターでスケーリングされ、固定小数点表現のために丸められる。フィルタの適用は、可変ブロックサイズで制御され、サンプルのブロックごとに受信されるコンテキスト符号化済みのフラグで通知される。ブロックサイズとＣＣ－ＡＬＦ有効化フラグは、各色差コンポーネントのスライスレベルで受信される。ＣＣ－ＡＬＦのシンタックスとセマンティクスは、Ａｐｐｅｎｄｉｘにおいて提供される。寄書では、（色差サンプルにおいて）１６ｘ１６、３２ｘ３２、６４ｘ６４、１２８ｘ１２８のブロックサイズがサポートされている。
　［ループフィルタ　＞　結合色差クロスコンポーネントアダプティブループフィルタ（Ｊｏｉｎｔ　Ｃｈｒｏｍａ　Ｃｒｏｓｓ　Ｃｏｍｐｏｎｅｎｔ　Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）］
　図２３Ｆは、ＪＣ－ＣＣＡＬＦの例を示す図である。図２３Ｇは、ＪＣ－ＣＣＡＬＦのｗｅｉｇｈｔ＿ｉｎｄｅｘ候補の例を示す図である。
　ＪＣ－ＣＣＡＬＦの１つの例は、１つのＣＣＡＬＦフィルタのみを使用して、１つの色成分のみの色差調整信号として１つのＣＣＡＬＦフィルタ出力を生成し、同じ色差調整信号の適切に重み付けされたバージョンを他の色成分に適用する。このようにして、既存のＣＣＡＬＦの複雑さがおおよそ半分になる。
　重み値は、符号（ｓｉｇｎ）フラグ及び重みインデックスへ符号化される。重みインデックス（ｗｅｉｇｈｔ＿ｉｎｄｅｘと示す）は、３ビットに符号化され、ＪＣ－ＣＣＡＬＦウェイトＪｃＣｃＷｅｉｇｈｔの大きさを指定する。０と同じにすることはできない。ＪｃＣｃＷｅｉｇｈｔの大きさは次のように決定される。
　・ｗｅｉｇｈｔ＿ｉｎｄｅｘが４以下の場合、ＪｃＣｃＷｅｉｇｈｔはｗｅｉｇｈｔ＿ｉｎｄｅｘ＞＞２と等しい。
　・それ以外の場合、ＪｃＣｃＷｅｉｇｈｔは４／（ｗｅｉｇｈｔ＿ｉｎｄｅｘ－４）に等しい。
　Ｃｂ及びＣｒのＡＬＦフィルタリングのブロックレベルのオン／オフ制御は別々である。これは、ＣＣＡＬＦと同じであり、ブロックレベルのオン／オフ制御フラグの２つの個別のセットが符号化される。ここでは、ＣＣＡＬＦとは異なり、Ｃｂ、Ｃｒのオン／オフ制御ブロックサイズは同じであるため、１つのブロックサイズ変数のみが符号化される。
　［ループフィルタ部　＞　デブロッキング・フィルタ］
　デブロッキング・フィルタ処理では、ループフィルタ部１２０は、再構成画像のブロック境界にフィルタ処理を行うことによって、そのブロック境界に生じる歪みを減少させる。
　図２４は、デブロッキング・フィルタ処理部１２０ａの詳細な構成の一例を示すブロック図である。
　デブロッキング・フィルタ処理部１２０ａは、例えば、境界判定部１２０１と、フィルタ判定部１２０３と、フィルタ処理部１２０５と、処理判定部１２０８と、フィルタ特性決定部１２０７と、スイッチ１２０２、１２０４および１２０６とを備える。
　境界判定部１２０１は、デブロッキング・フィルタ処理される画素（すなわち対象画素）がブロック境界付近に存在しているか否かを判定する。そして、境界判定部１２０１は、その判定結果をスイッチ１２０２および処理判定部１２０８に出力する。
　スイッチ１２０２は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定された場合には、フィルタ処理前の画像を、スイッチ１２０４に出力する。逆に、スイッチ１２０２は、境界判定部１２０１によって対象画素がブロック境界付近に存在していないと判定された場合には、フィルタ処理前の画像をスイッチ１２０６に出力する。なお、フィルタ処理前の画像は、対象画素と、その対象画素の周辺にある少なくとも１つの周辺画素からなる画像である。
　フィルタ判定部１２０３は、対象画素の周辺にある少なくとも１つの周辺画素の画素値に基づいて、対象画素に対してデブロッキング・フィルタ処理を行うか否かを判定する。そして、フィルタ判定部１２０３は、その判定結果をスイッチ１２０４および処理判定部１２０８に出力する。
　スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像を、フィルタ処理部１２０５に出力する。逆に、スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行わないとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ処理部１２０５は、スイッチ１２０２および１２０４を介してフィルタ処理前の画像を取得した場合には、フィルタ特性決定部１２０７によって決定されたフィルタ特性を有するデブロッキング・フィルタ処理を、対象画素に対して実行する。そして、フィルタ処理部１２０５は、そのフィルタ処理後の画素をスイッチ１２０６に出力する。
　スイッチ１２０６は、処理判定部１２０８による制御に応じて、デブロッキング・フィルタ処理されていない画素と、フィルタ処理部１２０５によってデブロッキング・フィルタ処理された画素とを選択的に出力する。
　処理判定部１２０８は、境界判定部１２０１およびフィルタ判定部１２０３のそれぞれの判定結果に基づいて、スイッチ１２０６を制御する。つまり、処理判定部１２０８は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定され、かつ、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、デブロッキング・フィルタ処理された画素をスイッチ１２０６から出力させる。また、上述の場合以外では、処理判定部１２０８は、デブロッキング・フィルタ処理されていない画素をスイッチ１２０６から出力させる。このような画素の出力が繰り返し行われることによって、フィルタ処理後の画像がスイッチ１２０６から出力される。なお、図２４に示す構成は、デブロッキング・フィルタ処理部１２０ａにおける構成の一例であって、デブロッキング・フィルタ処理部１２０ａは、その他の構成を有していてもよい。
　図２５は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。
　デブロッキング・フィルタ処理では、例えば、画素値と量子化パラメータを用いて、特性の異なる２つのデブロッキング・フィルタ、すなわちストロングフィルタおよびウィークフィルタのうちの何れか１つが選択される。ストロングフィルタでは、図２５に示すように、ブロック境界を挟んで画素ｐ０～ｐ２と、画素ｑ０～ｑ２とが存在する場合、画素ｑ０～ｑ２のそれぞれの画素値は、以下の式に示す演算を行うことによって、画素値ｑ’０～ｑ’２に変更される。
　　ｑ’０＝（ｐ１＋２×ｐ０＋２×ｑ０＋２×ｑ１＋ｑ２＋４）／８
　　ｑ’１＝（ｐ０＋ｑ０＋ｑ１＋ｑ２＋２）／４
　　ｑ’２＝（ｐ０＋ｑ０＋ｑ１＋３×ｑ２＋２×ｑ３＋４）／８
　なお、上述の式において、ｐ０～ｐ２およびｑ０～ｑ２は、画素ｐ０～ｐ２および画素ｑ０～ｑ２のそれぞれの画素値である。また、ｑ３は、画素ｑ２にブロック境界と反対側に隣接する画素ｑ３の画素値である。また、上述の各式の右辺において、デブロッキング・フィルタ処理に用いられる各画素の画素値に乗算される係数が、フィルタ係数である。
　さらに、デブロッキング・フィルタ処理では、演算後の画素値が閾値を超えて変化しないように、クリップ処理が行われてもよい。このクリップ処理では、上述の式による演算後の画素値は、量子化パラメータから決定される閾値を用いて、「演算前の画素値±２×閾値」にクリップされる。これにより、過度な平滑化を防ぐことができる。
　図２６は、デブロッキング・フィルタ処理が行われるブロック境界の一例を説明するための図である。図２７は、ＢＳ値の一例を示す図である。
　デブロッキング・フィルタ処理が行われるブロック境界は、例えば、図２６で示すような８×８画素のブロックのＣＵ、ＰＵまたはＴＵの境界である。デブロッキング・フィルタ処理は、例えば、４行または４列を単位に行われる。まず、図２６に示すブロックＰおよびブロックＱに対して、図２７のようにＢｓ（Ｂｏｕｎｄａｒｙ　Ｓｔｒｅｎｇｔｈ）値が決定される。
　図２７のＢｓ値にしたがい、同一の画像に属するブロック境界であっても、異なる強さのデブロッキング・フィルタ処理を行うか否かが決定されてもよい。色差信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が２の場合に行われる。輝度信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が１以上であって、所定の条件が満たされた場合に行われる。なお、Ｂｓ値の判定条件は図２７に示したものに限定されず、他のパラメータに基づいて決定されてもよい。
　［予測部（イントラ予測部・インター予測部・予測制御部）］
　図２８は、符号化装置１００の予測部で行われる処理の一例を示すフローチャートである。なお、一例として予測部は、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８の全てまたは一部の構成要素からなる。予測処理部は、例えばイントラ予測部１２４およびインター予測部１２６を含む。
　予測部は、カレントブロックの予測画像を生成する（ステップＳｂ＿１）。なお、予測画像には、例えばイントラ予測画像（イントラ予測信号）またはインター予測画像（インター予測信号）がある。具体的には、予測部は、他のブロックに対する予測画像の生成、予測残差の生成、量子化係数の生成、予測残差の復元、および予測画像の加算が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の符号化済みのブロック（すなわち、上述の他のブロック）の画像であってもよい。カレントピクチャ内の符号化済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図２９は、符号化装置１００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、第１の方式で予測画像を生成し（ステップＳｃ＿１ａ）、第２の方式で予測画像を生成し（ステップＳｃ＿１ｂ）、第３の方式で予測画像を生成する（ステップＳｃ＿１ｃ）。第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　次に、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像を評価する（ステップＳｃ＿２）。例えば、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像に対してコストＣを算出し、それらの予測画像のコストＣを比較することによって、それらの予測画像を評価する。なお、コストＣは、Ｒ－Ｄ最適化モデルの式、例えば、Ｃ＝Ｄ＋λ×Ｒによって算出される。この式において、Ｄは、予測画像の符号化歪であって、例えば、カレントブロックの画素値と予測画像の画素値との差分絶対値和などによって表される。また、Ｒは、ストリームのビットレートである。また、λは、例えばラグランジュの未定乗数である。
　次に、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像のうちの何れか１つを選択する（ステップＳｃ＿３）。つまり、予測部は、最終的な予測画像を得るための方式またはモードを選択する。例えば、予測部は、それらの予測画像に対して算出されたコストＣに基づき、最も小さいコストＣの予測画像を選択する。または、ステップＳｃ＿２の評価およびステップＳｃ＿３における予測画像の選択は、符号化の処理に用いられるパラメータに基づいて行われてもよい。符号化装置１００は、その選択された予測画像、方式またはモードを特定するための情報をストリームに信号化してもよい。その情報は、例えばフラグなどであってもよい。これにより、復号装置２００は、その情報に基づいて、符号化装置１００において選択された方式またはモードにしたがって予測画像を生成することができる。なお、図２９に示す例では、予測部は、各方式で予測画像を生成した後に、何れかの予測画像を選択する。しかし、予測部は、それらの予測画像を生成する前に、上述の符号化の処理に用いられるパラメータに基づいて、方式またはモードを選択し、その方式またはモードにしたがって予測画像を生成してもよい。
　例えば、第１の方式および第２の方式は、それぞれイントラ予測およびインター予測であって、予測部は、これらの予測方式にしたがって生成される予測画像から、カレントブロックに対する最終的な予測画像を選択してもよい。
　図３０は、符号化装置１００の予測部で行われる処理の他の例を示すフローチャートである。
　まず、予測部は、イントラ予測によって予測画像を生成し（ステップＳｄ＿１ａ）、インター予測によって予測画像を生成する（ステップＳｄ＿１ｂ）。なお、イントラ予測によって生成された予測画像を、イントラ予測画像ともいい、インター予測によって生成された予測画像を、インター予測画像ともいう。
　次に、予測部は、イントラ予測画像およびインター予測画像のそれぞれを評価する（ステップＳｄ＿２）。この評価には、上述のコストＣが用いられてもよい。そして、予測部は、イントラ予測画像およびインター予測画像から、最も小さいコストＣが算出された予測画像を、カレントブロックの最終的な予測画像として選択してもよい（ステップＳｄ＿３）。つまり、カレントブロックの予測画像を生成するための予測方式またはモードが選択される。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、カレントブロックの予測画像（すなわちイントラ予測画像）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックの画素値（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測画像を生成し、イントラ予測画像を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、予め規定された複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、通常、１つ以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
　１つ以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定されたＰｌａｎａｒ予測モードおよびＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図３１は、イントラ予測における全６７個のイントラ予測モード（２個の非方向性予測モードおよび６５個の方向性予測モード）を示す図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す（２個の非方向性予測モードは図３１には図示されていない）。
　種々の実装例では、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、通常、ＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　図３２は、イントラ予測部１２４による処理の一例を示すフローチャートである。
　イントラ予測部１２４は、複数のイントラ予測モードから１つのイントラ予測モードを選択する（ステップＳｗ＿１）。そして、イントラ予測部１２４は、選択したイントラ予測モードにしたがって予測画像を生成する（ステップＳｗ＿２）。次に、イントラ予測部１２４は、ＭＰＭ（Ｍｏｓｔ　Ｐｒｏｂａｂｌｅ　Ｍｏｄｅｓ）を決定する（ステップＳｗ＿３）。ＭＰＭは、例えば６つのイントラ予測モードからなる。その６つのイントラ予測モードのうちの２つのモードは、Ｐｌａｎａｒ予測モードおよびＤＣ予測モードであってもよく、残りの４つのモードは、方向性予測モードであってもよい。そして、イントラ予測部１２４は、ステップＳｗ＿１で選択したイントラ予測モードがＭＰＭに含まれるか否かを判定する（ステップＳｗ＿４）。
　ここで、選択したイントラ予測モードがＭＰＭに含まれると判定すると（ステップＳｗ＿４のＹｅｓ）、イントラ予測部１２４は、ＭＰＭフラグを１に設定し（ステップＳｗ＿５）、ＭＰＭのうち、選択したイントラ予測モードを示す情報を生成する（ステップＳｗ＿６）。なお、１に設定されたＭＰＭフラグと、そのイントラ予測モードを示す情報とはそれぞれ、予測パラメータとしてエントロピー符号化部１１０によって符号化される。
　一方、選択したイントラ予測モードがＭＰＭに含まれないと判定すると（ステップＳｗ＿４のＮｏ）、イントラ予測部１２４は、ＭＰＭフラグを０に設定する（ステップＳｗ＿７）。または、イントラ予測部１２４は、ＭＰＭフラグを設定しない。そして、イントラ予測部１２４は、ＭＰＭに含まれない１つ以上のイントラ予測モードのうち、選択したイントラ予測モードを示す情報を生成する（ステップＳｗ＿８）。なお、０に設定されたＭＰＭフラグと、そのイントラ予測モードを示す情報とはそれぞれ、予測パラメータとしてエントロピー符号化部１１０によって符号化される。そのイントラ予測モードを示す情報は、例えば０～６０のうちの何れかの値を示す。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測画像（インター予測画像）を生成する。インター予測は、カレントブロックまたはカレントブロック内のカレントサブブロックの単位で行われる。サブブロックはブロックに含まれていて、ブロックより小さい単位である。サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　例えば、インター予測部１２６は、カレントブロックまたはカレントサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行い、そのカレントブロックまたはカレントサブブロックに最も一致する参照ブロックまたはサブブロックを見つける。そして、インター予測部１２６は、参照ブロックまたはサブブロックからカレントブロックまたはサブブロックへの動きまたは変化を補償する動き情報（例えば動きベクトル）を取得する。インター予測部１２６は、その動き情報に基づいて、動き補償（または動き予測）を行い、カレントブロックまたはサブブロックのインター予測画像を生成する。インター予測部１２６は、生成されたインター予測画像を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は、多様な形態でインター予測画像として信号化されてもよい。例えば、動きベクトルが信号化されてもよい。他の例として、動きベクトルと予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）との差分が信号化されてもよい。
　［参照ピクチャリスト］
　図３３は、各参照ピクチャの一例を示す図であり、図３４は、参照ピクチャリストの一例を示す概念図である。参照ピクチャリストは、フレームメモリ１２２に記憶されている１つ以上の参照ピクチャを示すリストである。なお、図３３において、矩形はピクチャを示し、矢印はピクチャの参照関係を示し、横軸は時間を示し、矩形中のＩ、ＰおよびＢは各々、イントラ予測ピクチャ、単予測ピクチャおよび双予測ピクチャを示し、矩形中の数字は復号順を示す。図３３に示すように、各ピクチャの復号順は、Ｉ０、Ｐ１、Ｂ２、Ｂ３、Ｂ４であり、各ピクチャの表示順は、Ｉ０、Ｂ３、Ｂ２、Ｂ４、Ｐ１である。図３４に示すように、参照ピクチャリストは、参照ピクチャの候補を表すリストであり、例えば１つのピクチャ（またはスライス）が１つ以上の参照ピクチャリストを有してもよい。例えば、カレントピクチャが、単予測ピクチャであれば１つの参照ピクチャリストを用い、カレントピクチャが双予測ピクチャであれば２つの参照ピクチャリストを用いる。図３３および図３４の例では、カレントピクチャｃｕｒｒＰｉｃであるピクチャＢ３は、Ｌ０リストおよびＬ１リストの２つの参照ピクチャリストを持つ。カレントピクチャｃｕｒｒＰｉｃがピクチャＢ３の場合、そのカレントピクチャｃｕｒｒＰｉｃの参照ピクチャの候補は、Ｉ０、Ｐ１およびＢ２であり、各参照ピクチャリスト（すなわちＬ０リストおよびＬ１リスト）はこれらのピクチャを示す。インター予測部１２６または予測制御部１２８は、各参照ピクチャリスト中のどのピクチャを実際に参照するか否かを参照ピクチャインデックスｒｅｆＩｄｘＬｘによって指定する。図３４では、参照ピクチャインデックスｒｅｆＩｄｘＬ０およびｒｅｆＩｄｘＬ１により参照ピクチャＰ１およびＢ２が指定されている。
　このような参照ピクチャリストを、シーケンス単位、ピクチャ単位、スライス単位、ブリック単位、ＣＴＵ単位、またはＣＵ単位で生成してもよい。また、参照ピクチャリストに示される参照ピクチャのうち、インター予測において参照される参照ピクチャを示す参照ピクチャインデックスを、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベル、またはＣＵレベルで符号化してもよい。また、複数のインター予測モードにおいて、共通の参照ピクチャリストを用いてもよい。
　［インター予測の基本フロー］
　図３５は、インター予測の基本的な流れを示すフローチャートである。
　インター予測部１２６は、まず、予測画像を生成する（ステップＳｅ＿１～Ｓｅ＿３）。次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳｅ＿４）。
　ここで、インター予測部１２６は、予測画像の生成では、例えば、カレントブロックの動きベクトル（ＭＶ）の決定（ステップＳｅ＿１およびＳｅ＿２）と、動き補償（ステップＳｅ＿３）とを行うことによって、その予測画像を生成する。また、インター予測部１２６は、ＭＶの決定では、例えば、候補動きベクトル（候補ＭＶ）の選択（ステップＳｅ＿１）と、ＭＶの導出（ステップＳｅ＿２）とを行うことによって、そのＭＶを決定する。候補ＭＶの選択は、例えば、インター予測部１２６が候補ＭＶリストを生成し、候補ＭＶリストから少なくとも１つの候補ＭＶを選択することによって行われる。なお、候補ＭＶリストには、過去に導出されたＭＶが候補ＭＶとして追加されてもよい。また、ＭＶの導出では、インター予測部１２６は、少なくとも１つの候補ＭＶから、さらに少なくとも１つの候補ＭＶを選択することによって、その選択された少なくとも１つの候補ＭＶを、カレントブロックのＭＶとして決定してもよい。あるいは、インター予測部１２６は、その選択された少なくとも１つの候補ＭＶのそれぞれについて、その候補ＭＶで指示される参照ピクチャの領域を探索することによって、カレントブロックのＭＶを決定してもよい。なお、この参照ピクチャの領域を探索することを、動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）と称してもよい。
　また、上述の例では、ステップＳｅ＿１～Ｓｅ＿３は、インター予測部１２６によって行われるが、例えばステップＳｅ＿１またはステップＳｅ＿２などの処理は、符号化装置１００に含まれる他の構成要素によって行われてもよい。
　なお、それぞれのインター予測モードにおける処理毎に候補ＭＶリストを作成してもよいし、複数のインター予測モードにおいて共通の候補ＭＶリストを用いてもよい。また、ステップＳｅ＿３およびＳｅ＿４の処理は、図９に示すステップＳａ＿３およびＳａ＿４の処理にそれぞれ相当する。また、ステップＳｅ＿３の処理は、図３０のステップＳｄ＿１ｂの処理に相当する。
　［ＭＶ導出のフロー］
　図３６は、ＭＶ導出の一例を示すフローチャートである。
　インター予測部１２６は、動き情報（例えばＭＶ）を符号化するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えば動き情報が予測パラメータとして符号化されて、信号化されてもよい。つまり、符号化された動き情報がストリームに含まれる。
　あるいは、インター予測部１２６は、動き情報を符号化しないモードでＭＶを導出してもよい。この場合には、動き情報はストリームに含まれない。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を符号化するモードには、ノーマルインターモード、ノーマルマージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測ＭＶ選択情報が含まれてもよい。また、動き情報を符号化しないモードには、ＦＲＵＣモードなどがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図３７は、ＭＶ導出の他の例を示すフローチャートである。
　インター予測部１２６は、差分ＭＶを符号化するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えば差分ＭＶが予測パラメータとして符号化されて、信号化される。つまり、符号化された差分ＭＶがストリームに含まれる。この差分ＭＶは、カレントブロックのＭＶと、その予測ＭＶとの差である。なお、予測ＭＶは、予測動きベクトルである。
　あるいは、インター予測部１２６は、差分ＭＶを符号化しないモードでＭＶを導出してもよい。この場合には、符号化された差分ＭＶはストリームに含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、ノーマルマージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［ＭＶ導出のモード］
　図３８Ａおよび図３８Ｂは、ＭＶ導出の各モードの分類の一例を示す図である。例えば図３８Ａに示すように、動き情報を符号化するか否か、および、差分ＭＶを符号化するか否かに応じて、ＭＶ導出のモードは大きく３つのモードに分類される。３つのモードは、インターモード、マージモード、およびＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードである。インターモードは、動き探索を行うモードであって、動き情報および差分ＭＶを符号化するモードである。例えば図３８Ｂに示すように、インターモードは、アフィンインターモードおよびノーマルインターモードを含む。マージモードは、動き探索を行わないモードであって、周辺の符号化済みブロックからＭＶを選択し、そのＭＶを用いてカレントブロックのＭＶを導出するモードである。このマージモードは、基本的に、動き情報を符号化し、差分ＭＶを符号化しないモードである。例えば図３８Ｂに示すように、マージモードは、ノーマルマージモード（通常マージモードまたはレギュラーマージモードと呼ぶこともある）、ＭＭＶＤ（Ｍｅｒｇｅ　ｗｉｔｈ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｄｉｆｆｅｒｅｎｃｅ）モード、ＣＩＩＰ（Ｃｏｍｂｉｎｅｄ　ｉｎｔｅｒ　ｍｅｒｇｅ／ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ）モード、トライアングルモード、ＡＴＭＶＰモード、およびアフィンマージモードを含む。ここで、マージモードに含まれる各モードのうちのＭＭＶＤモードでは、例外的に、差分ＭＶが符号化される。なお、上述のアフィンマージモードおよびアフィンインターモードは、アフィンモードに含まれるモードである。アフィンモードは、アフィン変換を想定して、カレントブロックを構成する複数のサブブロックそれぞれのＭＶを、カレントブロックのＭＶとして導出するモードである。ＦＲＵＣモードは、符号化済み領域間で探索を行うことによって、カレントブロックのＭＶを導出するモードであって、動き情報および差分ＭＶの何れも符号化しないモードである。なお、これらの各モードの詳細については、後述する。
　なお、図３８Ａおよび図３８Ｂに示す各モードの分類は一例であって、この限りではない。例えば、ＣＩＩＰモードで差分ＭＶが符号化される場合には、そのＣＩＩＰモードはインターモードに分類される。
　［ＭＶ導出　＞　ノーマルインターモード］
　ノーマルインターモードは、候補ＭＶによって示される参照ピクチャの領域から、カレントブロックの画像に類似するブロックを見つけ出すことによって、カレントブロックのＭＶを導出するインター予測モードである。また、このノーマルインターモードでは、差分ＭＶが符号化される。
　図３９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｇ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測ＭＶ候補として、予め決められた優先順位に従って抽出する（ステップＳｇ＿２）。なお、その優先順位は、Ｎ個の候補ＭＶのそれぞれに対して予め定められている。
　次に、インター予測部１２６は、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測ＭＶとして選択する（ステップＳｇ＿３）。このとき、インター予測部１２６は、選択された予測ＭＶを識別するための予測ＭＶ選択情報をストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、予測ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　次に、インター予測部１２６は、符号化済み参照ピクチャを参照し、カレントブロックのＭＶを導出する（ステップＳｇ＿４）。このとき、インター予測部１２６は、さらに、その導出されたＭＶと予測ＭＶとの差分値を差分ＭＶとしてストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、差分ＭＶを予測パラメータとしてエントロピー符号化部１１０に出力する。なお、符号化済み参照ピクチャは、符号化後に再構成された複数のブロックからなるピクチャである。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿５）。ステップＳｇ＿１～Ｓｇ＿５の処理は、各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１～Ｓｇ＿５の処理が実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１～Ｓｇ＿５の処理が実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了する。なお、ステップＳｇ＿１～Ｓｇ＿５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了してもよい。ステップＳｇ＿１～Ｓｇ＿５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了してもよい。
　なお、予測画像は、上述のインター予測信号である。また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルインターモード）を示す情報は、例えば予測パラメータとして符号化される。
　なお、候補ＭＶリストは、他のモードに用いられるリストと共通に用いられてもよい。また、候補ＭＶリストに関する処理を、他のモードに用いられるリストに関する処理に適用してもよい。この候補ＭＶリストに関する処理は、例えば、候補ＭＶリストからの候補ＭＶの抽出もしくは選択、候補ＭＶの並び替え、または、候補ＭＶの削除などである。
　［ＭＶ導出　＞　ノーマルマージモード］
　ノーマルマージモードは、候補ＭＶリストから候補ＭＶをカレントブロックのＭＶとして選択することによって、そのＭＶを導出するインター予測モードである。なお、ノーマルマージモードは、狭義のマージモードであって、単にマージモードと呼ばれることもある。本実施の形態では、ノーマルマージモードとマージモードとを区別し、マージモードを広義の意味で用いる。
　図４０は、ノーマルマージモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｈ＿１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿２）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報をストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿３）。ステップＳｈ＿１～Ｓｈ＿３の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１～Ｓｈ＿３の処理が実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１～Ｓｈ＿３の処理が実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了する。なお、ステップＳｈ＿１～Ｓｈ＿３の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了してもよい。ステップＳｈ＿１～Ｓｈ＿３の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了してもよい。
　また、ストリームに含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルマージモード）を示す情報は、例えば予測パラメータとして符号化される。
　図４１は、ノーマルマージモードによるカレントピクチャのＭＶ導出処理の一例を説明するための図である。
　まず、インター予測部１２６は、候補ＭＶを登録した候補ＭＶリストを生成する。候補ＭＶとしては、カレントブロックの空間的に周辺に位置する複数の符号化済みブロックが持つＭＶである空間隣接候補ＭＶ、符号化済み参照ピクチャにおけるカレントブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接候補ＭＶ、空間隣接候補ＭＶと時間隣接候補ＭＶのＭＶ値を組み合わせて生成したＭＶである結合候補ＭＶ、および値がゼロのＭＶであるゼロ候補ＭＶ等がある。
　次に、インター予測部１２６は、候補ＭＶリストに登録されている複数の候補ＭＶの中から１つの候補ＭＶを選択することで、その１つの候補ＭＶをカレントブロックのＭＶとして決定する。
　さらに、エントロピー符号化部１１０は、どの候補ＭＶを選択したかを示す信号であるｍｅｒｇｅ＿ｉｄｘをストリームに記述して符号化する。
　なお、図４１で説明した候補ＭＶリストに登録する候補ＭＶは一例であり、図中の個数とは異なる個数であったり、図中の候補ＭＶの一部の種類を含まない構成であったり、図中の候補ＭＶの種類以外の候補ＭＶを追加した構成であったりしてもよい。
　ノーマルマージモードにより導出したカレントブロックのＭＶを用いて、後述するＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）を行うことによって最終的なＭＶを決定してもよい。なお、ノーマルマージモードでは、差分ＭＶは符号化されないが、ＭＭＶＤモードでは、差分ＭＶは符号化される。ＭＭＶＤモードは、ノーマルマージモードと同様に候補ＭＶリストから１つの候補ＭＶを選択するが、差分ＭＶを符号化する。このような、ＭＭＶＤは、図３８Ｂに示すように、ノーマルマージモードと共にマージモードに分類されてもよい。なお、ＭＭＶＤモードでの差分ＭＶは、インターモードで用いる差分ＭＶと同じでなくてもよく、例えば、ＭＭＶＤモードでの差分ＭＶの導出は、インターモードでの差分ＭＶの導出に比べて処理量が小さい処理であってもよい。
　また、インター予測で生成した予測画像とイントラ予測で生成した予測画像とを重ね合わせて、カレントブロックの予測画像を生成するＣＩＩＰ（Ｃｏｍｂｉｎｅｄ　ｉｎｔｅｒ　ｍｅｒｇｅ／ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ）モードを行ってもよい。
　なお、候補ＭＶリストを、候補リストと称してもよい。また、ｍｅｒｇｅ＿ｉｄｘは、ＭＶ選択情報である。
　［ＭＶ導出　＞　ＨＭＶＰモード］
　図４２は、ＨＭＶＰモードによるカレントピクチャのＭＶ導出処理の一例について説明するための図である。
　ノーマルマージモードでは、符号化済みブロック（例えばＣＵ）を参照して生成された候補ＭＶリストの中から１つの候補ＭＶを選択することによって、カレントブロックである例えばＣＵのＭＶを決定する。ここで、他の候補ＭＶがその候補ＭＶリストに登録されてもよい。このような他の候補ＭＶが登録されるモードは、ＨＭＶＰモードと呼ばれる。
　ＨＭＶＰモードでは、ノーマルマージモードの候補ＭＶリストとは別に、ＨＭＶＰ用のＦＩＦＯ（Ｆｉｒｓｔ－Ｉｎ　Ｆｉｒｓｔ－Ｏｕｔ）バッファを用いて候補ＭＶを管理している。
　ＦＩＦＯバッファには、過去に処理したブロックのＭＶなどの動き情報が新しいものから順に格納されている。このＦＩＦＯバッファの管理では、１つのブロックの処理が行われる度に、最も新しいブロック（すなわち直前に処理されたＣＵ）のＭＶがＦＩＦＯバッファに格納され、代わりにＦＩＦＯバッファ内の最も古いＣＵ（すなわち最も先に処理されたＣＵ）のＭＶがＦＩＦＯバッファから削除される。図４２に示す例では、ＨＭＶＰ１が最も新しいブロックのＭＶであって、ＨＭＶＰ５が最も古いブロックのＭＶである。
　そして、例えば、インター予測部１２６は、ＦＩＦＯバッファに管理されている各ＭＶについて、ＨＭＶＰ１から順に、そのＭＶが、ノーマルマージモードの候補ＭＶリストに既に登録されている全ての候補ＭＶと異なるＭＶであるかどうかをチェックする。そして、インター予測部１２６は、全ての候補ＭＶと異なると判断した場合に、そのＦＩＦＯバッファに管理されているＭＶを、ノーマルマージモードの候補ＭＶリストに候補ＭＶとして追加してもよい。このときＦＩＦＯバッファから登録される候補ＭＶは１つでもよいし、複数個であってもよい。
　このようにＨＭＶＰモードを用いることによって、カレントブロックの空間的もしくは時間的に隣接するブロックのＭＶのみでなく、過去に処理されたブロックのＭＶも候補に加えることが可能となる。その結果、ノーマルマージモードの候補ＭＶのバリエーションが広がることで符号化効率を向上させることができる可能性が高くなる。
　なお、上述のＭＶは、動き情報であってもよい。つまり、候補ＭＶリストおよびＦＩＦＯバッファに格納される情報は、ＭＶの値だけでなく、参照するピクチャの情報、参照する方向および枚数などを示す情報を含んでいてもよい。また、上述のブロックは、例えばＣＵである。
　なお、図４２の候補ＭＶリストおよびＦＩＦＯバッファは一例であり、候補ＭＶリストおよびＦＩＦＯバッファは、図４２とは異なるサイズのリストまたはバッファであったり、図４２とは異なる順番で候補ＭＶを登録する構成であったりしてもよい。また、ここで説明した処理は符号化装置１００においても復号装置２００においても共通である。
　なお、ＨＭＶＰモードは、ノーマルマージモード以外のモードに対しても、適用しうる。例えば、ＦＩＦＯバッファに、過去にアフィンモードで処理したブロックのＭＶなどの動き情報を新しいものから順に格納し、候補ＭＶとして用いてもよい。ＨＭＶＰモードをアフィンモードに適用したモードを、ヒストリーアフィンモードと呼んでもよい。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　動き情報は、符号化装置１００側から信号化されずに、復号装置２００側で導出されてもよい。例えば、復号装置２００側で動き探索を行うことにより動き情報が導出されてもよい。この場合、復号装置２００側では、カレントブロックの画素値を用いずに動き探索が行われる。このような復号装置２００側で動き探索を行うモードには、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードまたはＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モードなどがある。
　ＦＲＵＣ処理の一例を図４３に示す。まず、カレントブロックに空間的または時間的に隣接する各符号化済みブロックのＭＶを参照して、それらのＭＶを候補ＭＶとして示すリスト（すなわち、候補ＭＶリストであって、ノーマルマージモードの候補ＭＶリストと共通であってもよい）が生成される（ステップＳｉ＿１）。次に、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶが選択される（ステップＳｉ＿２）。例えば、候補ＭＶリストに含まれる各候補ＭＶの評価値が算出され、その評価値に基づいて１つの候補ＭＶがベスト候補ＭＶとして選択される。そして、選択されたベスト候補ＭＶに基づいて、カレントブロックのためのＭＶが導出される（ステップＳｉ＿４）。具体的には、例えば、選択されたベスト候補ＭＶがそのままカレントブロックのためのＭＶとして導出される。また例えば、選択されたベスト候補ＭＶに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのためのＭＶが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶをそのＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を実施しなくてもよい。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿５）。ステップＳｉ＿１～Ｓｉ＿５の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１～Ｓｉ＿５の処理が実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１～Ｓｉ＿５の処理が実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了する。なお、ステップＳｉ＿１～Ｓｉ＿５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了してもよい。ステップＳｉ＿１～Ｓｉ＿５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了してもよい。
　サブブロック単位でも上述のブロック単位と同様に処理されてもよい。
　評価値は、種々の方法によって算出されてもよい。例えば、ＭＶに対応する参照ピクチャ内の領域の再構成画像と、所定の領域（その領域は、例えば、以下に示すように、他の参照ピクチャの領域またはカレントピクチャの隣接ブロックの領域であってもよい）の再構成画像とを比較する。そして、２つの再構成画像の画素値の差分を算出して、ＭＶの評価値に用いてもよい。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
　次に、パターンマッチングについて詳細に説明する。まず、候補ＭＶリスト（マージリストともいう）に含まれる１つの候補ＭＶが、パターンマッチングによる探索のスタートポイントとして選択される。パターンマッチングとしては、第１パターンマッチングまたは第２パターンマッチングが用いられてもよい。第１パターンマッチングおよび第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）およびテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　バイラテラルマッチング］
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。したがって、第１パターンマッチングでは、上述した候補ＭＶの評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
　図４４は、動き軌道に沿う２つの参照ピクチャにおける２つのブロック間での第１パターンマッチング（バイラテラルマッチング）の一例を説明するための図である。図４４に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つのＭＶ（ＭＶ０、ＭＶ１）が導出される。具体的には、カレントブロックに対して、候補ＭＶで指定された第１の符号化済み参照ピクチャ（Ｒｅｆ０）内の指定位置における再構成画像と、その候補ＭＶを表示時間間隔でスケーリングした対称ＭＶで指定された第２の符号化済み参照ピクチャ（Ｒｅｆ１）内の指定位置における再構成画像との差分が導出され、得られた差分値を用いて評価値が算出される。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶがベスト候補ＭＶとして選択されるとよい。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示すＭＶ（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向のＭＶが導出される。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　テンプレートマッチング］
　第２パターンマッチング（テンプレートマッチング）では、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上および／または左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第２パターンマッチングでは、上述した候補ＭＶの評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　図４５は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。図４５に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックのＭＶが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補ＭＶで指定された符号化済み参照ピクチャ（Ｒｅｆ０）内の同等位置における再構成画像との差分が導出され、得られた差分値を用いて評価値が算出される。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶがベスト候補ＭＶとして選択されるとよい。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、適用可能なパターンマッチングの方法（第１パターンマッチングまたは第２パターンマッチング）を示す情報がＣＵレベルで信号化されてもよい。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　［ＭＶ導出　＞　アフィンモード］
　アフィンモードは、ａｆｆｉｎｅ変換を用いてＭＶを生成するモードであり、例えば、複数の隣接ブロックのＭＶに基づいてサブブロック単位でＭＶを導出してもよい。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図４６Ａは、複数の隣接ブロックのＭＶに基づくサブブロック単位のＭＶの導出の一例を説明するための図である。図４６Ａにおいて、カレントブロックは、例えば、１６個の４ｘ４画素からなるサブブロックを含む。ここでは、隣接ブロックのＭＶに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、同様に、隣接サブブロックのＭＶに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、以下の式（１Ａ）により、２つの動きベクトルｖ０およびｖ１を投影して、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000001
　ここで、ｘおよびｙは、それぞれ、サブブロックの水平位置および垂直位置を示し、ｗは、予め定められた重み係数を示す。
　このようなアフィンモードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、このアフィンモードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　また、このようなアフィンモードは、左上および右上角制御ポイントのＭＶの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　図４６Ｂは、３つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。図４６Ｂにおいて、カレントブロックは、例えば、１６個の４ｘ４画素からなるサブブロックを含む。ここでは、隣接ブロックのＭＶに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出される。同様に、隣接ブロックのＭＶに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出され、隣接ブロックのＭＶに基づいてカレントブロックの左下角制御ポイントの動きベクトルｖ２が導出される。そして、以下の式（１Ｂ）により、３つの動きベクトルｖ０、ｖ１およびｖ２を投影して、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘおよびｙは、それぞれ、サブブロック中心の水平位置および垂直位置を示し、ｗおよびｈは、予め定められた重み係数を示す。ｗは、カレントブロックの幅、ｈは、カレントブロックの高さを示してもよい。
　互いに異なる制御ポイント数（例えば、２つと３つ）を用いるアフィンモードは、ＣＵレベルで切り替えて信号化されてもよい。なお、ＣＵレベルで使用しているアフィンモードの制御ポイント数を示す情報を、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）で信号化してもよい。
　また、このような３つの制御ポイントを有するアフィンモードは、左上、右上および左下角制御ポイントのＭＶの導出方法が異なるいくつかのモードを含んでもよい。例えば、３つの制御ポイントを有するアフィンモードには、上述の２つの制御ポイントを有するアフィンモードと同様、アフィンインターモードと、アフィンマージモードの２つのモードがある。
　なお、アフィンモードにおいて、カレントブロックに含まれる各サブブロックのサイズは、４ｘ４画素に限定されず、他の大きさでもよい。例えば、各サブブロックのサイズは、８×８画素であってもよい。
　［ＭＶ導出　＞　アフィンモード　＞　制御ポイント］
　図４７Ａ，図４７Ｂおよび図４７Ｃは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。
　アフィンモードでは、図４７Ａに示すように、例えば、カレントブロックに隣接する符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のうち、アフィンモードで符号化されたブロックに対応する複数のＭＶに基づいて、カレントブロックの制御ポイントのそれぞれの予測ＭＶが算出される。具体的には、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序でこれらのブロックが検査され、アフィンモードで符号化された最初の有効なブロックが特定される。この特定されたブロックに対応する複数のＭＶに基づいて、カレントブロックの制御ポイントのＭＶが算出される。
　例えば、図４７Ｂに示すように、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とが算出される。
　例えば、図４７Ｃに示すように、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とが算出される。
　なお、図４７Ａ～図４７Ｃに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１に示すステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　図４８Ａおよび図４８Ｂは、アフィンモードにおける制御ポイントＭＶの導出の他の一例を説明するための概念図である。
　図４８Ａは、２つの制御ポイントを有するアフィンモードを説明するための図である。
　このアフィンモードでは、図４８Ａに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左上角制御ポイントの動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥのそれぞれのＭＶから選択されたＭＶが、カレントブロックの右上角制御ポイントの動きベクトルｖ１として用いられる。
　図４８Ｂは、３つの制御ポイントを有するアフィンモードを説明するための図である。
　このアフィンモードでは、図４８Ｂに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左上角制御ポイントの動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥのそれぞれのＭＶから選択されたＭＶが、カレントブロックの右上角制御ポイントの動きベクトルｖ１として用いられる。さらに、カレントブロックに隣接する符号化済みブロックＦおよびブロックＧのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左下角制御ポイントの動きベクトルｖ２として用いられる。
　なお、図４８Ａおよび図４８Ｂに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１のステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　ここで、例えば、異なる制御ポイント数（例えば、２つと３つ）のアフィンモードをＣＵレベルで切り替えて信号化する場合などにおいて、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合がある。
　図４９Ａおよび図４９Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の一例を説明するための概念図である。
　例えば、図４９Ａに示すように、カレントブロックが左上角、右上角および左下角の３つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている。この場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１が算出される。更に、導出された動きベクトルｖ０およびｖ１から、左下角制御ポイントの動きベクトルｖ２が算出される。
　例えば、図４９Ｂに示すように、カレントブロックが左上角および右上角の２つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている。この場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とが算出される。
　なお、図４９Ａおよび図４９Ｂに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１のステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　［ＭＶ導出　＞　アフィンモード　＞　アフィンマージモード］
　図５０は、アフィンマージモードの一例を示すフローチャートである。
　アフィンマージモードでは、まず、インター予測部１２６は、カレントブロックの制御ポイントのそれぞれのＭＶを導出する（ステップＳｋ＿１）。制御ポイントは、図４６Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図４６Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。このとき、インター予測部１２６は、導出された２つまたは３つのＭＶを識別するためのＭＶ選択情報をストリームに符号化してもよい。
　例えば、図４７Ａ～図４７Ｃに示すＭＶの導出方法を用いる場合、インター予測部１２６は、図４７Ａに示すように、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで符号化された最初の有効なブロックを特定する。
　インター予測部１２６は、特定されたアフィンモードで符号化された最初の有効なブロックを用いて、制御ポイントのＭＶを導出する。例えば、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合、図４７Ｂに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４を、カレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。
　或いは、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合、図４７Ｃに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５を、カレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とを算出する。
　なお、上述の図４９Ａに示すように、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合に、３つの制御ポイントのＭＶを算出してもよく、上述の図４９Ｂに示すように、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合に、２つの制御ポイントのＭＶを算出してもよい。
　次に、インター予測部１２６は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部１２６は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｋ＿２）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿３）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｋ＿２およびＳｋ＿３の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いた予測画像の生成の処理が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｋ＿１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、例えば、２つの制御ポイントを有するアフィンマージモードの候補ＭＶと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンマージモードと、３つの制御ポイントを有するアフィンマージモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。候補ＭＶは、例えば、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のＭＶであってもよく、それらのブロックのうちの有効なブロックのＭＶであってもよい。
　なお、ＭＶ選択情報として、候補ＭＶリストのいずれの候補ＭＶかを示すインデックスを送ってもよい。
　［ＭＶ導出　＞　アフィンモード　＞　アフィンインターモード］
　図５１は、アフィンインターモードの一例を示すフローチャートである。
　アフィンインターモードでは、まず、インター予測部１２６は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１）。制御ポイントは、図４６Ａまたは図４６Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　例えば、図４８Ａおよび図４８Ｂに示すＭＶの導出方法を用いる場合、インター予測部１２６は、図４８Ａまたは図４８Ｂに示すカレントブロックの各制御ポイント近傍の符号化済みブロックのうちの何れかのブロックのＭＶを選択することによって、カレントブロックの制御ポイントの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。このとき、インター予測部１２６は、選択された２つまたは３つの予測ＭＶを識別するための予測ＭＶ選択情報をストリームに符号化する。
　例えば、インター予測部１２６は、カレントブロックに隣接する符号化済みブロックからどのブロックのＭＶを制御ポイントの予測ＭＶとして選択するかを、コスト評価等を用いて決定し、どの予測ＭＶを選択したかを示すフラグをビットストリームに記述してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、フラグなどの予測ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　次に、インター予測部１２６は、ステップＳｊ＿１で選択または導出された予測ＭＶをそれぞれ更新しながら（ステップＳｊ＿２）、動き探索を行う（ステップＳｊ＿３およびＳｊ＿４）。つまり、インター予測部１２６は、更新される予測ＭＶに対応する各サブブロックのＭＶをアフィンＭＶとして、上述の式（１Ａ）または式（１Ｂ）を用いて算出する（ステップＳｊ＿３）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いて各サブブロックに対して動き補償を行う（ステップＳｊ＿４）。ステップＳｊ＿３およびＳｊ＿４の処理は、ステップＳｊ＿２で予測ＭＶが更新されるごとに、カレントブロック内の全てのブロックに対して実行される。その結果、インター予測部１２６は、動き探索ループにおいて、例えば最も小さいコストが得られる予測ＭＶを、制御ポイントのＭＶとして決定する（ステップＳｊ＿５）。このとき、インター予測部１２６は、さらに、その決定されたＭＶと予測ＭＶとの差分値を差分ＭＶとしてストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、差分ＭＶを予測パラメータとしてエントロピー符号化部１１０に出力する。
　最後に、インター予測部１２６は、その決定されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｊ＿６）。
　なお、ステップＳｊ＿１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、２つの制御ポイントを有するアフィンインターモードの候補ＭＶと、３つの制御ポイントを有するアフィンインターモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンインターモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンインターモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンインターモードと、３つの制御ポイントを有するアフィンインターモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。候補ＭＶは、例えば、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のＭＶであってもよく、それらのブロックのうちの有効なブロックのＭＶであってもよい。
　なお、予測ＭＶ選択情報として、候補ＭＶリストのいずれの候補ＭＶかを示すインデックスを送ってもよい。
　［ＭＶ導出　＞　トライアングルモード］
　インター予測部１２６は、上述の例では、矩形のカレントブロックに対して１つの矩形の予測画像を生成する。しかし、インター予測部１２６は、その矩形のカレントブロックに対して矩形と異なる形状の複数の予測画像を生成し、それらの複数の予測画像を結合することによって、最終的な矩形の予測画像を生成してもよい。矩形と異なる形状は、例えば三角形であってもよい。
　図５２Ａは、２つの三角形の予測画像の生成を説明するための図である。
　インター予測部１２６は、カレントブロック内の三角形の第１パーティションに対して、その第１パーティションの第１ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。同様に、インター予測部１２６は、カレントブロック内の三角形の第２パーティションに対して、その第２パーティションの第２ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。そして、インター予測部１２６は、これらの予測画像を結合することによって、カレントブロックと同じ矩形の予測画像を生成する。
　なお、第１パーティションの予測画像として、第１ＭＶを用いてカレントブロックに対応する矩形の第１予測画像を生成してもよい。また、第２パーティションの予測画像として、第２ＭＶを用いてカレントブロックに対応する矩形の第２予測画像を生成してもよい。第１予測画像と第２予測画像とを重み付け加算することにより、カレントブロックの予測画像を生成してもよい。なお、重み付け加算する部位は、第１パーティションと第２パーティションの境界を挟む一部の領域のみであってもよい。
　図５２Ｂは、第２パーティションと重なる第１パーティションの第１部分、並びに、補正処理の一部として重み付けされ得る第１サンプルセット及び第２サンプルセットの例を示す概念図である。第１部分は、例えば、第１パーティションの幅又は高さの４分の１であってもよい。別の例において、第１部分は、第１パーティションの縁に隣接するＮ個のサンプルに対応する幅を有していてもよい。ここで、Ｎは、ゼロより大きい整数であり、例えば、Ｎは、整数２であってもよい。図５２Ｂは、第１パーティションの幅の４分の１の幅の矩形部分を有する矩形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。図５２Ｂの中央の例は、第１パーティションの高さの４分の１の高さの矩形部分を有する矩形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。図５２Ｂの右の例は、２つのサンプルに対応する高さの多角形部分を有する三角形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。
　第１部分は、隣接パーティションと重なる第１パーティションの部分であってもよい。図５２Ｃは、隣接パーティションの一部と重なる第１パーティションの一部である第１パーティションの第１部分を示す概念図である。説明を簡単にするために、空間的に隣接する矩形パーティションと重なる部分を有する矩形パーティションが示されている。三角形パーティションなどの他の形状を有するパーティションが用いられてもよいし、重なる部分は、空間的に又は時間的に隣接するパーティションと重なっていてもよい。
　また、インター予測を用いて２つのパーティションのそれぞれに対して予測画像を生成する例が示されているが、イントラ予測を用いて少なくとも１つのパーティションに対して予測画像が生成されてもよい。
　図５３は、トライアングルモードの一例を示すフローチャートである。
　トライアングルモードでは、まず、インター予測部１２６は、カレントブロックを第１パーティションと第２パーティションとに分割する（ステップＳｘ＿１）。このとき、インター予測部１２６は、各パーティションへの分割に関する情報であるパーティション情報を予測パラメータとしてストリームに符号化してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、パーティション情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。
　次に、インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｘ＿２）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　そして、インター予測部１２６は、ステップＳｘ＿２で取得された複数の候補ＭＶの中から、第１パーティションの候補ＭＶおよび第２パーティションの候補ＭＶを、第１ＭＶおよび第２ＭＶとしてそれぞれ選択する（ステップＳｘ＿３）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報を予測パラメータとしてストリームに符号化してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。
　次に、インター予測部１２６は、その選択された第１ＭＶと符号化済み参照ピクチャとを用いて動き補償を行ことにより、第１予測画像を生成する（ステップＳｘ＿４）。同様に、インター予測部１２６は、選択された第２ＭＶと符号化済み参照ピクチャとを用いて動き補償を行ことにより、第２予測画像を生成する（ステップＳｘ＿５）。
　最後に、インター予測部１２６は、第１予測画像と第２予測画像とを重み付け加算することによって、カレントブロックの予測画像を生成する（ステップＳｘ＿６）。
　なお、図５２Ａに示す例では、第１パーティションおよび第２パーティションはそれぞれ三角形であるが、台形であってもよく、それぞれ互いに異なる形状であってもよい。さらに、図５２Ａに示す例では、カレントブロックが２つのパーティションから構成されているが、３つ以上のパーティションから構成されていてもよい。
　また、第１パーティションおよび第２パーティションは重複していてもよい。すなわち、第１パーティションおよび第２パーティションは同じ画素領域を含んでいてもよい。この場合、第１パーティションにおける予測画像と第２パーティションにおける予測画像とを用いてカレントブロックの予測画像を生成してもよい。
　また、この例では２つのパーティションともにインター予測で予測画像が生成される例を示したが、少なくとも１つのパーティションについてイントラ予測によって予測画像を生成してもよい。
　なお、第１ＭＶを選択するための候補ＭＶリストと第２ＭＶを選択するための候補ＭＶリストは異なっていてもよいし、同じ候補ＭＶリストであってもよい。
　なお、パーティション情報は、少なくともカレントブロックを複数のパーティションに分割する分割方向を示すインデックスを含んでいてもよい。ＭＶ選択情報は、選択された第１ＭＶを示すインデックスおよび選択された第２ＭＶを示すインデックスを含んでいてもよい。１つのインデックスが複数の情報を示してもよい。例えば、パーティション情報の一部または全体と、ＭＶ選択情報の一部または全体とをまとめて示す１つのインデックスが符号化されてもよい。
　［ＭＶ導出　＞　ＡＴＭＶＰモード］
　図５４は、サブブロック単位にＭＶが導出されるＡＴＭＶＰモードの一例を示す図である。
　ＡＴＭＶＰモードは、マージモードに分類されるモードである。例えば、ＡＴＭＶＰモードでは、ノーマルマージモードに用いられる候補ＭＶリストに、サブブロック単位の候補ＭＶが登録される。
　具体的には、ＡＴＭＶＰモードでは、まず、図５４に示すように、カレントブロックの左下に隣接するブロックのＭＶ（ＭＶ０）によって指定される符号化済みの参照ピクチャにおいて、そのカレントブロックに対応付けられた時間ＭＶ参照ブロックが特定される。次に、カレントブロック内における各サブブロックについて、その時間ＭＶ参照ブロック内のそのサブブロックに対応する領域の符号化時に用いられたＭＶを特定する。このように特定されたＭＶが、カレントブロックのサブブロックの候補ＭＶとして候補ＭＶリストに含まれる。このような各サブブロックの候補ＭＶが候補ＭＶリストから選択される場合には、その候補ＭＶをサブブロックのＭＶとして用いた動き補償がそのサブブロックに対して実行される。これにより、各サブブロックの予測画像が生成される。
　なお、図５４に示す例では、周辺ＭＶ参照ブロックとして、カレントブロックの左下に隣接するブロックを用いたが、それ以外のブロックを用いてもよい。また、サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　［動き探索　＞　ＤＭＶＲ］
　図５５は、マージモードおよびＤＭＶＲの関係を示す図である。
　インター予測部１２６は、マージモードでカレントブロックのＭＶを導出する（ステップＳｌ＿１）。次に、インター予測部１２６は、ＭＶの探索、すなわち動き探索を行うか否かを判定する（ステップＳｌ＿２）。ここで、インター予測部１２６は、動き探索を行わないと判定すると（ステップＳｌ＿２のＮｏ）、ステップＳｌ＿１で導出されたＭＶを、カレントブロックに対する最終のＭＶとして決定する（ステップＳｌ＿４）。すなわち、この場合には、マージモードでカレントブロックのＭＶが決定される。
　一方、ステップＳｌ＿１で動き探索を行うと判定すると（ステップＳｌ＿２のＹｅｓ）、インター予測部１２６は、ステップＳｌ＿１で導出されたＭＶによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終のＭＶを導出する（ステップＳｌ＿３）。すなわち、この場合には、ＤＭＶＲでカレントブロックのＭＶが決定される。
　図５６は、ＭＶを決定するためのＤＭＶＲの一例を説明するための概念図である。
　まず、例えばマージモードにおいて、カレントブロックに対して候補ＭＶ（Ｌ０およびＬ１）を選択する。そして、候補ＭＶ（Ｌ０）に従って、Ｌ０リストの符号化済みピクチャである第１参照ピクチャ（Ｌ０）から参照画素を特定する。同様に、候補ＭＶ（Ｌ１）に従って、Ｌ１リストの符号化済みピクチャである第２参照ピクチャ（Ｌ１）から参照画素を特定する。これらの参照画素の平均をとることでテンプレートを生成する。
　次に、そのテンプレートを用いて、第１参照ピクチャ（Ｌ０）および第２参照ピクチャ（Ｌ１）の候補ＭＶの周辺領域をそれぞれ探索し、コストが最小となるＭＶを、カレントブロックの最終的なＭＶとして決定する。なお、コストは、例えば、テンプレートの各画素値と探索領域の各画素値との差分値および候補ＭＶ値等を用いて算出してもよい。
　ここで説明した処理そのものでなくても、候補ＭＶの周辺を探索して最終的なＭＶを導出することができる処理であれば、どのような処理を用いてもよい。
　図５７は、ＭＶを決定するためのＤＭＶＲの他の一例を説明するための概念図である。図５７に示す本例は、図５６に示すＤＭＶＲの一例とは異なり、テンプレートを生成せずにコストが算出される。
　まず、インター予測部１２６は、候補ＭＶリストから取得した候補ＭＶである初期ＭＶに基づいて、Ｌ０リストとＬ１リストのそれぞれの参照ピクチャに含まれる参照ブロック周辺を探索する。例えば、図５７に示すように、Ｌ０リストの参照ブロックに対応する初期ＭＶは、ＩｎｉｔＭＶ＿Ｌ０であり、Ｌ１リストの参照ブロックに対応する初期ＭＶは、ＩｎｉｔＭＶ＿Ｌ１である。インター予測部１２６は、動き探索では、まず、Ｌ０リストの参照ピクチャに対する探索位置を設定する。その設定される探索位置を示す差分ベクトル、具体的には、初期ＭＶ（すなわちＩｎｉｔＭＶ＿Ｌ０）によって示される位置からその探索位置への差分ベクトルは、ＭＶｄ＿Ｌ０である。そして、インター予測部１２６は、Ｌ１リストの参照ピクチャにおける探索位置を決定する。この探索位置は、初期ＭＶ（すなわちＩｎｉｔＭＶ＿Ｌ１）によって示される位置からその探索位置への差分ベクトルによって示される。具体的には、インター予測部１２６は、ＭＶｄ＿Ｌ０のミラーリングによってその差分ベクトルをＭＶｄ＿Ｌ１として決定する。つまり、インター予測部１２６は、Ｌ０リストとＬ１リストのそれぞれの参照ピクチャにおいて、初期ＭＶが示す位置から対称となる位置を探索位置とする。インター予測部１２６は、探索位置ごとに、その探索位置におけるブロック内の画素値の差分絶対値の総和（ＳＡＤ）などをコストとして算出し、そのコストが最小となる探索位置を見つけ出す。
　図５８Ａは、ＤＭＶＲにおける動き探索の一例を示す図であり、図５８Ｂは、その動き探索の一例を示すフローチャートである。
　まず、インター予測部１２６は、Ｓｔｅｐ１で、初期ＭＶが示す探索位置（開始点ともいう）と、その周囲にある８つの探索位置とにおけるコストを算出する。そして、インター予測部１２６は、開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部１２６は、開始点以外の探索位置のコストが最小と判定すると、コストが最小となる探索位置に移動して、Ｓｔｅｐ２の処理を行う。一方、インター予測部１２６は、開始点のコストが最小であれば、Ｓｔｅｐ２の処理をスキップしてＳｔｅｐ３の処理を行う。
　Ｓｔｅｐ２では、インター予測部１２６は、Ｓｔｅｐ１の処理結果に応じて移動した探索位置を新たな開始点として、Ｓｔｅｐ１の処理と同様の探索を行う。そして、インター予測部１２６は、その開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部１２６は、開始点以外の探索位置のコストが最小であれば、Ｓｔｅｐ４の処理を行う。一方、インター予測部１２６は、開始点のコストが最小であれば、Ｓｔｅｐ３の処理を行う。
　Ｓｔｅｐ４では、インター予測部１２６は、その開始点の探索位置を最終探索位置として扱い、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　Ｓｔｅｐ３では、インター予測部１２６は、Ｓｔｅｐ１またはＳｔｅｐ２の開始点の上下左右にある４点におけるコストに基づき、コストが最小となる小数精度の画素位置を決定し、その画素位置を最終探索位置とする。その小数精度の画素位置は、上下左右にある４点のベクトル（（０，１），（０，－１），（－１，０），（１，０））を、その４点のそれぞれの探索位置におけるコストを重みとして重み付け加算することで決定される。そして、インター予測部１２６は、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ／ＬＩＣ］
　動き補償では、予測画像を生成し、その予測画像を補正するモードがある。そのモードは、例えば、後述のＢＩＯ、ＯＢＭＣ、およびＬＩＣである。
　図５９は、予測画像の生成の一例を示すフローチャートである。
　インター予測部１２６は、予測画像を生成し（ステップＳｍ＿１）、上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿２）。
　図６０は、予測画像の生成の他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックのＭＶを導出する（ステップＳｎ＿１）。次に、インター予測部１２６は、そのＭＶを用いて予測画像を生成し（ステップＳｎ＿２）、補正処理を行うか否かを判定する（ステップＳｎ＿３）。ここで、インター予測部１２６は、補正処理を行うと判定すると（ステップＳｎ＿３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿４）。なお、後述のＬＩＣでは、ステップＳｎ＿４において、輝度および色差が補正されてもよい。一方、インター予測部１２６は、補正処理を行わないと判定すると（ステップＳｎ＿３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿５）。
　［動き補償　＞　ＯＢＭＣ］
　動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測画像が生成されてもよい。具体的には、（参照ピクチャ内の）動き探索により得られた動き情報に基づく予測画像と、（カレントピクチャ内の）隣接ブロックの動き情報に基づく予測画像と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測画像が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）またはＯＢＭＣモードと呼ばれることがある。
　ＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化されてもよい。さらに、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、これらの情報の信号化のレベルは、シーケンスレベルおよびＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　ＯＢＭＣモードについて、より具体的に説明する。図６１および図６２は、ＯＢＭＣによる予測画像補正処理の概要を説明するためのフローチャートおよび概念図である。
　まず、図６２に示すように、カレントブロックに割り当てられたＭＶを用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。図６２において、矢印“ＭＶ”は参照ピクチャを指し、予測画像を得るためにカレントピクチャのカレントブロックが何を参照しているかを示している。
　次に、符号化済みの左隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｌ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。ＭＶ（ＭＶ＿Ｌ）は、カレントブロックから参照ピクチャを指す矢印“ＭＶ＿Ｌ”によって示される。そして、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、符号化済みの上隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｕ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。ＭＶ（ＭＶ＿Ｕ）は、カレントブロックから参照ピクチャを指す矢印“ＭＶ＿Ｕ”によって示される。そして、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　なお、上述の例は、左隣接および上隣接のブロックを用いた２パスの補正方法であるが、その補正方法は、右隣接および／または下隣接のブロックも用いた３パスまたはそれ以上のパスの補正方法であってもよい。
　なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
　なお、ここでは１枚の参照ピクチャから、追加的な予測画像Ｐｒｅｄ＿ＬおよびＰｒｅｄ＿Ｕを重ね合わせることで１枚の予測画像Ｐｒｅｄを得るためのＯＢＭＣの予測画像補正処理について説明した。しかし、複数の参照画像に基づいて予測画像が補正される場合には、同様の処理が複数の参照ピクチャのそれぞれに適用されてもよい。このような場合、複数の参照ピクチャに基づくＯＢＭＣの画像補正を行うことによって、各々の参照ピクチャから、補正された予測画像を取得した後に、その取得された複数の補正予測画像をさらに重ね合わせることで最終的な予測画像を取得する。
　なお、ＯＢＭＣでは、カレントブロックの単位は、ＰＵ単位であっても、ＰＵをさらに分割したサブブロック単位であってもよい。
　ＯＢＭＣを適用するかどうかの判定の方法として、例えば、ＯＢＭＣを適用するかどうかを示す信号であるｏｂｍｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置１００は、カレントブロックが動きの複雑な領域に属しているかどうかを判定してもよい。符号化装置１００は、動きの複雑な領域に属している場合は、ｏｂｍｃ＿ｆｌａｇとして値１を設定してＯＢＭＣを適用して符号化を行い、動きの複雑な領域に属していない場合は、ｏｂｍｃ＿ｆｌａｇとして値０を設定してＯＢＭＣを適用せずにブロックの符号化を行う。一方、復号装置２００では、ストリームに記述されたｏｂｍｃ＿ｆｌａｇを復号することで、その値に応じてＯＢＭＣを適用するかどうかを切替えて復号を行う。
　［動き補償　＞　ＢＩＯ］
　次に、ＭＶを導出する方法について説明する。まず、等速直線運動を仮定したモデルに基づいてＭＶを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。また、このｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗは、ＢＩＯの代わりに、ＢＤＯＦと表記されてもよい。
　図６３は、等速直線運動を仮定したモデルを説明するための図である。図６３において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応するＭＶを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応するＭＶを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）および（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）および（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（２）が成り立つ。
Figure JPOXMLDOC01-appb-M000003
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（ｉ）輝度値の時間微分と、（ｉｉ）水平方向の速度および参照画像の空間勾配の水平成分の積と、（ｉｉｉ）垂直方向の速度および参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、候補ＭＶリスト等から得られるブロック単位の動きベクトルが画素単位で補正されてもよい。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置２００側でＭＶが導出されてもよい。例えば、複数の隣接ブロックのＭＶに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　図６４は、ＢＩＯにしたがったインター予測の一例を示すフローチャートである。また、図６５は、そのＢＩＯにしたがったインター予測を行うインター予測部１２６の構成の一例を示す図である。
　図６５に示すように、インター予測部１２６は、例えば、メモリ１２６ａと、補間画像導出部１２６ｂと、勾配画像導出部１２６ｃと、オプティカルフロー導出部１２６ｄと、補正値導出部１２６ｅと、予測画像補正部１２６ｆとを備える。なお、メモリ１２６ａは、フレームメモリ１２２であってもよい。
　インター予測部１２６は、カレントブロックを含むピクチャ（Ｃｕｒ　Ｐｉｃ）と異なる２枚の参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）を用いて、２つの動きベクトル（Ｍ０，Ｍ１）を導出する。そして、インター予測部１２６は、その２つの動きベクトル（Ｍ０，Ｍ１）を用いてカレントブロックの予測画像を導出する（ステップＳｙ＿１）。なお、動きベクトルＭ０は、参照ピクチャＲｅｆ０に対応する動きベクトル（ＭＶｘ０，ＭＶｙ０）であり、動きベクトルＭ１は、参照ピクチャＲｅｆ１に対応する動きベクトル（ＭＶｘ１，ＭＶｙ１）である。
　次に、補間画像導出部１２６ｂは、メモリ１２６ａを参照し、動きベクトルＭ０および参照ピクチャＬ０を用いてカレントブロックの補間画像Ｉ０を導出する。また、補間画像導出部１２６ｂは、メモリ１２６ａを参照し、動きベクトルＭ１および参照ピクチャＬ１を用いてカレントブロックの補間画像Ｉ１を導出する（ステップＳｙ＿２）。ここで、補間画像Ｉ０は、カレントブロックに対して導出される、参照ピクチャＲｅｆ０に含まれる画像であって、補間画像Ｉ１は、カレントブロックに対して導出される、参照ピクチャＲｅｆ１に含まれる画像である。補間画像Ｉ０および補間画像Ｉ１はそれぞれ、カレントブロックと同じサイズであってもよい。または、補間画像Ｉ０および補間画像Ｉ１はそれぞれ、後述の勾配画像を適切に導出するために、カレントブロックよりも大きな画像であってもよい。さらに、補間画像Ｉ０およびＩ１は、動きベクトル（Ｍ０，Ｍ１）および参照ピクチャ（Ｌ０，Ｌ１）と、動き補償フィルタとを適用して導出された予測画像を含んでいてもよい。
　また、勾配画像導出部１２６ｃは、補間画像Ｉ０および補間画像Ｉ１から、カレントブロックの勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を導出する（ステップＳｙ＿３）。なお、水平方向の勾配画像は、（Ｉｘ０，Ｉｘ１）であり、垂直方向の勾配画像は、（Ｉｙ０，Ｉｙ１）である。勾配画像導出部１２６ｃは、例えば、補間画像に対して勾配フィルタを適用することによって、その勾配画像を導出してもよい。勾配画像は、水平方向または垂直方向に沿った画素値の空間的な変化量を示すものであればよい。
　次に、オプティカルフロー導出部１２６ｄは、カレントブロックを構成する複数のサブブロック単位で、補間画像（Ｉ０，Ｉ１）および勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を用いて上述の速度ベクトルであるオプティカルフロー（ｖｘ，ｖｙ）を導出する（ステップＳｙ＿４）。オプティカルフローは、画素の空間的な移動量を補正する係数であり、局所動き推定値、補正動きベクトル、または補正重みベクトルと呼ばれてもよい。一例として、サブブロックは、４ｘ４画素のサブＣＵであってもよい。なお、オプティカルフローの導出は、サブブロック単位でなく、画素単位などの他の単位で行われてもよい。
　次に、インター予測部１２６は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックの予測画像を補正する。例えば、補正値導出部１２６ｅは、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックに含まれる画素の値の補正値を導出する（ステップＳｙ＿５）。そして、予測画像補正部１２６ｆは、補正値を用いてカレントブロックの予測画像を補正してもよい（ステップＳｙ＿６）。なお、補正値は各画素単位で導出されてもよいし、複数の画素単位またはサブブロック単位で導出されてもよい。
　なお、ＢＩＯの処理フローは、図６４に開示した処理に限定されない。図６４に開示した処理の一部の処理のみを実施してもよいし、異なる処理を追加または置換してもよいし、異なる処理順で実行してもよい。
　［動き補償　＞　ＬＩＣ］
　次に、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）を用いて予測画像（予測）を生成するモードの一例について説明する。
　図６６Ａは、ＬＩＣによる輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。また、図６６Ｂは、そのＬＩＣを用いた予測画像生成方法の一例を示すフローチャートである。
　まず、インター予測部１２６は、符号化済みの参照ピクチャからＭＶを導出して、カレントブロックに対応する参照画像を取得する（ステップＳｚ＿１）。
　次に、インター予測部１２６は、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する（ステップＳｚ＿２）。この抽出は、カレントピクチャにおける符号化済み左隣接参照領域（周辺参照領域）および符号化済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、インター予測部１２６は、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する（ステップＳｚ＿３）。
　インター予測部１２６は、ＭＶで指定された参照ピクチャ内の参照画像に対してその輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する（ステップＳｚ＿４）。つまり、ＭＶで指定された参照ピクチャ内の参照画像である予測画像に対して、輝度補正パラメータに基づく補正が行われる。この補正では、輝度が補正されてもよく、色差が補正されてもよい。即ち、色差がどのように変化したかを示す情報を用いて色差の補正パラメータが算出され、色差の補正処理が行われてもよい。
　なお、図６６Ａにおける周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
　また、ここでは１枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に、上述と同様の方法で輝度補正処理を行ってから予測画像を生成してもよい。
　ＬＩＣを適用するかどうかの判定の方法として、例えば、ＬＩＣを適用するかどうかを示す信号であるｌｉｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置１００において、カレントブロックが、輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はｌｉｃ＿ｆｌａｇとして値１を設定してＬＩＣを適用して符号化を行い、輝度変化が発生している領域に属していない場合はｌｉｃ＿ｆｌａｇとして値０を設定してＬＩＣを適用せずに符号化を行う。一方、復号装置２００では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号することで、その値に応じてＬＩＣを適用するかどうかを切替えて復号を行ってもよい。
　ＬＩＣを適用するかどうかの判定の別の方法として、例えば、周辺ブロックでＬＩＣを適用したかどうかに従って判定する方法もある。具体的な一例としては、カレントブロックがマージモードで処理されている場合、インター予測部１２６は、マージモードにおけるＭＶの導出の際に選択した周辺の符号化済みブロックがＬＩＣを適用して符号化されたかどうかを判定する。インター予測部１２６は、その結果に応じてＬＩＣを適用するかどうかを切替えて符号化を行う。なお、この例の場合でも、同じ処理が復号装置２００側の処理に適用される。
　ＬＩＣ（輝度補正処理）について図６６Ａおよび図６６Ｂを用いて説明したが、以下、その詳細を説明する。
　まず、インター予測部１２６は、符号化済みピクチャである参照ピクチャからカレントブロックに対応する参照画像を取得するためのＭＶを導出する。
　次に、インター予測部１２６は、カレントブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、ＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。例えば、カレントピクチャ内の周辺参照領域内のある画素の輝度画素値をｐ０とし、当該画素と同等位置の、参照ピクチャ内の周辺参照領域内の画素の輝度画素値をｐ１とする。インター予測部１２６は、周辺参照領域内の複数の画素に対して、Ａ×ｐ１＋Ｂ＝ｐ０を最適化する係数ＡおよびＢを輝度補正パラメータとして算出する。
　次に、インター予測部１２６は、ＭＶで指定された参照ピクチャ内の参照画像に対して輝度補正パラメータを用いて輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する。例えば、参照画像内の輝度画素値をｐ２とし、輝度補正処理後の予測画像の輝度画素値をｐ３とする。インター予測部１２６は、参照画像内の各画素に対して、Ａ×ｐ２＋Ｂ＝ｐ３を算出することで輝度補正処理後の予測画像を生成する。
　なお、図６６Ａに示す周辺参照領域の一部が用いられてもよい。例えば、上隣接画素および左隣接画素のそれぞれから間引いた所定数の画素を含む領域を周辺参照領域として用いてもよい。また、周辺参照領域は、カレントブロックに隣接する領域に限らず、カレントブロックに隣接しない領域であってもよい。また、図６６Ａに示す例では、参照ピクチャ内の周辺参照領域は、カレントピクチャ内の周辺参照領域から、カレントピクチャのＭＶで指定される領域であるが、他のＭＶで指定される領域であってもよい。例えば、当該他のＭＶは、カレントピクチャ内の周辺参照領域のＭＶであってもよい。
　なお、ここでは、符号化装置１００における動作を説明したが、復号装置２００における動作も同様である。
　なお、ＬＩＣは輝度のみではなく、色差に適用してもよい。このとき、Ｙ、Ｃｂ、およびＣｒのそれぞれに対して個別に補正パラメータを導出してもよいし、いずれかに対して共通の補正パラメータを用いてもよい。
　また、ＬＩＣ処理はサブブロック単位で適用してもよい。例えば、カレントサブブロックの周辺参照領域と、カレントサブブロックのＭＶで指定された参照ピクチャ内の参照サブブロックの周辺参照領域を用いて補正パラメータを導出してもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測画像（イントラ予測部１２４から出力される画像または信号）およびインター予測画像（インター予測部１２６から出力される画像または信号）のいずれかを選択し、選択した予測画像を減算部１０４および加算部１１６に出力する。
　［予測パラメータ生成部］
　予測パラメータ生成部１３０は、イントラ予測、インター予測、および予測制御部１２８における予測画像の選択などに関する情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。エントロピー符号化部１１０は、予測パラメータ生成部１３０から入力されるその予測パラメータ、量子化部１０８から入力される量子化係数に基づいて、ストリームを生成してもよい。予測パラメータは復号装置２００に使用されてもよい。復号装置２００は、ストリームを受信して復号し、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理と同じ処理を行ってもよい。予測パラメータは、選択予測信号（例えば、ＭＶ、予測タイプ、または、イントラ予測部１２４またはインター予測部１２６で用いられた予測モード）、または、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理に基づく、あるいはその予測処理を示す、任意のインデックス、フラグ、もしくは値を含んでいてもよい。
　［復号装置］
　次に、上記の符号化装置１００から出力されたストリームを復号可能な復号装置２００について説明する。図６７は、実施の形態に係る復号装置２００の構成の一例を示すブロック図である。復号装置２００は、符号化された画像であるストリームをブロック単位で復号する装置である。
　図６７に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、予測パラメータ生成部２２２と、分割決定部２２４とを備える。なお、イントラ予測部２１６およびインター予測部２１８のそれぞれは、予測処理部の一部として構成されている。
　［復号装置の実装例］
　図６８は、復号装置２００の実装例を示すブロック図である。復号装置２００は、プロセッサｂ１およびメモリｂ２を備える。例えば、図６７に示された復号装置２００の複数の構成要素は、図６８に示されたプロセッサｂ１およびメモリｂ２によって実装される。
　プロセッサｂ１は、情報処理を行う回路であり、メモリｂ２にアクセス可能な回路である。例えば、プロセッサｂ１は、ストリームを復号する専用または汎用の電子回路である。プロセッサｂ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサｂ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサｂ１は、図６７等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリｂ２は、プロセッサｂ１がストリームを復号するための情報が記憶される専用または汎用のメモリである。メモリｂ２は、電子回路であってもよく、プロセッサｂ１に接続されていてもよい。また、メモリｂ２は、プロセッサｂ１に含まれていてもよい。また、メモリｂ２は、複数の電子回路の集合体であってもよい。また、メモリｂ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリｂ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリｂ２には、画像が記憶されてもよいし、ストリームが記憶されてもよい。また、メモリｂ２には、プロセッサｂ１がストリームを復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリｂ２は、図６７等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリｂ２は、図６７に示されたブロックメモリ２１０およびフレームメモリ２１４の役割を果たしてもよい。より具体的には、メモリｂ２には、再構成画像（具体的には、再構成済みブロックまたは再構成済みピクチャ等）が記憶されてもよい。
　なお、復号装置２００において、図６７等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図６７等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　以下、復号装置２００の全体的な処理の流れを説明した後に、復号装置２００に含まれる各構成要素について説明する。なお、復号装置２００に含まれる各構成要素のうち、符号化装置１００に含まれる構成要素と同様の処理を行うものについては、詳細な説明を省略する。例えば、復号装置２００に含まれる、逆量子化部２０４、逆変換部２０６、加算部２０８、ブロックメモリ２１０、フレームメモリ２１４、イントラ予測部２１６、インター予測部２１８、予測制御部２２０、およびループフィルタ部２１２は、符号化装置１００に含まれる、逆量子化部１１２、逆変換部１１４、加算部１１６、ブロックメモリ１１８、フレームメモリ１２２、イントラ予測部１２４、インター予測部１２６、予測制御部１２８、およびループフィルタ部１２０と、それぞれ同様の処理を行う。
　［復号処理の全体フロー］
　図６９は、復号装置２００による全体的な復号処理の一例を示すフローチャートである。
　まず、復号装置２００の分割決定部２２４は、エントロピー復号部２０２から入力されるパラメータに基づいて、ピクチャに含まれる複数の固定サイズのブロック（１２８×１２８画素）のそれぞれの分割パターンを決定する（ステップＳｐ＿１）。この分割パターンは、符号化装置１００によって選択された分割パターンである。そして、復号装置２００は、その分割パターンを構成する複数のブロックのそれぞれに対してステップＳｐ＿２～Ｓｐ＿６の処理を行う。
　エントロピー復号部２０２は、カレントブロックの符号化された量子化係数および予測パラメータを復号（具体的にはエントロピー復号）する（ステップＳｐ＿２）。
　次に、逆量子化部２０４および逆変換部２０６は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、そのカレントブロックの予測残差を復元する（ステップＳｐ＿３）。
　次に、イントラ予測部２１６、インター予測部２１８および予測制御部２２０からなる予測処理部は、カレントブロックの予測画像を生成する（ステップＳｐ＿４）。
　次に、加算部２０８は、予測残差に予測画像を加算することによってカレントブロックを再構成画像（復号画像ブロックともいう）に再構成する（ステップＳｐ＿５）。
　そして、この再構成画像が生成されると、ループフィルタ部２１２は、その再構成画像に対してフィルタリングを行う（ステップＳｐ＿６）。
　そして、復号装置２００は、ピクチャ全体の復号が完了したか否かを判定し（ステップＳｐ＿７）、完了していないと判定する場合（ステップＳｐ＿７のＮｏ）、ステップＳｐ＿１からの処理を繰り返し実行する。
　なお、これらのステップＳｐ＿１～Ｓｐ＿７の処理は、復号装置２００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　［分割決定部］
　図７０は、分割決定部２２４と他の構成要素との関係を示す図である。分割決定部２２４は、一例として以下の処理を行ってもよい。
　分割決定部２２４は、例えば、ブロックメモリ２１０またはフレームメモリ２１４からブロック情報を収集し、さらに、エントロピー復号部２０２からパラメータを取得する。そして、分割決定部２２４は、そのブロック情報およびパラメータに基づいて固定サイズのブロックの分割パターンを決定してもよい。そして、分割決定部２２４は、その決定された分割パターンを示す情報を逆変換部２０６、イントラ予測部２１６およびインター予測部２１８に出力してもよい。逆変換部２０６は、分割決定部２２４からの情報によって示される分割パターンに基づいて変換係数に対して逆変換を行ってもよい。イントラ予測部２１６およびインター予測部２１８は、分割決定部２２４からの情報によって示される分割パターンに基づいて予測画像を生成してもよい。
　［エントロピー復号部］
　図７１は、エントロピー復号部２０２の構成の一例を示すブロック図である。
　エントロピー復号部２０２は、ストリームをエントロピー復号することによって、量子化係数、予測パラメータ、および分割パターンに関するパラメータなどを生成する。そのエントロピー復号には、例えば、ＣＡＢＡＣが用いられる。具体的には、エントロピー復号部２０２は、例えば、二値算術復号部２０２ａと、コンテキスト制御部２０２ｂと、多値化部２０２ｃとを備える。二値算術復号部２０２ａは、コンテキスト制御部２０２ｂによって導出されたコンテキスト値を用いてストリームを二値信号に算術復号する。コンテキスト制御部２０２ｂは、符号化装置１００のコンテキスト制御部１１０ｂと同様、シンタックス要素の特徴または周囲の状況に応じたコンテキスト値、すなわち二値信号の発生確率を導出する。多値化部２０２ｃは、二値算術復号部２０２ａから出力される二値信号を、上述の量子化係数などを示す多値信号に変換する多値化（ｄｅｂｉｎａｒｉｚｅ）を行う。この多値化は、上述の二値化の方式にしたがって行われる。
　エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。エントロピー復号部２０２は、イントラ予測部２１６、インター予測部２１８および予測制御部２２０に、ストリーム（図１参照）に含まれている予測パラメータを出力してもよい。イントラ予測部２１６、インター予測部２１８および予測制御部２２０は、符号化装置１００側におけるイントラ予測部１２４、インター予測部１２６および予測制御部１２８で行われる処理と同じ予測処理を実行することができる。
　［エントロピー復号部］
　図７２は、エントロピー復号部２０２におけるＣＡＢＡＣの流れを示す図である。
　まず、エントロピー復号部２０２におけるＣＡＢＡＣでは、初期化が行われる。この初期化では、二値算術復号部２０２ａにおける初期化と、初期コンテキスト値の設定とが行われる。そして、二値算術復号部２０２ａおよび多値化部２０２ｃは、例えばＣＴＵの符号化データに対して、算術復号と多値化とを実行する。このとき、コンテキスト制御部２０２ｂは、算術復号が行われるたびにコンテキスト値の更新を行う。そして、コンテキスト制御部２０２ｂは、後処理として、コンテキスト値を退避させる。この退避されたコンテキスト値は、例えば次のＣＴＵに対するコンテキスト値の初期値のために用いられる。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力であるカレントブロックの量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　図７３は、逆量子化部２０４の構成の一例を示すブロック図である。
　逆量子化部２０４は、例えば、量子化パラメータ生成部２０４ａと、予測量子化パラメータ生成部２０４ｂと、量子化パラメータ記憶部２０４ｄと、逆量子化処理部２０４ｅとを備える。
　図７４は、逆量子化部２０４による逆量子化の一例を示すフローチャートである。
　逆量子化部２０４は、一例として、図７４に示すフローに基づいてＣＵごとに逆量子化処理を実施してもよい。具体的には、量子化パラメータ生成部２０４ａは、逆量子化を行うか否かを判定する（ステップＳｖ＿１１）。ここで、逆量子化を行うと判定すると（ステップＳｖ＿１１のＹｅｓ）、量子化パラメータ生成部２０４ａは、カレントブロックの差分量子化パラメータをエントロピー復号部２０２から取得する（ステップＳｖ＿１２）。
　次に、予測量子化パラメータ生成部２０４ｂは、カレントブロックとは異なる処理単位の量子化パラメータを量子化パラメータ記憶部２０４ｄから取得する（ステップＳｖ＿１３）。予測量子化パラメータ生成部２０４ｂは、その取得した量子化パラメータに基づいて、カレントブロックの予測量子化パラメータを生成する（ステップＳｖ＿１４）。
　そして、量子化パラメータ生成部２０４ａは、エントロピー復号部２０２から取得された、カレントブロックの差分量子化パラメータと、予測量子化パラメータ生成部２０４ｂによって生成された、カレントブロックの予測量子化パラメータとを加算する（ステップＳｖ＿１５）。この加算によって、カレントブロックの量子化パラメータが生成される。また、量子化パラメータ生成部２０４ａは、そのカレントブロックの量子化パラメータを量子化パラメータ記憶部２０４ｄに格納する（ステップＳｖ＿１６）。
　次に、逆量子化処理部２０４ｅは、ステップＳｖ＿１５で生成された量子化パラメータを用いてカレントブロックの量子化係数を変換係数に逆量子化する（ステップＳｖ＿１７）。
　なお、差分量子化パラメータは、ビットシーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで復号されてもよい。また、量子化パラメータの初期値を、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで復号してもよい。このとき、量子化パラメータは量子化パラメータの初期値と差分量子化パラメータとを用いて生成されてもよい。
　なお、逆量子化部２０４は複数の逆量子化器を備えていてもよく、複数の逆量子化方法から選択した逆量子化方法を用いて量子化係数を逆量子化してもよい。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測残差を復元する。
　例えばストリームから読み解かれた情報がＥＭＴまたはＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、ストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　図７５は、逆変換部２０６による処理の一例を示すフローチャートである。
　例えば、逆変換部２０６は、直交変換を行わないことを示す情報がストリームに存在するか否かを判定する（ステップＳｔ＿１１）。ここで、その情報が存在しないと判定すると（ステップＳｔ＿１１のＮｏ）、逆変換部２０６は、エントロピー復号部２０２によって復号された、変換タイプを示す情報を取得する（ステップＳｔ＿１２）。次に、逆変換部２０６は、その情報に基づいて、符号化装置１００の直交変換に用いられた変換タイプを決定する（ステップＳｔ＿１３）。そして、逆変換部２０６は、その決定した変換タイプを用いて逆直交変換を行う（ステップＳｔ＿１４）。
　図７６は、逆変換部２０６による処理の他の例を示すフローチャートである。
　例えば、逆変換部２０６は、変換サイズが所定値以下であるか否かを判定する（ステップＳｕ＿１１）。ここで、所定値以下であると判定すると（ステップＳｕ＿１１のＹｅｓ）、逆変換部２０６は、第１の変換タイプ群に含まれる１つ以上の変換タイプのうち、いずれの変換タイプが符号化装置１００によって用いられたかを示す情報をエントロピー復号部２０２から取得する（ステップＳｕ＿１２）。なお、このような情報は、エントロピー復号部２０２によって復号されて逆変換部２０６に出力される。
　逆変換部２０６は、その情報に基づいて、符号化装置１００における直交変換に用いられた変換タイプを決定する（ステップＳｕ＿１３）。そして、逆変換部２０６は、その決定した変換タイプを用いてカレントブロックの変換係数を逆直交変換する（ステップＳｕ＿１４）。一方、逆変換部２０６は、ステップＳｕ＿１１において、変換サイズが所定値以下でないと判定すると（ステップＳｕ＿１１のＮｏ）、第２の変換タイプ群を用いてカレントブロックの変換係数を逆直交変換する（ステップＳｕ＿１５）。
　なお、逆変換部２０６による逆直交変換は、一例としてＴＵごとに図７５または図７６に示すフローに従って実施されてもよい。また、直交変換に用いた変換タイプを示す情報を復号せず、予め規定された変換タイプを用いて逆直交変換を行ってもよい。また、変換タイプは、具体的にはＤＳＴ７またはＤＣＴ８などであって、逆直交変換では、その変換タイプに対応する逆変換基底関数が用いられる。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測残差と予測制御部２２０からの入力である予測画像とを加算することによりカレントブロックを再構成する。つまり、カレントブロックの再構成画像が生成される。そして、加算部２０８は、カレントブロックの再構成画像をブロックメモリ２１０およびループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって、カレントピクチャ内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成画像を格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって生成された再構成画像にループフィルタを施し、フィルタが施された再構成画像をフレームメモリ２１４および表示装置等に出力する。
　ストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向および活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成画像に適用される。
　図７７は、ループフィルタ部２１２の構成の一例を示すブロック図である。なお、ループフィルタ部２１２は、符号化装置１００のループフィルタ部１２０と同様の構成を有する。
　ループフィルタ部２１２は、例えば図７７に示すように、デブロッキング・フィルタ処理部２１２ａと、ＳＡＯ処理部２１２ｂと、ＡＬＦ処理部２１２ｃとを備える。デブロッキング・フィルタ処理部２１２ａは、再構成画像に対して上述のデブロッキング・フィルタ処理を施す。ＳＡＯ処理部２１２ｂは、デブロッキング・フィルタ処理後の再構成画像に対して上述のＳＡＯ処理を施す。また、ＡＬＦ処理部２１２ｃは、ＳＡＯ処理後の再構成画像に対して上述のＡＬＦ処理を適用する。なお、ループフィルタ部２１２は、図７７に開示した全ての処理部を備えていなくてもよく、一部の処理部のみを備えていてもよい。また、ループフィルタ部２１２は、図７７に開示した処理順とは異なる順番で上述の各処理を行う構成であってもよい。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタが施された再構成画像を格納する。
　［予測部（イントラ予測部・インター予測部・予測制御部）］
　図７８は、復号装置２００の予測部で行われる処理の一例を示すフローチャートである。なお、一例として予測部は、イントラ予測部２１６、インター予測部２１８、および予測制御部２２０の全てまたは一部の構成要素からなる。予測処理部は、例えばイントラ予測部２１６およびインター予測部２１８を含む。
　予測部は、カレントブロックの予測画像を生成する（ステップＳｑ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測部は、他のブロックに対する予測画像の生成、予測残差の復元、および予測画像の加算が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。復号装置２００の予測部は、符号化装置１００の予測部によって生成される予測画像と同一の予測画像を生成する。つまり、それらの予測部に用いられる予測画像の生成方法は、互いに共通または対応している。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の復号済みのブロック（すなわち、上述の他のブロック）の画像であってもよい。カレントピクチャ内の復号済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図７９は、復号装置２００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、予測画像を生成するための方式またはモードを判定する（ステップＳｒ＿１）。例えば、この方式またはモードは、例えば予測パラメータなどに基づいて判定されてもよい。
　予測部は、予測画像を生成するためのモードとして第１の方式を判定した場合には、その第１の方式にしたがって予測画像を生成する（ステップＳｒ＿２ａ）。また、予測部は、予測画像を生成するためのモードとして第２の方式を判定した場合には、その第２の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｂ）。また、予測部は、予測画像を生成するためのモードとして第３の方式を判定した場合には、その第３の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｃ）。
　第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　図８０Ａ及び図８０Ｂは、復号装置２００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、一例として図８０Ａ及び図８０Ｂに示すフローに従って予測処理を行ってもよい。なお、図８０Ａ及び図８０Ｂに示すイントラブロックコピーは、インター予測に属する１つのモードであって、カレントピクチャに含まれるブロックが参照画像または参照ブロックとして参照されるモードである。つまり、イントラブロックコピーでは、カレントピクチャと異なるピクチャは参照されない。また、図８０Ａに示すＰＣＭモードは、イントラ予測に属する１つのモードであって、変換および量子化が行われないモードである。
　［イントラ予測部］
　イントラ予測部２１６は、ストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、カレントブロックの予測画像（すなわちイントラ予測画像）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックの画素値（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測画像を生成し、イントラ予測画像を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、ストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　図８１は、復号装置２００のイントラ予測部２１６による処理の一例を示す図である。
　イントラ予測部２１６は、まず、１を示すＭＰＭフラグがストリームに存在するか否かを判定する（ステップＳｗ＿１１）。ここで、１を示すＭＰＭフラグが存在すると判定すると（ステップＳｗ＿１１のＹｅｓ）、イントラ予測部２１６は、ＭＰＭのうち、符号化装置１００において選択されたイントラ予測モードを示す情報をエントロピー復号部２０２から取得する（ステップＳｗ＿１２）。なお、その情報は、エントロピー復号部２０２によって復号されてイントラ予測部２１６に出力される。次に、イントラ予測部２１６は、ＭＰＭを決定する（ステップＳｗ＿１３）。ＭＰＭは、例えば６つのイントラ予測モードからなる。そして、イントラ予測部２１６は、そのＭＰＭに含まれる複数のイントラ予測モードの中から、ステップＳｗ＿１２で取得された情報によって示されるイントラ予測モードを決定する（ステップＳｗ＿１４）。
　一方、イントラ予測部２１６は、ステップＳｗ＿１１において、１を示すＭＰＭフラグがストリームに存在しないと判定すると（ステップＳｗ＿１１のＮｏ）、符号化装置１００において選択されたイントラ予測モードを示す情報を取得する（ステップＳｗ＿１５）。つまり、イントラ予測部２１６は、ＭＰＭに含まれない１つ以上のイントラ予測モードのうち、符号化装置１００において選択されたイントラ予測モードを示す情報をエントロピー復号部２０２から取得する。なお、その情報は、エントロピー復号部２０２によって復号されてイントラ予測部２１６に出力される。そして、イントラ予測部２１６は、そのＭＰＭに含まれていない１つ以上のイントラ予測モードの中から、ステップＳｗ＿１５で取得された情報によって示されるイントラ予測モードを決定する（ステップＳｗ＿１７）。
　イントラ予測部２１６は、ステップＳｗ＿１４またはステップＳｗ＿１７において決定されたイントラ予測モードにしたがって予測画像を生成する（ステップＳｗ＿１８）。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロックまたはカレントブロック内のサブブロックの単位で行われる。なお、サブブロックはブロックに含まれていて、ブロックより小さい単位である。サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　例えば、インター予測部２１８は、ストリーム（例えば、エントロピー復号部２０２から出力される予測パラメータ）から読み解かれた動き情報（例えばＭＶ）を用いて動き補償を行うことでカレントブロックまたはサブブロックのインター予測画像を生成し、インター予測画像を予測制御部２２０に出力する。
　ストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測画像を生成する。
　また、ストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチングまたはテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償（予測）を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいてＭＶを導出する。また、ストリームから読み解かれた情報がアフィンモードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックのＭＶに基づいてサブブロック単位でＭＶを導出する。
　［ＭＶ導出のフロー］
　図８２は、復号装置２００におけるＭＶ導出の一例を示すフローチャートである。
　インター予測部２１８は、例えば、動き情報（例えばＭＶ）を復号するか否かを判定する。例えば、インター予測部２１８は、ストリームに含まれる予測モードに応じて判定してもよく、ストリームに含まれるその他の情報に基づいて判定してもよい。ここで、インター予測部２１８は、動き情報を復号すると判定すると、その動き情報を復号するモードで、カレントブロックのＭＶを導出する。一方、インター予測部２１８は、動き情報を復号しないと判定すると、動き情報を復号しないモードでＭＶを導出する。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を復号するモードには、ノーマルインターモード、ノーマルマージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測ＭＶ選択情報が含まれてもよい。また、動き情報を復号しないモードには、ＦＲＵＣモードなどがある。インター予測部２１８は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図８３は、復号装置２００におけるＭＶ導出の他の例を示すフローチャートである。
　インター予測部２１８は、例えば、差分ＭＶを復号するか否かを判定する、例えば、インター予測部２１８は、ストリームに含まれる予測モードに応じて判定してもよく、ストリームに含まれるその他の情報に基づいて判定してもよい。ここで、インター予測部２１８は、差分ＭＶを復号すると判定すると、差分ＭＶを復号するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えばストリームに含まれる差分ＭＶが予測パラメータとして復号される。
　一方、インター予測部２１８は、差分ＭＶを復号しないと判定すると、差分ＭＶを復号しないモードでＭＶを導出する。この場合には、符号化された差分ＭＶはストリームに含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、ノーマルマージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部２１８は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［ＭＶ導出　＞　ノーマルインターモード］
　例えば、ストリームから読み解かれた情報がノーマルインターモードを適用することを示す場合、インター予測部２１８は、ストリームから読み解かれた情報に基づいて、ノーマルマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８４は、復号装置２００におけるノーマルインターモードによるインター予測の例を示すフローチャートである。
　復号装置２００のインター予測部２１８は、ブロックごとに、そのブロックに対して動き補償を行う。このときには、インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｇ＿１１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、予め決められた優先順位に従って抽出する（ステップＳｇ＿１２）。なお、その優先順位は、Ｎ個の予測ＭＶ候補のそれぞれに対して予め定められている。
　次に、インター予測部２１８は、入力されたストリームから予測ＭＶ選択情報を復号し、その復号された予測ＭＶ選択情報を用いて、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測ＭＶとして選択する（ステップＳｇ＿１３）。
　次に、インター予測部２１８は、入力されたストリームから差分ＭＶを復号し、その復号された差分ＭＶである差分値と、選択された予測ＭＶとを加算することによって、カレントブロックのＭＶを導出する（ステップＳｇ＿１４）。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿１５）。ステップＳｇ＿１１～Ｓｇ＿１５の処理は、各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１１～Ｓｇ＿１５の処理が実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１１～Ｓｇ＿１５の処理が実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了する。なお、ステップＳｇ＿１１～Ｓｇ＿１５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了してもよい。ステップＳｇ＿１１～Ｓｇ＿１５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了してもよい。
　［ＭＶ導出　＞　ノーマルマージモード］
　例えば、ストリームから読み解かれた情報がノーマルマージモードの適用を示す場合、インター予測部２１８は、ノーマルマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８５は、復号装置２００におけるノーマルマージモードによるインター予測の例を示すフローチャートである。
　インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｈ＿１１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿１２）。具体的には、インター予測部２１８は、例えばストリームに予測パラメータとして含まれるＭＶ選択情報を取得し、そのＭＶ選択情報によって識別される候補ＭＶを、カレントブロックのＭＶとして選択する。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿１３）。ステップＳｈ＿１１～Ｓｈ＿１３の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１１～Ｓｈ＿１３の処理が実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１１～Ｓｈ＿１３の処理が実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了する。なお、ステップＳｈ＿１１～Ｓｈ＿１３の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了してもよい。ステップＳｈ＿１１～Ｓｈ＿１３の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了してもよい。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　例えば、ストリームから読み解かれた情報がＦＲＵＣモードの適用を示す場合、インター予測部２１８は、ＦＲＵＣモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。この場合、動き情報は、符号化装置１００側から信号化されずに、復号装置２００側で導出される。例えば、復号装置２００は、動き探索を行うことにより動き情報を導出してもよい。この場合、復号装置２００は、カレントブロックの画素値を用いずに動き探索を行う。
　図８６は、復号装置２００におけるＦＲＵＣモードによるインター予測の例を示すフローチャートである。
　まず、インター予測部２１８は、カレントブロックに空間的または時間的に隣接する各復号済みブロックのＭＶを参照して、それらのＭＶを候補ＭＶとして示すリスト（すなわち、候補ＭＶリストであって、ノーマルマージモードの候補ＭＶリストと共通であってもよい）を生成する（ステップＳｉ＿１１）。次に、インター予測部２１８は、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶを選択する（ステップＳｉ＿１２）。例えば、インター予測部２１８は、候補ＭＶリストに含まれる各候補ＭＶの評価値を算出し、その評価値に基づいて１つの候補ＭＶをベスト候補ＭＶとして選択する。そして、インター予測部２１８は、選択されたベスト候補ＭＶに基づいて、カレントブロックのためのＭＶを導出する（ステップＳｉ＿１４）。具体的には、例えば、選択されたベスト候補ＭＶがそのままカレントブロックのためのＭＶとして導出される。また例えば、選択されたベスト候補ＭＶに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのためのＭＶが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶをそのＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を実施しなくてもよい。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿１５）。ステップＳｉ＿１１～Ｓｉ＿１５の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１１～Ｓｉ＿１５の処理が実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１１～Ｓｉ＿１５の処理が実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了する。サブブロック単位でも上述のブロック単位と同様に処理されてもよい。
　［ＭＶ導出　＞　アフィンマージモード］
　例えば、ストリームから読み解かれた情報がアフィンマージモードの適用を示す場合、インター予測部２１８は、アフィンマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８７は、復号装置２００におけるアフィンマージモードによるインター予測の例を示すフローチャートである。
　アフィンマージモードでは、まず、インター予測部２１８は、カレントブロックの制御ポイントのそれぞれのＭＶを導出する（ステップＳｋ＿１１）。制御ポイントは、図４６Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図４６Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。
　例えば、図４７Ａ～図４７Ｃに示すＭＶの導出方法を用いる場合、インター予測部２１８は、図４７Ａに示すように、復号済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで復号された最初の有効なブロックを特定する。
　インター予測部２１８は、特定されたアフィンモードで復号された最初の有効なブロックを用いて、制御ポイントのＭＶを導出する。例えば、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合、図４７Ｂに示すように、インター予測部２１８は、ブロックＡを含む復号済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４をカレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。これにより、各制御ポイントのＭＶが導出される。
　なお、図４９Ａに示すように、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合に、３つの制御ポイントのＭＶを算出してもよく、図４９Ｂに示すように、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合に、２つの制御ポイントのＭＶを算出してもよい。
　また、ストリームに予測パラメータとしてＭＶ選択情報が含まれている場合には、インター予測部２１８は、そのＭＶ選択情報を用いてカレントブロックの各制御ポイントのＭＶを導出してもよい。
　次に、インター予測部２１８は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部２１８は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｋ＿１２）。そして、インター予測部２１８は、それらのアフィンＭＶおよび復号済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿１３）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｋ＿１２およびＳｋ＿１３の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いたインター予測が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｋ＿１１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、例えば、２つの制御ポイントを有するアフィンマージモードの候補ＭＶと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンマージモードと、３つの制御ポイントを有するアフィンマージモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。
　［ＭＶ導出　＞　アフィンインターモード］
　例えば、ストリームから読み解かれた情報がアフィンインターモードの適用を示す場合、インター予測部２１８は、アフィンインターモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８８は、復号装置２００におけるアフィンインターモードによるインター予測の例を示すフローチャートである。
　アフィンインターモードでは、まず、インター予測部２１８は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１１）。制御ポイントは、例えば図４６Ａまたは図４６Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　インター予測部２１８は、ストリームに予測パラメータとして含まれる予測ＭＶ選択情報を取得し、その予測ＭＶ選択情報によって識別されるＭＶを用いて、カレントブロックの各制御ポイントの予測ＭＶを導出する。例えば、図４８Ａおよび図４８Ｂに示すＭＶの導出方法を用いる場合、インター予測部２１８は、図４８Ａまたは図４８Ｂに示すカレントブロックの各制御ポイント近傍の復号済みブロックのうち、予測ＭＶ選択情報によって識別されるブロックのＭＶを選択することによって、カレントブロックの制御ポイントの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。
　次に、インター予測部２１８は、例えば、ストリームに予測パラメータとして含まれる各差分ＭＶを取得し、カレントブロックの各制御ポイントの予測ＭＶと、その予測ＭＶに対応する差分ＭＶとを加算する（ステップＳｊ＿１２）。これにより、カレントブロックの各制御ポイントのＭＶが導出される。
　次に、インター予測部２１８は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部２１８は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｊ＿１３）。そして、インター予測部２１８は、それらのアフィンＭＶおよび復号済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｊ＿１４）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｊ＿１３およびＳｊ＿１４の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いたインター予測が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｊ＿１１では、ステップＳｋ＿１１と同様、上述の候補ＭＶリストが生成されてもよい。
　［ＭＶ導出　＞　トライアングルモード］
　例えば、ストリームから読み解かれた情報がトライアングルモードの適用を示す場合、インター予測部２１８は、トライアングルモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８９は、復号装置２００におけるトライアングルモードによるインター予測の例を示すフローチャートである。
　トライアングルモードでは、まず、インター予測部２１８は、カレントブロックを第１パーティションと第２パーティションとに分割する（ステップＳｘ＿１１）。このとき、インター予測部２１８は、各パーティションへの分割に関する情報であるパーティション情報を予測パラメータとしてストリームから取得してもよい。そして、インター予測部２１８は、そのパーティション情報に応じて、カレントブロックを第１パーティションと第２パーティションとに分割してもよい。
　次に、インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｘ＿１２）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　そして、インター予測部２１８は、ステップＳｘ＿１１で取得された複数の候補ＭＶの中から、第１パーティションの候補ＭＶおよび第２パーティションの候補ＭＶを、第１ＭＶおよび第２ＭＶとしてそれぞれ選択する（ステップＳｘ＿１３）。このとき、インター予測部２１８は、選択された候補ＭＶを識別するためのＭＶ選択情報を予測パラメータとしてストリームから取得してもよい。そして、インター予測部２１８は、そのＭＶ選択情報に応じて第１ＭＶおよび第２ＭＶを選択してもよい。
　次に、インター予測部２１８は、その選択された第１ＭＶと復号済み参照ピクチャとを用いて動き補償を行ことにより、第１予測画像を生成する（ステップＳｘ＿１４）。同様に、インター予測部２１８は、選択された第２ＭＶと復号済み参照ピクチャとを用いて動き補償を行ことにより、第２予測画像を生成する（ステップＳｘ＿１５）。
　最後に、インター予測部２１８は、第１予測画像と第２予測画像とを重み付け加算することによって、カレントブロックの予測画像を生成する（ステップＳｘ＿１６）。
　［動き探索　＞　ＤＭＶＲ］
　例えば、ストリームから読み解かれた情報がＤＭＶＲの適用を示す場合、インター予測部２１８は、ＤＭＶＲで動き探索を行う。
　図９０は、復号装置２００におけるＤＭＶＲによる動き探索の例を示すフローチャートである。
　インター予測部２１８は、まず、マージモードでカレントブロックのＭＶを導出する（ステップＳｌ＿１１）。次に、インター予測部２１８は、ステップＳｌ＿１１で導出されたＭＶによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終のＭＶを導出する（ステップＳｌ＿１２）。すなわち、ＤＭＶＲによってカレントブロックのＭＶが決定される。
　図９１は、復号装置２００におけるＤＭＶＲによる動き探索の詳細な一例を示すフローチャートである。
　まず、インター予測部２１８は、図５８Ａに示すＳｔｅｐ１で、初期ＭＶが示す探索位置（開始点ともいう）と、その周囲にある８つの探索位置とにおけるコストを算出する。そして、インター予測部２１８は、開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部２１８は、開始点以外の探索位置のコストが最小と判定すると、コストが最小となる探索位置に移動して、図５８Ａに示すＳｔｅｐ２の処理を行う。一方、インター予測部２１８は、開始点のコストが最小であれば、図５８Ａに示すＳｔｅｐ２の処理をスキップしてＳｔｅｐ３の処理を行う。
　図５８Ａに示すＳｔｅｐ２では、インター予測部２１８は、Ｓｔｅｐ１の処理結果に応じて移動した探索位置を新たな開始点として、Ｓｔｅｐ１の処理と同様の探索を行う。そして、インター予測部２１８は、その開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部２１８は、開始点以外の探索位置のコストが最小であれば、Ｓｔｅｐ４の処理を行う。一方、インター予測部２１８は、開始点のコストが最小であれば、Ｓｔｅｐ３の処理を行う。
　Ｓｔｅｐ４では、インター予測部２１８は、その開始点の探索位置を最終探索位置として扱い、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　図５８Ａに示すＳｔｅｐ３では、インター予測部２１８は、Ｓｔｅｐ１またはＳｔｅｐ２の開始点の上下左右にある４点におけるコストに基づき、コストが最小となる小数精度の画素位置を決定し、その画素位置を最終探索位置とする。その小数精度の画素位置は、上下左右にある４点のベクトル（（０，１），（０，－１），（－１，０），（１，０））を、その４点のそれぞれの探索位置におけるコストを重みとして重み付け加算することで決定される。そして、インター予測部２１８は、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ／ＬＩＣ］
　例えば、ストリームから読み解かれた情報が予測画像の補正の適用を示す場合、インター予測部２１８は、予測画像を生成すると、その補正のモードにしたがって予測画像を補正する。そのモードは、例えば、上述のＢＩＯ、ＯＢＭＣ、およびＬＩＣなどである。
　図９２は、復号装置２００における予測画像の生成の一例を示すフローチャートである。
　インター予測部２１８は、予測画像を生成し（ステップＳｍ＿１１）、上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿１２）。
　図９３は、復号装置２００における予測画像の生成の他の例を示すフローチャートである。
　インター予測部２１８は、カレントブロックのＭＶを導出する（ステップＳｎ＿１１）。次に、インター予測部２１８は、そのＭＶを用いて予測画像を生成し（ステップＳｎ＿１２）、補正処理を行うか否かを判定する（ステップＳｎ＿１３）。例えば、インター予測部２１８は、ストリームに含まれる予測パラメータを取得し、その予測パラメータに基づいて、補正処理を行うか否かを判定する。この予測パラメータは、例えば、上述の各モードを適用するか否かを示すフラグである。ここで、インター予測部２１８は、補正処理を行うと判定すると（ステップＳｎ＿１３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿１４）。なお、ＬＩＣでは、ステップＳｎ＿１４において、予測画像の輝度および色差が補正されてもよい。一方、インター予測部２１８は、補正処理を行わないと判定すると（ステップＳｎ＿１３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿１５）。
　［動き補償　＞　ＯＢＭＣ］
　例えば、ストリームから読み解かれた情報がＯＢＭＣの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＯＢＭＣにしたがって予測画像を補正する。
　図９４は、復号装置２００におけるＯＢＭＣによる予測画像の補正の例を示すフローチャートである。なお、図９４のフローチャートは、図６２に示すカレントピクチャおよび参照ピクチャを用いた予測画像の補正の流れを示す。
　まず、インター予測部２１８は、図６２に示すように、カレントブロックに割り当てられたＭＶを用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。
　次に、インター予測部２１８は、復号済みの左隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｌ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。そして、インター予測部２１８は、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、インター予測部２１８は、復号済みの上隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｕ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。そして、インター予測部２１８は、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　［動き補償　＞　ＢＩＯ］
　例えば、ストリームから読み解かれた情報がＢＩＯの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＢＩＯにしたがって予測画像を補正する。
　図９５は、復号装置２００におけるＢＩＯによる予測画像の補正の例を示すフローチャートである。
　インター予測部２１８は、図６３に示すように、カレントブロックを含むピクチャ（Ｃｕｒ　Ｐｉｃ）と異なる２枚の参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）を用いて、２つの動きベクトル（Ｍ０，Ｍ１）を導出する。そして、インター予測部２１８は、その２つの動きベクトル（Ｍ０，Ｍ１）を用いてカレントブロックの予測画像を導出する（ステップＳｙ＿１１）。なお、動きベクトルＭ０は、参照ピクチャＲｅｆ０に対応する動きベクトル（ＭＶｘ０，ＭＶｙ０）であり、動きベクトルＭ１は、参照ピクチャＲｅｆ１に対応する動きベクトル（ＭＶｘ１，ＭＶｙ１）である。
　次に、インター予測部２１８は、動きベクトルＭ０および参照ピクチャＬ０を用いてカレントブロックの補間画像Ｉ０を導出する。また、インター予測部２１８は、動きベクトルＭ１および参照ピクチャＬ１を用いてカレントブロックの補間画像Ｉ１を導出する（ステップＳｙ＿１２）。ここで、補間画像Ｉ０は、カレントブロックに対して導出される、参照ピクチャＲｅｆ０に含まれる画像であって、補間画像Ｉ１は、カレントブロックに対して導出される、参照ピクチャＲｅｆ１に含まれる画像である。補間画像Ｉ０および補間画像Ｉ１はそれぞれ、カレントブロックと同じサイズであってもよい。または、補間画像Ｉ０および補間画像Ｉ１はそれぞれ、後述の勾配画像を適切に導出するために、カレントブロックよりも大きな画像であってもよい。さらに、補間画像Ｉ０およびＩ１は、動きベクトル（Ｍ０，Ｍ１）および参照ピクチャ（Ｌ０，Ｌ１）と、動き補償フィルタとを適用して導出された予測画像を含んでいてもよい。
　また、インター予測部２１８は、補間画像Ｉ０および補間画像Ｉ１から、カレントブロックの勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を導出する（ステップＳｙ＿１３）。なお、水平方向の勾配画像は、（Ｉｘ０，Ｉｘ１）であり、垂直方向の勾配画像は、（Ｉｙ０，Ｉｙ１）である。インター予測部２１８は、例えば、補間画像に対して勾配フィルタを適用することによって、その勾配画像を導出してもよい。勾配画像は、水平方向または垂直方向に沿った画素値の空間的な変化量を示すものであればよい。
　次に、インター予測部２１８は、カレントブロックを構成する複数のサブブロック単位で、補間画像（Ｉ０，Ｉ１）および勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を用いて上述の速度ベクトルであるオプティカルフロー（ｖｘ，ｖｙ）を導出する（ステップＳｙ＿１４）。一例として、サブブロックは、４ｘ４画素のサブＣＵであってもよい。
　次に、インター予測部２１８は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックの予測画像を補正する。例えば、インター予測部２１８は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックに含まれる画素の値の補正値を導出する（ステップＳｙ＿１５）。そして、インター予測部２１８は、補正値を用いてカレントブロックの予測画像を補正してもよい（ステップＳｙ＿１６）。なお、補正値は各画素単位で導出されてもよいし、複数の画素単位またはサブブロック単位で導出されてもよい。
　なお、ＢＩＯの処理フローは、図９５に開示した処理に限定されない。図９５に開示した処理の一部の処理のみを実施してもよいし、異なる処理を追加または置換してもよいし、異なる処理順で実行してもよい。
　［動き補償　＞　ＬＩＣ］
　例えば、ストリームから読み解かれた情報がＬＩＣの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＬＩＣにしたがって予測画像を補正する。
　図９６は、復号装置２００におけるＬＩＣによる予測画像の補正の例を示すフローチャートである。
　まず、インター予測部２１８は、ＭＶを用いて、復号済みの参照ピクチャからカレントブロックに対応する参照画像を取得する（ステップＳｚ＿１１）。
　次に、インター予測部２１８は、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する（ステップＳｚ＿１２）。この抽出は、図６６Ａに示すように、カレントピクチャにおける復号済み左隣接参照領域（周辺参照領域）および復号済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、インター予測部２１８は、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する（ステップＳｚ＿１３）。
　インター予測部２１８は、ＭＶで指定された参照ピクチャ内の参照画像に対してその輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する（ステップＳｚ＿１４）。つまり、ＭＶで指定された参照ピクチャ内の参照画像である予測画像に対して、輝度補正パラメータに基づく補正が行われる。この補正では、輝度が補正されてもよく、色差が補正されてもよい。
　［予測制御部］
　予測制御部２２０は、イントラ予測画像およびインター予測画像のいずれかを選択し、選択した予測画像を加算部２０８に出力する。全体的に、復号装置２００側の予測制御部２２０、イントラ予測部２１６およびインター予測部２１８の構成、機能、および処理は、符号化装置１００側の予測制御部１２８、イントラ予測部１２４およびインター予測部１２６の構成、機能、および処理と対応していてもよい。
　［ニューラルネットワークフィルタ］
　機械学習及び人工知能が、医療、交通、ネットワーク最適化、ビッグデータ解析、監視、スピーチ、オーディオ、画像及び映像の分類、並びに、画像及び映像の圧縮などのような、ほとんど全ての技術分野に発展している。これに伴って、ニューラルネットワークの効率的な圧縮に対する需要も高まっている。
　その結果、ニューラルネットワーク（ＮＮ）の効率的な圧縮及び伝送のための規格が作成されている。この規格は、ＮＮＲ（Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　Ｃｏｍｐｒｅｓｓｉｏｎ　ａｎｄ　Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ）、又は、ＩＳＯ／ＩＥＣ　１５９３８－１７とも呼ばれる。ＮＮＲ規格は、最大９７％の圧縮効率を実現する。しかしながら、ＮＮＲで圧縮されたビットストリームのサイズは、まだ巨大である。
　最近のビデオコーディングでは、従来のビデオコーディング（ＡＶＣ、ＨＥＶＣ及びＶＶＣなど）と、ニューラルネットワークベースのフィルタリングとを組み合わせることが検討されている。
　例えば、ニューラルネットワークベースのフィルタであるニューラルネットワークフィルタは、再構成ピクチャの画質を改善するように学習されている。具体的には、ニューラルネットワークフィルタは、再構成ピクチャを原ピクチャに近づけるように学習されていてもよい。
　このようなニューラルネットワークフィルタに再構成ピクチャが入力されることにより、画質が改善された再構成ピクチャがニューラルネットワークフィルタから出力される。このようなニューラルネットワークフィルタが用いられることで、画質が向上する。
　そして、符号化装置１００は、このような再構成ピクチャを原ピクチャに近づけるためのニューラルネットワークフィルタを設定するためのニューラルネットワーク情報セットを符号化する。また、復号装置２００は、ニューラルネットワーク情報セットを復号し、ニューラルネットワーク情報セットに従ってニューラルネットワークフィルタを設定し、再構成ピクチャにニューラルネットワークフィルタを適用する。
　ユースケースによっては、ニューラルネットワーク情報セットと映像データとが異なる領域に格納されることがある。例えば、ＭＰＥＧ－ＤＡＳＨでは、ニューラルネットワーク情報セットは、映像データのセグメントとは異なるサーバの共通セグメント（例えばＤＡＳＨ初期化セグメント）に格納される場合がある。
　このような場合、ニューラルネットワーク情報セットの取得、及び、ニューラルネットワーク情報セットに基づくニューラルネットワークの設定には時間がかかる。したがって、カレントピクチャを表示するまでに、カレントピクチャに対して指定されたニューラルネットワーク情報セットを取得してニューラルネットワークの重み等を設定するための十分な時間を確保することが困難な場合がある。
　また、例えば、カレントピクチャの特性に従ってニューラルネットワークフィルタがカレントピクチャに対して指定される。しかしながら、カレントピクチャが複数の特性を有する場合がある。したがって、カレントピクチャに対して１つのニューラルネットワークフィルタを指定することが困難な場合がある。
　そこで、本実施の形態では、ピクチャに適用されるニューラルネットワークフィルタの効率的な指定方法が示される。
　図９７は、ニューラルネットワークフィルタを用いる復号処理を示すフローチャートである。具体的には、復号装置２００が、図９７に示された復号処理を行う。
　まず、復号装置２００は、第１ビットストリームから１つ以上のニューラルネットワーク情報セットを復号する（Ｓ１０１）。各ニューラルネットワーク情報セットには、ニューラルネットワークフィルタの特性が記述される。すなわち、ニューラルネットワーク情報セットは、フィルタとして用いられるニューラルネットワークのパラメータを含んでいてもよい。より具体的には、ニューラルネットワーク情報セットは、ニューラルネットワークに含まれるレイヤ数、ノード数及び重み係数等を含んでいてもよい。
　また、一例において、ニューラルネットワーク情報セットは、ニューラルネットワークフィルタの出力輝度データの幅及び高さを含んでいてもよい。また、一例において、ニューラルネットワーク情報は、ニューラルネットワークフィルタの出力輝度データに対する出力色差データのサンプリング比を含んでいてもよい。
　あるいは、ニューラルネットワーク情報セットは、ニューラルネットワークフィルタの取得先を含んでいてもよい。具体的には、ニューラルネットワーク情報セットは、ニューラルネットワークフィルタの取得先のＵＲＬ（Ｕｎｉｆｏｒｍ　Ｒｅｓｏｕｒｃｅ　Ｌｏｃａｔｏｒ）を含んでいてもよい。この場合、ニューラルネットワークフィルタの取得先から、ニューラルネットワークフィルタが取得され設定される。
　また、互いに異なる複数のニューラルネットワークフィルタにそれぞれ対応する複数のニューラルネットワーク情報セットが復号されてもよい。複数のニューラルネットワークフィルタのうち、原ピクチャの特性に対応するニューラルネットワークフィルタが用いられることで、再構成ピクチャの画質がより改善される可能性がある。
　一例において、ピクチャの画質に応じたニューラルネットワークフィルタが準備されてもよい。すなわち、複数の画質に応じた複数のニューラルネットワークフィルタが準備されてもよい。具体的には、Ｉピクチャ、Ｐピクチャ及びＢピクチャ等のタイプ、及び、Ｉピクチャからカレントピクチャまでに処理されるピクチャ数等によって、ピクチャの画質が変化すると想定される。そのため、ピクチャの画質に応じたニューラルネットワークフィルタが当該ピクチャに適用されることで効率的に画質がより改善される可能性がある。
　また、ピクチャのサイズに応じたニューラルネットワークフィルタが準備されてもよい。具体的には、複数の原ピクチャが異なるサイズを有する場合がある。そこで、ピクチャのサイズを揃えるためのニューラルネットワークフィルタが、原ピクチャのサイズ毎に準備されてもよい。
　また、ピクチャ全体の輝度の強度レベルに応じたニューラルネットワークフィルタが準備されてもよい。また、ビット深度に応じたニューラルネットワークフィルタが準備されてもよい。また、ピクチャに含まれる被写体に応じたニューラルネットワークフィルタが準備されてもよい。
　そして、復号装置２００は、これらに応じた複数のニューラルネットワークフィルタに対応する複数のニューラルネットワーク情報セットを復号してもよい。
　符号化されたニューラルネットワーク情報セットを含む第１ビットストリームは、符号化されたピクチャを含むビットストリーム全体に対応してもよいし、ビットストリーム全体のヘッダ領域又はデータ領域に対応していてもよい。あるいは、第１ビットストリームは、符号化されたピクチャを含むビットストリームとは異なるビットストリームであってもよい。
　次に、復号装置２００は、第２ビットストリームから１つ以上のアクティベーション情報セットを復号する（Ｓ１０２）。
　各アクティベーション情報セットは、ニューラルネットワーク識別子を含む。各アクティベーション情報セットは、さらに、画像識別子を含んでいてもよい。ニューラルネットワーク識別子は、フィルタ対象ピクチャに適用されるニューラルネットワークフィルタに用いられるニューラルネットワーク情報セットを指し示す。画像識別子は、フィルタ対象ピクチャを指し示す。フィルタ対象ピクチャは、アクティベーション対象ピクチャとも表現され得る。
　ニューラルネットワーク識別子は、複数のニューラルネットワーク情報セットを指し示してもよい。同様に、画像識別子は、複数のフィルタ対象ピクチャを指し示してもよい。
　符号化されたアクティベーション情報セットを含む第２ビットストリームは、符号化されたピクチャを含むビットストリーム全体に対応していてもよいし、ビットストリーム全体のヘッダ領域又はデータ領域に対応していてもよい。あるいは、第２ビットストリームは、符号化されたピクチャを含むビットストリームとは異なるビットストリームであってもよい。
　基本的には、第２ビットストリームは、符号化されたピクチャを含むビットストリームと同じビットストリームである。そして、符号化されたアクティベーション情報セットは、符号化されたピクチャを含むアクセスユニットに含まれる。復号装置２００は、第２ビットストリームのアクセスユニットから１つ以上のアクティベーション情報セットを復号する。
　一例において、ニューラルネットワーク識別子は、ニューラルネットワークに対して付与されたＩＤによって表現される。ニューラルネットワーク識別子は、ニューラルネットワーク識別子と同じＩＤを有する複数のニューラルネットワーク情報セットを指し示してもよい。このＩＤは、数字に対応していてもよい。
　一例において、画像識別子は、ＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）によって表現される。ＰＯＣは、ＰＯＣ番号とも呼ばれる。この場合、画像識別子は、画像識別子と同じＰＯＣ番号を有するピクチャを指し示す。
　次に、復号装置２００は、第３ビットストリームから１つ以上のピクチャを復号する（Ｓ１０３）。符号化されたピクチャを含む第３ビットストリームは、ビットストリーム全体に対応していてもよいし、ビットストリーム全体のデータ領域に対応していてもよい。基本的には、符号化されたピクチャは、アクセスユニットに含まれる。したがって、復号装置２００は、第３ビットストリームの１つ以上のアクセスユニットから１つ以上のピクチャを復号する。
　基本的には、１つのアクセスユニットには、１つのピクチャが含まれる。しかしながら、１つのアクセスユニットに、同一の復号時刻及び同一の表示時刻が割り当てられた複数のピクチャが含まれてもよい。また、アクセスユニットには、ＳＥＩメッセージが含まれていてもよい。そして、アクセスユニットに含まれるＳＥＩメッセージが復号された後に、アクセスユニットに含まれるピクチャが復号されてもよい。
　最後に、復号装置２００は、１つ以上のニューラルネットワークフィルタを各ピクチャに適用する（Ｓ１０４）。その後、１つ以上のニューラルネットワークフィルタが適用された各ピクチャが表示される。
　ピクチャに適用されるニューラルネットワークフィルタは、アクティベーション情報セットで指定されるニューラルネットワーク情報セットによって特定される。ここで、ニューラルネットワーク情報セットは、アクティベーション情報セットに含まれるニューラルネットワーク識別子によって指し示される。
　また、ニューラルネットワークフィルタが適用されるピクチャは、アクティベーション情報セットで指定されてもよい。より具体的には、ニューラルネットワークフィルタが適用されるピクチャは、アクティベーション情報セットに含まれる画像識別子によって指し示されてもよい。
　一例において、第１ビットストリーム、第２ビットストリーム及び第３ビットストリームは、同じビットストリームである。また、第１ビットストリーム、第２ビットストリーム及び第３ビットストリームは、同じビットストリームの異なる部分に対応していてもよい。
　図９８は、第１ビットストリーム、第２ビットストリーム及び第３ビットストリームを含むビットストリームを示す概念図である。この例において、第１ビットストリーム、第２ビットストリーム及び第３ビットストリームは、同じビットストリームの異なる部分に対応する。
　別の例において、第１ビットストリーム、第２ビットストリーム及び第３ビットストリームは、同じファイルに含まれる。
　図９９は、ファイルにおける第１ビットストリーム、第２ビットストリーム及び第３ビットストリームの位置を示す概念図である。この例において、第１ビットストリームは、ファイルの映像データとは異なる領域に含まれる。具体的には、第１ビットストリームは、ファイルヘッダに含まれる。また、第２ビットストリーム及び第３ビットストリームは、ファイルの映像データに含まれる。第２ビットストリームは、映像データにおけるＲＡＰ（ランダムアクセスポイント）ピクチャを含むアクセスユニットのみに含まれてもよい。
　別の例において、第１ビットストリーム、第２ビットストリーム及び第３ビットストリームは、互いに異なるビットストリームであってもよい。
　例えば、第２ビットストリーム及び第３ビットストリームは、ビットストリームの映像データのセグメントに含まれてもよい。そして、第１ビットストリームは、別のビットストリームとして取得されてもよい。
　なお、ＲＡＰピクチャは、ランダムアクセス可能なピクチャであって、当該ピクチャから復号を開始することが可能なピクチャである。ＲＡＰピクチャは、ＩＲＡＰ（イントラランダムアクセスポイント）ピクチャとも表現され得る。
　図１００は、ＭＰＥＧ－ＤＡＳＨにおける第１ビットストリーム、第２ビットストリーム及び第３ビットストリームの位置を示す概念図である。ここでは、ブロードバンドにおけるＭＰＥＧ－ＤＡＳＨのユースケースのシナリオが示されている。具体的には、図１００において、ＭＰＥＧ－ＤＡＳＨシステム３００は、ＨＴＴＰ（Ｈｙｐｅｒｔｅｘｔ　Ｔｒａｎｓｆｅｒ　Ｐｒｏｔｏｃｏｌ）サーバ３１０、及び、ＤＡＳＨクライアント３２０を備える。
　例えば、ＨＴＴＰサーバ３１０は、符号化装置１００に対応する。そして、ＤＡＳＨクライアントは、復号装置２００に対応する。
　ＨＴＴＰサーバ３１０は、ＭＰＤ（マルチメディアプレゼンテーションデスクリプション）、及び、映像データの複数のセグメントを有する。ＤＡＳＨクライアント３２０は、ヒューリスティック制御器３２１、ＭＰＤパーサ３２２、セグメントパーサ３２３、ＨＴＴＰクライアント３２４、及び、メディアプレイヤー３２５を備える。
　ＭＰＤは、第１ビットストリームに対応し、ＭＰＤパーサ３２２によってパース（復号）される。ＭＰＤには、ニューラルネットワークフィルタの記述が、それぞれのニューラルネットワークフィルタのＩＤとともに含まれている。
　映像データの複数のセグメントが、第２ビットストリーム及び第３ビットストリームに対応する。ここでは、第２ビットストリームに対応するセグメントと、第３ビットストリームに対応するセグメントとは互いに異なるセグメントである。なお、第２ビットストリームに対応するセグメントと、第３ビットストリームに対応するセグメントとは同じセグメントであってもよい。セグメントパーサ３２３は、第３ビットストリームに対応する１つ以上のセグメントから１つ以上のピクチャをパース（復号）する。
　ＭＰＤ（第１ビットストリーム）は、映像データの複数のセグメント（第２ビットストリーム及び第３ビットストリーム）とは異なるタイミングで送信されてもよい。具体的には、ＭＰＤは、映像データの複数のセグメントの送信前に、予め送信されてもよい。また、第２ビットストリームは、映像データの複数のセグメントのうち、ＲＡＰピクチャを含むアクセスユニットのみに含まれていてもよい。
　これにより、ニューラルネットワークフィルタを用いてピクチャをフィルタリングする前に、ニューラルネットワーク情報セットをプリフェッチすることが可能になる場合がある。したがって、ニューラルネットワークフィルタをより確実に準備することが可能になる場合がある。
　図１０１は、ビットストリームにおけるニューラルネットワーク情報セットの位置の例を示す概念図である。この位置は、符号化されたピクチャを含むビットストリーム全体における、符号化されたニューラルネットワーク情報セットを含む第１ビットストリームの位置に対応する。
　この例において、符号化された１つ以上のニューラルネットワーク情報セットは、ビットストリームのデータ領域に含まれる。より具体的には、符号化された１つ以上のニューラルネットワーク情報セットは、ビットストリームにおいて符号化されたピクチャを含むアクセスユニットに対応するデータ領域に含まれる。
　図１０２は、ビットストリームにおけるニューラルネットワーク情報セットの位置の別の例を示す概念図である。この位置は、符号化されたピクチャを含むビットストリーム全体における、符号化されたニューラルネットワーク情報セットを含む第１ビットストリームの位置に対応する。
　この例において、符号化された１つ以上のニューラルネットワーク情報セットは、ビットストリームのヘッダ領域に含まれる。より具体的には、符号化された１つ以上のニューラルネットワーク情報セットは、ビットストリームにおいて符号化された複数のピクチャを含む複数のアクセスユニットに対応する複数のデータ領域に対するヘッダ領域に含まれる。
　例えば、ニューラルネットワーク情報セットは、シーケンス単位のＳＥＩメッセージに含まれる。つまり、ニューラルネットワーク情報セットは、ＳＰＳに付随するＳＥＩメッセージに含まれる。あるいは、ニューラルネットワーク情報セットは、ＳＰＳに含まれていてもよい。
　図１０３は、ビットストリームにおけるアクティベーション情報セットの位置の例を示す概念図である。この位置は、符号化されたピクチャを含むビットストリーム全体における、符号化されたアクティベーション情報セットを含む第２ビットストリームの位置に対応する。
　この例において、符号化された１つ以上のアクティベーション情報セットは、ビットストリームのデータ領域に含まれる。より具体的には、符号化された１つ以上のアクティベーション情報セットは、ビットストリームにおいて符号化されたピクチャを含むアクセスユニットに対応するデータ領域に含まれる。
　図１０４は、ビットストリームにおけるアクティベーション情報セットの位置の別の例を示す概念図である。この位置は、符号化されたピクチャを含むビットストリーム全体における、符号化されたアクティベーション情報セットを含む第２ビットストリームの位置に対応する。
　この例において、符号化された１つ以上のアクティベーション情報セットは、ビットストリームのヘッダ領域に含まれる。より具体的には、符号化された１つ以上のアクティベーション情報セットは、ビットストリームにおいて符号化された複数のピクチャを含む複数のアクセスユニットに対応する複数のデータ領域に対するヘッダ領域に含まれる。
　例えば、アクティベーション情報セットは、ピクチャ単位のＳＥＩメッセージに含まれる。つまり、アクティベーション情報セットは、ピクチャに付随するＳＥＩメッセージに含まれる。具体的には、アクティベーション情報セットは、ピクチャと共にアクセスユニットに含まれるＳＥＩメッセージに含まれていてもよい。あるいは、アクティベーション情報セットは、ＰＰＳに含まれていてもよい。
　図１０５は、１つのアクティベーション情報セットのシンタックス構造の例を示すシンタックス図である。１つのアクティベーション情報セットは、１つのニューラルネットワーク識別子と、１つの画像識別子とを含む。
　ｎｅｕｒａｌ＿ｎｅｔｗｏｒｋ＿ｉｄｅｎｔｉｆｉｅｒは、ニューラルネットワーク識別子を値として有するシンタックス要素である。具体的には、ｎｅｕｒａｌ＿ｎｅｔｗｏｒｋ＿ｉｄｅｎｔｉｆｉｅｒは、適用対象のニューラルネットワークフィルタのためのニューラルネットワーク情報セットのＩＤを値として有する。同じＩＤを有するニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタがフィルタ対象ピクチャに適用される。
　ｉｍａｇｅ＿ｉｄｅｎｔｉｆｉｅｒは、画像識別子を値として有するシンタックス要素である。具体的には、ｉｍａｇｅ＿ｉｄｅｎｔｉｆｉｅｒは、ｎｅｕｒａｌ＿ｎｅｔｗｏｒｋ＿ｉｄｅｎｔｉｆｉｅｒで特定されるニューラルネットワークフィルタが適用されるフィルタ対象ピクチャを指し示す。ｉｍａｇｅ＿ｉｄｅｎｔｉｆｉｅｒには、ＰＯＣ、デルタＰＯＣ（ΔＰＯＣ）、復号順番号（符号化順番号）、ＳＰＳ　ＩＤ、ＰＰＳ　ＩＤ、又は、表示時刻等が用いられてもよい。
　上記のシンタックス構造は、ＳＥＩメッセージに含まれてもよい。そして、符号化装置１００が、上記のシンタックス構造に従ってアクティベーション情報セットをＳＥＩメッセージに符号化し、復号装置２００が、上記のシンタックス構造に従ってアクティベーション情報セットをＳＥＩメッセージから復号してもよい。また、符号化装置１００は、複数のアクティベーション情報セットを複数のＳＥＩメッセージに符号化し、復号装置２００は、複数のアクティベーション情報セットを複数のＳＥＩメッセージから復号してもよい。
　また、上記のシンタックス構造を有するＳＥＩメッセージが、アクセスユニットに含まれていてもよい。また、上記のシンタックス構造をそれぞれが有する複数のＳＥＩメッセージが、１つのアクセスユニットに含まれていてもよい。
　また、アクティベーション情報セットにおいて、画像識別子（ｉｍａｇｅ＿ｉｄｅｎｔｉｆｉｅｒ）が省略されてもよい。この場合、アクティベーション情報セットを含むアクセスユニットに含まれるカレントピクチャがフィルタ対象ピクチャとして特定されてもよい。
　図１０６は、１つ以上のアクティベーション情報セットのシンタックス構造の例を示すシンタックス図である。各アクティベーション情報セットは、１つのニューラルネットワーク識別子と、１つの画像識別子とを含む。
　ｉｄｅｎｔｉｆｉｅｒ＿ｃｏｕｎｔ＿ｍｉｎｕｓ１は、このシンタックス構造において指定される１つ以上のアクティベーション情報セットの数に対応する値を有する。具体的には、ｉｄｅｎｔｉｆｉｅｒ＿ｃｏｕｎｔ＿ｍｉｎｕｓ１の値に１を足すことで得られる値が、１つ以上のアクティベーション情報セットの数に等しい。１つ以上のアクティベーション情報セットの数は、１つのニューラルネットワーク識別子と１つの画像識別子との組み合わせの数に等しい。
　ｎｅｕｒａｌ＿ｎｅｔｗｏｒｋ＿ｉｄｅｎｔｉｆｉｅｒ［ｉ］は、ｉ番目のアクティベーション情報セットのニューラルネットワーク識別子を値として有するシンタックス要素である。
　具体的には、ｎｅｕｒａｌ＿ｎｅｔｗｏｒｋ＿ｉｄｅｎｔｉｆｉｅｒ［ｉ］は、ｉ番目のアクティベーション情報セットに関して、適用対象のニューラルネットワークフィルタのためのニューラルネットワーク情報セットのＩＤを値として有する。同じＩＤを有するニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタがフィルタ対象ピクチャに適用される。
　ｉｍａｇｅ＿ｉｄｅｎｔｉｆｉｅｒ［ｉ］は、ｉ番目のアクティベーション情報セットの画像識別子を値として有するシンタックス要素である。
　具体的には、ｉｍａｇｅ＿ｉｄｅｎｔｉｆｉｅｒ［ｉ］は、ｎｅｕｒａｌ＿ｎｅｔｗｏｒｋ＿ｉｄｅｎｔｉｆｉｅｒ［ｉ］で特定されるニューラルネットワークフィルタが適用されるフィルタ対象ピクチャを指し示す。ｉｍａｇｅ＿ｉｄｅｎｔｉｆｉｅｒ［ｉ］には、ＰＯＣ、デルタＰＯＣ（ΔＰＯＣ）、処理順序番号、ＳＰＳ　ＩＤ、ＰＰＳ　ＩＤ、又は、表示時刻等が用いられてもよい。
　上記のシンタックス構造は、ＳＥＩメッセージに含まれてもよい。そして、符号化装置１００が、上記のシンタックス構造に従って１つ以上のアクティベーション情報セットをＳＥＩメッセージに符号化してもよい。また、復号装置２００が、上記のシンタックス構造に従って１つ以上のアクティベーション情報セットをＳＥＩメッセージから復号してもよい。
　また、上記のシンタックス構造を有するＳＥＩメッセージが、アクセスユニットに含まれていてもよい。
　また、アクティベーション情報セットにおいて、画像識別子（ｉｍａｇｅ＿ｉｄｅｎｔｉｆｉｅｒ［ｉ］）が省略されてもよい。この場合、アクティベーション情報セットを含むアクセスユニットに含まれるカレントピクチャがフィルタ対象ピクチャとして特定されてもよい。
　図１０７は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第１例を示す概念図である。この例では、画像識別子にＰＯＣ番号が用いられている。
　そして、この例では、アクセスユニット＃０に、１つのニューラルネットワーク情報セット、及び、４つのアクティベーション情報セットが含まれる。４つのアクティベーション情報セットは、アクセスユニット＃０～＃３のピクチャ＃０～＃３に用いられるニューラルネットワークフィルタの情報を通知する。他のアクセスユニット＃１～＃３は、他のアクティベーション情報セットを含んでもよい。
　アクセスユニット＃０の４つのアクティベーション情報セットに従って、ピクチャ＃０～＃３には、ニューラルネットワークＩＤが０であるニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが適用される。
　アクティベーション情報の符号化には、図１０５のシンタックス構造が用いられてもよいし、図１０６のシンタックス構造が用いられてもよい。特に、図１０６のシンタックス構造の場合、複数のアクティベーション情報セットが効率的に符号化され得る。
　また、符号化時において、複数のピクチャの符号化効率を高めるため、マルチパス符号化が用いられてもよい。
　図１０８は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第２例を示す概念図である。この例でも、画像識別子にＰＯＣ番号が用いられている。
　この例では、アクセスユニット＃０に、２つのニューラルネットワーク情報セット、及び、１つのアクティベーション情報セットが含まれる。また、アクセスユニット＃１及び＃２のそれぞれに、１つのアクティベーション情報セットが含まれる。各アクティベーション情報セットは、復号順で次のピクチャに用いられるニューラルネットワーク情報セットを通知する。
　例えば、アクセスユニット＃０のアクティベーション情報セットにおける「ＰＯＣ＝３」の画像識別子は、復号順で次のピクチャ＃１を指し示す。そして、アクセスユニット＃０のアクティベーション情報セットにおける「ＮＮ　ｉｄ＝０」のニューラルネットワーク識別子は、ニューラルネットワークＩＤが０であるニューラルネットワーク情報セットを指し示す。
　つまり、アクセスユニット＃０のアクティベーション情報セットは、復号順で次のピクチャ＃１に対して、ニューラルネットワークＩＤが０であるニューラルネットワーク情報セットを用いることを示す。
　この例では、ピクチャ＃０には、ニューラルネットワークフィルタが適用されない。ピクチャ＃１及び＃２には、ニューラルネットワークＩＤが０であるニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが適用される。ピクチャ＃３には、ニューラルネットワークＩＤが１であるニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが適用される。
　このような構成を用いることで、復号順で後のピクチャに適用されるニューラルネットワークフィルタを事前に特定することが可能となり、復号装置２００においてニューラルネットワークフィルタをより確実に準備することが可能となる。
　アクティベーション情報の符号化には、図１０５のシンタックス構造が用いられてもよいし、図１０６のシンタックス構造が用いられてもよい。特に、図１０５のシンタックス構造の場合、１つのアクティベーション情報セットが効率的に符号化され得る。
　この例では、符号化時に、シングルパス符号化が可能である。また、１つのアクセスユニットに含まれるアクティベーション情報セットの数を少なくすることが可能である。
　図１０９は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第３例を示す概念図である。この例でも、画像識別子にＰＯＣ番号が用いられている。
　この例では、アクセスユニット＃０に、２つのニューラルネットワーク情報セット、及び、２つのアクティベーション情報セットが含まれる。また、アクセスユニット＃１及び＃２のそれぞれに、１つのアクティベーション情報セットが含まれる。各アクティベーション情報セットは、復号順で現在又は次のピクチャに用いられるニューラルネットワーク情報セットを通知する。
　具体的には、この例では、図１０８の例に比べて、アクセスユニット＃０に、「ＮＮ　ｉｄ＝１」のニューラルネットワーク識別子と、「ＰＯＣ＝０」の画像識別子とのアクティベーション情報セットがさらに含まれる。その他において、この例は、図１０８の例と同じである。
　したがって、ピクチャ＃０及び＃３には、ニューラルネットワークＩＤが１であるニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが適用される。ピクチャ＃１及び＃２には、ニューラルネットワークＩＤが０であるニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが適用される。
　アクティベーション情報の符号化には、図１０５のシンタックス構造が用いられてもよいし、図１０６のシンタックス構造が用いられてもよい。
　図１１０は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第４例を示す概念図である。この例では、画像識別子に、デルタＰＯＣ番号が用いられている。デルタＰＯＣ番号は、デルタＰＯＣ又はΔＰＯＣとも表現される。
　デルタＰＯＣ番号は、カレントピクチャのＰＯＣ番号と、指定対象ピクチャのＰＯＣ番号との差であり、より具体的には、指定対象ピクチャのＰＯＣ番号から、カレントピクチャのＰＯＣ番号を引くことで得られる値である。デルタＰＯＣ番号を表す画像識別子は、カレントピクチャのＰＯＣ番号に、画像識別子の値を足すことで得られる値に等しいＰＯＣ番号を有するピクチャをフィルタ対象ピクチャとして指し示す。つまり、「ターゲットＰＯＣ＝カレントＰＯＣ＋デルタＰＯＣ」が成立する。
　ここで、カレントピクチャは、処理対象アクティベーション情報セットを含むアクセスユニットに含まれるピクチャである。カレントＰＯＣは、カレントピクチャのＰＯＣである。ターゲットＰＯＣは、フィルタ対象ピクチャのＰＯＣである。
　図１１１は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第５例を示す概念図である。この例では、画像識別子に、復号順番号が用いられる。図１１１において、復号順番号が、「Ｎｕｍ」として示されている。復号順番号は、復号順で、カレントピクチャからフィルタ対象ピクチャまでのピクチャ数を示す番号である。ここで、カレントピクチャは、処理対象アクティベーション情報セットを含むアクセスユニットに含まれるピクチャである。
　この場合、画像識別子は、復号順で、画像識別子で示されるピクチャ数分、カレントピクチャから後のピクチャをフィルタ対象ピクチャとして指し示す。
　図１１２は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第６例を示す概念図である。この例では、画像識別子に、ＳＰＳ　ＩＤが用いられる。ＳＰＳ　ＩＤは、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である。この場合、画像識別子は、画像識別子の値と同じＳＰＳ　ＩＤを用いて復号される１つ以上のピクチャを指し示す。
　図１１３は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第７例を示す概念図である。この例では、画像識別子に、ＰＰＳ　ＩＤが用いられる。ＰＰＳ　ＩＤは、ＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である。この場合、画像識別子は、画像識別子の値と同じＰＰＳ　ＩＤを用いて復号される１つ以上のピクチャを指し示す。
　図１１４は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第８例を示す概念図である。この例では、画像識別子に、表示時刻が用いられる。図１１４において、表示時刻が、「ｔｉｍｅ」として示されている。
　表示時刻は、基準時刻に対する差に対応していてもよいし、基準時刻に対する差を量子化することで得られる値に対応していてもよい。基準時刻は、処理対象アクティベーション情報セットを含むアクセスユニットに含まれるピクチャの表示時刻であってもよい。また、表示時刻は、出力時刻であってもよい。表示時刻は、表示タイミング、出力時刻又は出力タイミング等の表現に置き換えらえてもよい。
　画像識別子に表示時刻が用いられる場合、画像識別子は、画像識別子の値と同じ値を表示時刻として有する１つ以上のピクチャをフィルタ対象ピクチャとして指し示す。
　図１１５は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第９例を示す概念図である。
　アクティベーション情報セットの画像識別子は、復号順で、カレントアクセスユニット以降の複数のピクチャのうちの少なくとも１つを指し示す。ピクチャの指定には、ＰＯＣ、デルタＰＯＣ（ΔＰＯＣ）、復号順番号（符号化順番号）、ＳＰＳ　ＩＤ、ＰＰＳ　ＩＤ、又は、表示時刻等が用いられてもよい。
　アクティベーション情報セットのニューラルネットワーク識別子は、アクティベーション情報セットのニューラルネットワーク識別子と同じニューラルネットワーク識別子を有するニューラルネットワーク情報セットを指し示す。
　画像識別子が指し示すピクチャ＃０及び＃３は、ニューラルネットワーク識別子が０であるニューラルネットワーク情報セットが記述するニューラルネットワークフィルタを用いてフィルタリングされる。ピクチャ＃１及び＃２は、ニューラルネットワークフィルタを用いてフィルタリングされない。図１０５のシンタックス構造が、この例に用いられてもよい。
　図１１６は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第１０例を示す概念図である。
　アクティベーション情報セットの画像識別子は、復号順で、カレントアクセスユニットよりも後の複数のピクチャのうち少なくとも１つを指し示す。ピクチャの指定には、ＰＯＣ、デルタＰＯＣ（ΔＰＯＣ）、復号順番号（符号化順番号）、ＳＰＳ　ＩＤ、ＰＰＳ　ＩＤ、又は、表示時刻等が用いられてもよい。
　アクティベーション情報セットのニューラルネットワーク識別子は、アクティベーション情報セットのニューラルネットワーク識別子と同じニューラルネットワーク識別子を有するニューラルネットワーク情報セットを指し示す。
　１つ以上のニューラルネットワーク情報セットは、使用に先立って受信されてもよい。また、１つ以上のアクティベーション情報セットも、使用に先立って受信されてもよい。また、ニューラルネットワーク情報セット及びアクティベーション情報セットは、異なる時間又は異なるアクセスユニットで受信されてもよい。
　この例では、ピクチャ＃０は、フィルタリングされない。ピクチャ＃１及び＃２は、ニューラルネットワーク識別子が０であるニューラルネットワーク情報セットによって記述されるニューラルネットワークフィルタを用いてフィルタリングされる。ピクチャ＃３は、ニューラルネットワーク識別子が１であるニューラルネットワーク情報セットによって記述されるニューラルネットワークフィルタを用いてフィルタリングされる。
　アクティベーション情報の符号化には、図１０５のシンタックス構造が用いられてもよいし、図１０６のシンタックス構造が用いられてもよい。特に、図１０６のシンタックス構造の場合、複数のアクティベーション情報セットが効率的に符号化され得る。
　図１１７は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第１１例を示す概念図である。
　アクティベーション情報セットの画像識別子は、復号順で、カレントアクセスユニット以降の複数のピクチャのうち少なくとも１つを指し示す。ピクチャの指定には、ＰＯＣ、デルタＰＯＣ（ΔＰＯＣ）、復号順番号（符号化順番号）、ＳＰＳ　ＩＤ、ＰＰＳ　ＩＤ、又は、表示時刻等が用いられてもよい。
　アクティベーション情報セットのニューラルネットワーク識別子は、アクティベーション情報セットのニューラルネットワーク識別子と同じニューラルネットワーク識別子を有するニューラルネットワーク情報セットを指し示す。
　この例において、１つ以上のニューラルネットワーク情報セットは、使用に先立って受信されてもよいし、他の情報の受信方法とは異なる方法によって受信されてもよい。アクティベーション情報セットは、異なる複数のアクセスユニットにおいて重複して受信される。
　例えば、ピクチャ＃１、＃２及び＃３に対する３つのアクティベーション情報セットは、アクセスユニット＃０とアクセスユニット＃１とにおいて変化しておらず同じである。さらに、アクセスユニット＃１においてピクチャ＃２及び＃３に対して受信される２つのアクティベーション情報セットがアクセスユニット＃２において重複して受信されてもよい。さらに、アクセスユニット＃２においてピクチャ＃３に対して受信されるアクティベーション情報セットがアクセスユニット＃３において重複して受信されてもよい。
　この例では、ピクチャ＃０及び＃１には、ニューラルネットワーク識別子が０であるニューラルネットワーク情報セットに記述されるニューラルネットワークフィルタが適用される。ピクチャ＃２及び＃３には、ニューラルネットワーク識別子が１であるニューラルネットワーク情報セットに記述されるニューラルネットワークフィルタが適用される。
　アクティベーション情報セットの符号化には、図１０５のシンタックス構造が用いられてもよいし、図１０６のシンタックス構造が用いられてもよい。例えば、図１０５のシンタックス構造を用いて、ｎｎ＿ｐｏｓｔ＿ｆｉｌｔｅｒ＿ａｃｔｉｖａｔｉｏｎ（）が複数回シグナリングされてもよい。あるいは、図１０６のシンタックス構造を用いて、ｎｎ＿ｐｏｓｔ＿ｆｉｌｔｅｒ＿ａｃｔｉｖａｔｉｏｎ（）が１回シグナリングされてもよい。
　この例では、アクティベーション情報セットが繰り返してシグナリングされる。これにより、ランダムアクセスによっても、ニューラルネットワークフィルタの的確な適用が可能になる場合がある。例えば、ランダムアクセスによってピクチャ＃１以降の任意のピクチャから復号処理が開始される可能性がある。このような場合であっても、繰り返してシグナリングされるアクティベーション情報セットに従って、フィルタ対象ピクチャにニューラルネットワークフィルタが的確に適用される可能性がある。
　なお、この例において、２つのニューラルネットワーク情報セットは、アクセスユニット＃０とアクセスユニット＃１の両方に重複して含まれていてもよい。
　つまり、アクセスユニット＃０から順に復号する場合は、アクセスユニット＃０に含まれる２つのニューラルネットワーク情報セットを用いて、ピクチャ＃１、＃２及び＃３のニューラルネットワークフィルタ処理を事前に準備することが可能となる。一方、ランダムアクセスによってアクセスユニット＃１から復号する場合は、アクセスユニット＃１に含まれる２つのニューラルネットワーク情報セットを用いて、ピクチャ＃１、＃２及び＃３のニューラルネットワークフィルタ処理を準備することが可能となる。
　また、この例において、２つのニューラルネットワーク情報セットがアクセスユニット＃０のみに含まれていた場合、復号装置２００は、ランダムアクセスによってアクセスユニット＃１から復号すると２つのニューラルネットワーク情報セットを取得できなくなる。復号装置２００は、このように、アクティベーション情報セットによって指定されたニューラルネットワーク情報セットを取得できない場合、フィルタ対象ピクチャに対するニューラルネットワークフィルタ処理をキャンセルしてもよい。
　図１１８は、ニューラルネットワーク情報セット、アクティベーション情報セット及びピクチャの関係の第１２例を示す概念図である。
　アクティベーション情報セットの画像識別子は、復号順で、カレントアクセスユニット以降の複数のピクチャのうち少なくとも１つを指し示す。ピクチャの指定には、ＰＯＣ、デルタＰＯＣ（ΔＰＯＣ）、復号順番号（符号化順番号）、ＳＰＳ　ＩＤ、ＰＰＳ　ＩＤ、又は、表示時刻等が用いられてもよい。
　アクティベーション情報セットのニューラルネットワーク識別子は、アクティベーション情報セットのニューラルネットワーク識別子と同じニューラルネットワーク識別子を有するニューラルネットワーク情報セットを指し示す。
　この例において、１つ以上のニューラルネットワーク情報は、使用に先立って受信されてもよいし、他の情報の受信方法とは異なる方法によって受信されてもよい。各ピクチャは、異なる複数のアクティベーション情報セットによって参照される場合がある。
　具体的には、ピクチャ＃０、＃１、＃２及び＃３には、ニューラルネットワーク識別子が０又は１である２つのニューラルネットワーク情報セットで特定される２つのニューラルネットワークフィルタが適用される。
　アクティベーション情報セットの符号化には、図１０５のシンタックス構造が用いられてもよいし、図１０６のシンタックス構造が用いられてもよい。例えば、図１０５のシンタックス構造を用いて、ｎｎ＿ｐｏｓｔ＿ｆｉｌｔｅｒ＿ａｃｔｉｖａｔｉｏｎ（）が複数回シグナリングされてもよい。あるいは、図１０６のシンタックス構造を用いて、ｎｎ＿ｐｏｓｔ＿ｆｉｌｔｅｒ＿ａｃｔｉｖａｔｉｏｎ（）が１回シグナリングされてもよい。
　図１１８の例では、各ピクチャが、２つのアクティベーション情報セットによって参照されている。しかしながら、ピクチャが、１つのアクティベーション情報セットのみによって参照されてもよいし、３つ以上のアクティベーション情報セットによって参照されてもよいし、どのアクティベーション情報セットによっても参照されなくてもよい。
　このように、１つのピクチャが複数のアクティベーション情報セットによって参照可能とする。例えば、ピクチャ＃０に対して、０のニューラルネットワーク識別子と１のニューラルネットワーク識別子の２つが付与される。これによって、ニューラルネットワーク処理を柔軟に設計することができる。
　図１１８の例のように、複数のニューラルネットワーク情報セットが１つのピクチャに割り当てられた場合、指定された複数のニューラルネットワークフィルタが順番に適用される。例えば、復号装置２００は、複数のアクティベーション情報セットによって指定された順番で複数のニューラルネットワークフィルタを順にピクチャに適用する。各アクティベーション情報セットは、順番を示す番号等を含んでいてもよい。
　または、復号装置２００は、ニューラルネットワーク情報セットのニューラルネットワーク識別子の番号の順に複数のニューラルネットワークフィルタをピクチャに適用してもよい。
　上述された複数の例において、復号装置２００は、ピクチャの復号前に、将来のピクチャに用いられるニューラルネットワークフィルタを認識することができる場合がある。例えば、ピクチャ＃０に対して、将来のピクチャ＃１に用いられるニューラルネットワーク識別子が与えられる。これにより、復号装置２００は、ニューラルネットワークフィルタのためのニューラルネットワークの重み等のパラメータを取得してプリロードするための時間を十分に得ることができる場合がある。
　一方で、例えば、ニューラルネットワークフィルタを検索してセットアップするための時間が足りない場合、復号装置２００は、ロードされている既存のニューラルネットワークフィルタをピクチャに適用してもよい。あるいは、この場合、復号装置２００は、ニューラルネットワークフィルタをピクチャに適用しなくてもよい。
　すなわち、アクティベーション情報セット等で特定されるニューラルネットワークフィルタが利用可能でない場合、復号装置２００は、復号順で前のピクチャに適用されたニューラルネットワークフィルタをフィルタ対象ピクチャに適用してもよい。あるいは、この場合、復号装置２００は、ニューラルネットワークフィルタをフィルタ対象ピクチャに適用しなくてもよい。
　また、復号装置２００は、先にシグナリングされたアクティベーション情報セットを用いて、カレントピクチャに適用されるニューラルネットワークフィルタを決定してもよい。また、復号順で前のピクチャに対するニューラルネットワークフィルタの適用処理が時間内に完了しない場合、復号装置２００は、カレントピクチャにニューラルネットワークフィルタを適用せずに、カレントピクチャを表示してもよい。
　上述の複数の例に示された動作によって、円滑に復号処理が行われる可能性がある。また、ニューラルネットワーク情報セット及びアクティベーション情報セットをフィルタ対象ピクチャから分離することが可能になる場合がある。その結果、ニューラルネットワーク情報セット及びアクティベーション情報セットをシグナリングするタイミングを柔軟に選択することが可能になる場合がある。
　例えば、ニューラルネットワーク情報セット及びアクティベーション情報セットが、フィルタ対象ピクチャよりも先にシグナリングされてもよい。これにより、互いに異なる複数のニューラルネットワークフィルタが存在する場合であっても、これらのニューラルネットワークフィルタを切り替えるための時間を確保することが可能になる場合がある。
　また、１つのピクチャに対して２つ以上のニューラルネットワークフィルタを的確に指定することが可能になる場合がある。したがって、２つ以上のニューラルネットワークフィルタの組み合わせによって画質を十分に向上させることが可能になる場合がある。
　具体的には、例えば、原ピクチャの２つ以上の特性に応じて、２つ以上のニューラルネットワークフィルタを適用することが再構成ピクチャの画質の向上に有効である場合がある。このような場合に、上記の例に従って、再構成ピクチャに２つ以上のニューラルネットワークフィルタを適用することで、再構成ピクチャの画質を十分に向上させることが可能になる場合がある。
　なお、復号装置２００においてニューラルネットワークフィルタに関して行われる上記の処理は、符号化装置１００においてニューラルネットワークフィルタに関して同様に行われてもよい。そして、上記の復号は、符号化に読み替えられてもよい。
　また、ニューラルネットワークフィルタは、表示ピクチャの画質を改善するためのポストフィルタとして用いられてもよいし、参照ピクチャの画質を改善するためのループフィルタとして用いられてもよい。また、ニューラルネットワークフィルタは、ＡＬＦ（アダプティブループフィルタ）、ＤＢＦ（デブロッキング・フィルタ）、又は、ＳＡＯ（サンプルアダプティブオフセット）の役割を果たしてもよい。
　また、上記の説明では、ニューラルネットワーク情報セットの符号化及び復号が行われている。しかしながら、ニューラルネットワーク情報セットの符号化及び復号は省略されてもよい。ニューラルネットワーク情報セット及びニューラルネットワークフィルタは、規格等によって静的に定められ、符号化装置１００及び復号装置２００に組み込まれていてもよい。
　あるいは、ニューラルネットワーク情報セットは、ピクチャを含むビットストリームとは別のビットストリームに符号化され、当該別のビットストリームから復号されてもよい。
　このようなニューラルネットワーク情報セットは、ピクチャ等が保存されるメモリ領域とは別のメモリ領域等に保存されることにより、符号化装置１００及び復号装置２００に永続的に組み込まれていてもよい。そして、それぞれがピクチャを含む複数のビットストリームの処理において、永続的に組み込まれたニューラルネットワーク情報セットが用いられてもよい。
　また、ここで記載された構成要素の全てが必ずしも必要というわけではなく、ここで記載された構成要素の一部のみが実装されてもよい。
　また、アクセスユニットは、１つのピクチャ、又は、互いに異なる複数のレイヤにおいて、ＤＰＢ（復号ピクチャバッファ）からピクチャが出力される時刻について同じ時刻に関連付けて、符号化された複数のピクチャを含む、ピクチャユニット集合に対応していてもよい。さらに、アクセスユニットは、ＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージを含んでいてもよい。
　また、ピクチャユニットは、特定の分類ルールに従って互いに関連付けられ、復号順が連続し、符号化された正確に１つのピクチャを含む、ＮＡＬ（ネットワーク抽象化レイヤ）ユニット集合に対応していてもよい。また、ＤＰＢ（復号ピクチャバッファ）は、仮想リファレンスデコーダで指定された参照、出力順序変更又は出力遅延のため、復号された複数のピクチャを保持するバッファであってもよい。
　また、ＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージは、特定の種類の情報を伝え、特定のセマンティクスを持つシンタックス構造であってもよい。ここで、特定の種類の情報は、復号、表示又はその他の目的に関する処理を支援するが、復号ピクチャのサンプル値を決定する復号処理に必須でない情報である。
　［構成及び処理の代表例］
　上記に示された符号化装置１００及び復号装置２００の構成及び処理の代表例を以下に示す。
　図１１９は、符号化装置１００が行う第１動作例を示すフローチャートである。例えば、符号化装置１００は、回路、及び、回路に接続されたメモリを備える。符号化装置１００が備える回路及びメモリは、図８に示されるプロセッサａ１及びメモリａ２に対応していてもよい。符号化装置１００の回路は、動作において、以下を行う。
　例えば、符号化装置１００の回路は、１つ以上のニューラルネットワーク情報セットを符号化する（Ｓ３０１）。各ニューラルネットワーク情報セットは、ニューラルネットワークフィルタを特定する。
　次に、符号化装置１００の回路は、アクセスユニットに、アクティベーション情報セットを符号化する（Ｓ３０２）。アクティベーション情報セットは、１つ以上のニューラルネットワーク情報セットに含まれるニューラルネットワーク情報セットと、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが適用されるピクチャとを指定する。
　ここで、アクティベーション情報セットは、アクティベーション情報セットで指定されたニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタを、アクティベーション情報セットで指定されたピクチャに適用するために用いられる。
　これにより、ニューラルネットワークフィルタ及びフィルタ対象ピクチャを的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。なお、アクティベーション情報セットは、符号化時にニューラルネットワークフィルタをピクチャに適用するために用いられてもよいし、復号時にニューラルネットワークフィルタをピクチャに適用するために用いられてもよい。
　また、例えば、ピクチャ（フィルタ対象ピクチャ）は、アクセスユニットに属するカレントピクチャよりも符号化順で後のピクチャであってもよい。これにより、ニューラルネットワークフィルタが特定されてからピクチャに適用されるまでに十分な時間を確保することが可能になる場合がある。したがって、円滑にニューラルネットワークフィルタをピクチャに適用することが可能になる場合がある。
　また、例えば、符号化装置１００のエントロピー符号化部１１０及びループフィルタ部１２０が、符号化装置１００の回路として、上述された動作を行ってもよい。具体的には、エントロピー符号化部１１０が、符号化に関する処理を行ってもよい。そして、ループフィルタ部１２０が、ニューラルネットワークフィルタに関する処理を行ってもよい。また、エントロピー符号化部１１０及びループフィルタ部１２０は、他の構成要素と協働して、上述された動作を行ってもよい。
　図１２０は、復号装置２００が行う第１動作例を示すフローチャートである。例えば、復号装置２００は、回路、及び、回路に接続されたメモリを備える。復号装置２００が備える回路及びメモリは、図６８に示されるプロセッサｂ１及びメモリｂ２に対応していてもよい。復号装置２００の回路は、動作において、以下を行う。
　例えば、復号装置２００の回路は、１つ以上のニューラルネットワーク情報セットを復号する（Ｓ４０１）。各ニューラルネットワーク情報セットは、ニューラルネットワークフィルタを特定する。
　次に、復号装置２００の回路は、アクセスユニットから、アクティベーション情報セットを復号する（Ｓ４０２）。アクティベーション情報セットは、１つ以上のニューラルネットワーク情報セットに含まれるニューラルネットワーク情報セットと、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが適用されるピクチャとを指定する。
　そして、復号装置２００の回路は、アクティベーション情報セットで指定されたニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタを、アクティベーション情報セットで指定されたピクチャに適用する（Ｓ４０３）。
　これにより、ニューラルネットワークフィルタ及びフィルタ対象ピクチャを的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、ピクチャ（フィルタ対象ピクチャ）は、アクセスユニットに属するカレントピクチャよりも復号順で後のピクチャであってもよい。これにより、ニューラルネットワークフィルタが特定されてからピクチャに適用されるまでに十分な時間を確保することが可能になる場合がある。したがって、円滑にニューラルネットワークフィルタをピクチャに適用することが可能になる場合がある。
　また、例えば、復号装置２００のエントロピー復号部２０２及びループフィルタ部２１２が、復号装置２００の回路として、上述された動作を行ってもよい。具体的には、エントロピー復号部２０２が、復号に関する処理を行ってもよい。そして、ループフィルタ部２１２が、ニューラルネットワークフィルタに関する処理を行ってもよい。また、エントロピー復号部２０２及びループフィルタ部２１２は、他の構成要素と協働して、上述された動作を行ってもよい。
　さらに、符号化装置１００及び復号装置２００の構成及び処理の別の代表例を以下に示す。
　図１２１は、符号化装置１００が行う第２動作例を示すフローチャートである。例えば、符号化装置１００は、上述の通り、回路、及び、回路に接続されたメモリを備える。符号化装置１００が備える回路及びメモリは、図８に示されるプロセッサａ１及びメモリａ２に対応していてもよい。符号化装置１００の回路は、動作において、以下を行う。
　例えば、符号化装置１００の回路は、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを符号化する（Ｓ５０１）。次に、符号化装置１００の回路は、それぞれが複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットに符号化する（Ｓ５０２）。
　ここで、２つ以上のアクティベーション情報セットは、２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用するために用いられる。
　これにより、１つのピクチャに対して２つ以上のニューラルネットワークフィルタを的確に指定することが可能になる場合がある。したがって、２つ以上のニューラルネットワークフィルタの組み合わせによって画質を十分に向上させることが可能になる場合がある。
　なお、２つ以上のアクティベーション情報セットは、符号化時に２つ以上のニューラルネットワークフィルタを１つのピクチャに適用するために用いられてもよいし、復号時に２つ以上のニューラルネットワークフィルタを１つのピクチャに適用するために用いられてもよい。
　また、例えば、各アクティベーション情報セットは、複数のニューラルネットワーク情報セットのうちの１つを特定する数字を示すニューラルネットワーク識別子を含んでいてもよい。そして、２つ以上のアクティベーション情報セットは、２つ以上のアクティベーション情報セットに含まれる２つ以上のニューラルネットワーク識別子で示される２つ以上の数字によって特定される２つ以上のニューラルネットワークフィルタを当該１つのピクチャに適用するために用いられてもよい。
　これにより、２つ以上のニューラルネットワーク情報セットを２つ以上のニューラルネットワーク識別子に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、各アクティベーション情報セットは、当該１つのピクチャを指定する画像識別子を含んでいてもよい。そして、２つ以上のアクティベーション情報セットは、２つ以上のニューラルネットワークフィルタを画像識別子で指定された当該１つのピクチャに適用するために用いられてもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを画像識別子に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、２つ以上のアクティベーション情報セットは、２つ以上のアクティベーション情報セットによって指定された順番で、２つ以上のニューラルネットワークフィルタを順に１つのピクチャに適用するために用いられてもよい。これにより、２つ以上のニューラルネットワークフィルタを適用する順序を的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、符号化装置１００の回路は、２つ以上のアクティベーション情報セットを、それぞれ、１つのアクセスユニットに属する２つ以上のＳＥＩメッセージに符号化してもよい。これにより、２つ以上のニューラルネットワーク情報セットをそれぞれ２つ以上のＳＥＩメッセージに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、符号化装置１００の回路は、２つ以上のアクティベーション情報セットを、１つのアクセスユニットに属する１つのＳＥＩメッセージに符号化してもよい。これにより、２つ以上のニューラルネットワーク情報セットを１つのＳＥＩメッセージに従って効率的に指定することが可能になる場合がある。したがって、画質を効率的に向上させることが可能になる場合がある。
　また、例えば、当該１つのピクチャは、１つのアクセスユニットに属するカレントピクチャよりも符号化順で後のピクチャであってもよい。これにより、ニューラルネットワークフィルタが特定されてからピクチャに適用されるまでに十分な時間を確保することが可能になる場合がある。したがって、円滑にニューラルネットワークフィルタをピクチャに適用することが可能になる場合がある。
　また、例えば、画像識別子は、当該１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値であってもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＯＣに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、画像識別子は、当該１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値と、１つのアクセスユニットに属するカレントピクチャのＰＯＣの値との差分値であってもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＯＣの差分値に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＰＯＣの差分値が用いられることで、符号量が削減される可能性がある。
　また、例えば、画像識別子は、１つのアクセスユニットに属するカレントピクチャから符号化順で当該１つのピクチャまでのピクチャ数であってもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを符号化順におけるピクチャ数に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、符号化順におけるピクチャ数が用いられることで、演算が簡素化される可能性がある。
　また、例えば、画像識別子は、当該１つのピクチャの符号化において参照されるＳＰＳの識別子であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＳＰＳに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＳＰＳの識別子に従って複数のピクチャを的確に指定することが可能になる場合がある。また、ＳＰＳの適用と、ニューラルネットワークフィルタの適用とを整合させることが可能になる場合がある。
　また、例えば、画像識別子は、当該１つのピクチャの符号化において参照されるＰＰＳの識別子であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＰＳに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＰＰＳの識別子に従って複数のピクチャを的確に指定することが可能になる場合がある。また、ＰＰＳの適用と、ニューラルネットワークフィルタの適用とを整合させることが可能になる場合がある。
　また、例えば、画像識別子は、当該１つのピクチャに対して設定された表示時間情報であってもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを表示時間情報に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、符号化装置１００の回路は、２つ以上のアクティベーション情報セットを１つのアクセスユニットに符号化する前に、複数のニューラルネットワーク情報セットを１つのアクセスユニットとは別の領域に符号化してもよい。これにより、アクセスユニットの処理前に、複数のニューラルネットワーク情報セットを準備することが可能になる場合がある。したがって、ニューラルネットワークフィルタの円滑な適用が可能になる場合がある。
　また、例えば、符号化装置１００の回路は、同じ値を有する複数のアクティベーション情報セットをそれぞれ複数のアクセスユニットに符号化してもよい。これにより、ランダムアクセスにおいても的確にニューラルネットワーク情報セット及びフィルタ対象ピクチャを指定することが可能になる場合がある。したがって、ランダムアクセスにおいてもニューラルネットワークフィルタの円滑な適用が可能になる場合がある。
　また、例えば、上記の複数のアクセスユニットに属する複数のピクチャは、符号化順で、ＲＡＰピクチャよりも前のピクチャと、ＲＡＰピクチャ以降のピクチャとを含んでいてもよい。
　これにより、ＲＡＰピクチャの前後において、同じニューラルネットワーク情報セット及び同じフィルタ対象ピクチャを指定することが可能になる場合がある。そして、復号装置２００においてＲＡＰピクチャから復号が開始される場合でも、アクティベーション情報セットに従って的確にニューラルネットワーク情報セット及びフィルタ対象ピクチャを指定することが可能になる場合がある。
　また、例えば、２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、当該ニューラルネットワークフィルタが当該１つのピクチャに適用されなくてもよい。
　これにより、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが利用可能でなくても、ニューラルネットワークフィルタの適用をスキップして、ピクチャの符号化処理又は復号処理を継続することが可能になる場合がある。したがって、符号化処理全体又は復号処理全体に対する弊害を抑制することが可能になる。
　また、例えば、２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、別のニューラルネットワークフィルタが当該１つのピクチャに適用されてもよい。ここで、別のニューラルネットワークフィルタは、当該１つのピクチャよりも符号化順で前のピクチャに適用されたニューラルネットワークフィルタであってもよい。
　これにより、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが利用可能でなくても、前のピクチャに適用されたニューラルネットワークフィルタを用いて、ピクチャの符号化処理又は復号処理を継続することが可能になる場合がある。したがって、符号化処理全体又は復号処理全体に対する弊害を抑制することが可能になる。また、前のピクチャに適用されたニューラルネットワークフィルタが用いられることで、画質が改善される可能性がある。
　また、例えば、符号化装置１００のエントロピー符号化部１１０及びループフィルタ部１２０が、符号化装置１００の回路として、上述された動作を行ってもよい。具体的には、エントロピー符号化部１１０が、符号化に関する処理を行ってもよい。そして、ループフィルタ部１２０が、ニューラルネットワークフィルタに関する処理を行ってもよい。また、エントロピー符号化部１１０及びループフィルタ部１２０は、他の構成要素と協働して、上述された動作を行ってもよい。
　図１２２は、復号装置２００が行う第２動作例を示すフローチャートである。例えば、復号装置２００は、上述の通り、回路、及び、回路に接続されたメモリを備える。復号装置２００が備える回路及びメモリは、図６８に示されるプロセッサｂ１及びメモリｂ２に対応していてもよい。復号装置２００の回路は、動作において、以下を行う。
　例えば、復号装置２００の回路は、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを復号する（Ｓ６０１）。次に、復号装置２００の回路は、それぞれが複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号する（Ｓ６０２）。
　そして、復号装置２００の回路は、２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用する（Ｓ６０３）。
　これにより、１つのピクチャに対して２つ以上のニューラルネットワークフィルタを的確に指定することが可能になる場合がある。したがって、２つ以上のニューラルネットワークフィルタの組み合わせによって画質を十分に向上させることが可能になる場合がある。
　また、例えば、各アクティベーション情報セットは、複数のニューラルネットワーク情報セットのうちの１つを特定する数字を示すニューラルネットワーク識別子を含んでいてもよい。そして、復号装置２００の回路は、２つ以上のアクティベーション情報セットに含まれる２つ以上のニューラルネットワーク識別子で示される２つ以上の数字によって特定される２つ以上のニューラルネットワークフィルタを当該１つのピクチャに適用してもよい。
　これにより、２つ以上のニューラルネットワーク情報セットを２つ以上のニューラルネットワーク識別子に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、各アクティベーション情報セットは、当該１つのピクチャを指定する画像識別子を含んでいてもよい。そして、復号装置２００の回路は、２つ以上のニューラルネットワークフィルタを画像識別子で指定された当該１つのピクチャに適用してもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを画像識別子に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、復号装置２００の回路は、２つ以上のアクティベーション情報セットによって指定された順番で、２つ以上のニューラルネットワークフィルタを順に１つのピクチャに適用してもよい。これにより、２つ以上のニューラルネットワークフィルタを適用する順序を的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、復号装置２００の回路は、２つ以上のアクティベーション情報セットを、それぞれ、１つのアクセスユニットに属する２つ以上のＳＥＩメッセージから復号してもよい。これにより、２つ以上のニューラルネットワーク情報セットをそれぞれ２つ以上のＳＥＩメッセージに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、復号装置２００の回路は、２つ以上のアクティベーション情報セットを、１つのアクセスユニットに属する１つのＳＥＩメッセージから復号してもよい。これにより、２つ以上のニューラルネットワーク情報セットを１つのＳＥＩメッセージに従って効率的に指定することが可能になる場合がある。したがって、画質を効率的に向上させることが可能になる場合がある。
　また、例えば、当該１つのピクチャは、１つのアクセスユニットに属するカレントピクチャよりも復号順で後のピクチャであってもよい。これにより、ニューラルネットワークフィルタが特定されてからピクチャに適用されるまでに十分な時間を確保することが可能になる場合がある。したがって、円滑にニューラルネットワークフィルタをピクチャに適用することが可能になる場合がある。
　また、例えば、画像識別子は、当該１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値であってもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＯＣに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、画像識別子は、当該１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値と、１つのアクセスユニットに属するカレントピクチャのＰＯＣの値との差分値であってもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＯＣの差分値に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＰＯＣの差分値が用いられることで、符号量が削減される可能性がある。
　また、例えば、画像識別子は、１つのアクセスユニットに属するカレントピクチャから復号順で当該１つのピクチャまでのピクチャ数であってもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを復号順におけるピクチャ数に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、復号順におけるピクチャ数が用いられることで、演算が簡素化される可能性がある。
　また、例えば、画像識別子は、当該１つのピクチャの復号において参照されるＳＰＳの識別子であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＳＰＳに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＳＰＳの識別子に従って複数のピクチャを的確に指定することが可能になる場合がある。また、ＳＰＳの適用と、ニューラルネットワークフィルタの適用とを整合させることが可能になる場合がある。
　また、例えば、画像識別子は、当該１つのピクチャの復号において参照されるＰＰＳの識別子であってもよい。
　これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャをＰＰＳに従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。また、ＰＰＳの識別子に従って複数のピクチャを的確に指定することが可能になる場合がある。また、ＰＰＳの適用と、ニューラルネットワークフィルタの適用とを整合させることが可能になる場合がある。
　また、例えば、画像識別子は、当該１つのピクチャに対して設定された表示時間情報であってもよい。これにより、２つ以上のニューラルネットワークフィルタを適用するピクチャを表示時間情報に従って的確に指定することが可能になる場合がある。したがって、画質を的確に向上させることが可能になる場合がある。
　また、例えば、復号装置２００の回路は、２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号する前に、複数のニューラルネットワーク情報セットを１つのアクセスユニットとは別の領域から復号してもよい。これにより、アクセスユニットの処理前に、複数のニューラルネットワーク情報セットを準備することが可能になる場合がある。したがって、ニューラルネットワークフィルタの円滑な適用が可能になる場合がある。
　また、例えば、復号装置２００の回路は、同じ値を有する複数のアクティベーション情報セットをそれぞれ複数のアクセスユニットから復号してもよい。これにより、ランダムアクセスにおいても的確にニューラルネットワーク情報セット及びフィルタ対象ピクチャを指定することが可能になる場合がある。したがって、ランダムアクセスにおいてもニューラルネットワークフィルタの円滑な適用が可能になる場合がある。
　また、例えば、上記の複数のアクセスユニットに属する複数のピクチャは、復号順で、ＲＡＰピクチャよりも前のピクチャと、ＲＡＰピクチャ以降のピクチャとを含んでいてもよい。
　これにより、ＲＡＰピクチャの前後において、同じニューラルネットワーク情報セット及び同じフィルタ対象ピクチャを指定することが可能になる場合がある。そして、ＲＡＰピクチャから復号が開始される場合でも、アクティベーション情報セットに従って的確にニューラルネットワーク情報セット及びフィルタ対象ピクチャを指定することが可能になる場合がある。
　また、例えば、復号装置２００の回路は、２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、当該ニューラルネットワークフィルタを当該１つのピクチャに適用しなくてもよい。
　これにより、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが利用可能でなくても、ニューラルネットワークフィルタの適用をスキップして、ピクチャの復号処理を継続することが可能になる場合がある。したがって、復号処理全体に対する弊害を抑制することが可能になる。
　また、例えば、復号装置２００の回路は、２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、別のニューラルネットワークフィルタを当該１つのピクチャに適用してもよい。ここで、別のニューラルネットワークフィルタは、当該１つのピクチャよりも復号順で前のピクチャに適用されたニューラルネットワークフィルタであってもよい。
　これにより、ニューラルネットワーク情報セットによって特定されるニューラルネットワークフィルタが利用可能でなくても、前のピクチャに適用されたニューラルネットワークフィルタを用いて、ピクチャの復号処理を継続することが可能になる場合がある。したがって、復号処理全体に対する弊害を抑制することが可能になる。また、前のピクチャに適用されたニューラルネットワークフィルタが用いられることで、画質が改善される可能性がある。
　また、例えば、復号装置２００のエントロピー復号部２０２及びループフィルタ部２１２が、復号装置２００の回路として、上述された動作を行ってもよい。具体的には、エントロピー復号部２０２が、復号に関する処理を行ってもよい。そして、ループフィルタ部２１２が、ニューラルネットワークフィルタに関する処理を行ってもよい。また、エントロピー復号部２０２及びループフィルタ部２１２は、他の構成要素と協働して、上述された動作を行ってもよい。
　［その他の例］
　上述された各例における符号化装置１００及び復号装置２００は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。
　あるいは、符号化装置１００及び復号装置２００は、フィルタ装置として利用されてもよい。例えば、符号化装置１００は、エントロピー符号化部１１０及びループフィルタ部１２０のみに対応し、復号装置２００は、エントロピー復号部２０２及びループフィルタ部２１２のみに対応していてもよい。そして、他の構成要素は、他の装置に含まれていてもよい。
　また、符号化装置１００は、入力部及び出力部を備えていてもよい。例えば、符号化装置１００の入力部へ１つ以上のピクチャが入力され、符号化装置１００の出力部からビットストリームが出力される。復号装置２００も、入力部及び出力部を備えていてもよい。例えば、復号装置２００の入力部へビットストリームが入力され、復号装置２００の出力部から１つ以上のピクチャが出力される。ビットストリームは、可変長符号化が適用された量子化係数と、制御情報とを含んでいてもよい。
　また、符号化するという表現は、格納する、含める、書き込む、記述する、信号化する、送り出す、通知する、又は、保存する等の表現に置き換えられてもよく、これらの表現が相互に置き換えられてもよい。例えば、情報を符号化することは、ビットストリームに情報を含めることであってもよい。また、情報をビットストリームに符号化することは、情報を符号化して、符号化された情報を含むビットストリームを生成することを意味してもよい。
　また、復号するという表現は、読み出す、読み解く、読み取る、読み込む、導出する、取得する、受け取る、抽出する、又は、復元する等の表現に置き換えられてもよく、これらの表現が相互に置き換えられてもよい。例えば、情報を復号することは、ビットストリームから情報を取得することであってもよい。また、ビットストリームから情報を復号することは、ビットストリームを復号して、ビットストリームに含まれる情報を取得することを意味してもよい。
　また、上述された各例の少なくとも一部が、符号化方法として利用されてもよいし、復号方法として利用されてもよいし、フィルタ方法として利用されてもよいし、その他の方法として利用されてもよい。
　また、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　具体的には、符号化装置１００及び復号装置２００のそれぞれは、処理回路（Ｐｒｏｃｅｓｓｉｎｇ　Ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された、当該処理回路からアクセス可能な記憶装置（Ｓｔｏｒａｇｅ）とを備えていてもよい。例えば、処理回路はプロセッサａ１又はｂ１に対応し、記憶装置はメモリａ２又はｂ２に対応する。
　処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。
　上述したソフトウェアプログラムの一例は、ビットストリームである。ビットストリームは、符号化された画像と、画像を復号する復号処理を行うためのシンタックスを含む。ビットストリームは、シンタックスに基づく処理を復号装置２００に実行させることで、画像を復号装置２００に復号させる。また、例えば、上述された符号化装置１００又は復号装置２００などを実現するソフトウェアは、次のようなプログラムである。
　例えば、このプログラムは、コンピュータに、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを符号化し、それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットに符号化し、前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用するために用いられる、符号化方法を実行させてもよい。
　また、例えば、このプログラムは、コンピュータに、それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを復号し、それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号し、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用する、復号方法を実行させてもよい。
　例えば、このプログラムは、コンピュータに、それぞれがニューラルネットワークフィルタを特定する１つ以上のニューラルネットワーク情報セットを符号化し、アクセスユニットに、前記１つ以上のニューラルネットワーク情報セットに含まれるニューラルネットワーク情報セットと、前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタが適用されるピクチャとを指定するアクティベーション情報セットを符号化し、前記アクティベーション情報セットで指定された前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタを、前記アクティベーション情報セットで指定された前記ピクチャに適用する、符号化方法を実行させてもよい。
　また、例えば、このプログラムは、コンピュータに、それぞれがニューラルネットワークフィルタを特定する１つ以上のニューラルネットワーク情報セットを復号し、アクセスユニットから、前記１つ以上のニューラルネットワーク情報セットに含まれるニューラルネットワーク情報セットと、前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタが適用されるピクチャとを指定するアクティベーション情報セットを復号し、前記アクティベーション情報セットで指定された前記ニューラルネットワーク情報セットによって特定される前記ニューラルネットワークフィルタを、前記アクティベーション情報セットで指定された前記ピクチャに適用する、復号方法を実行させてもよい。
　また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
　また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、符号化復号装置が、符号化装置１００及び復号装置２００を備えていてもよい。
　また、説明に用いられた第１及び第２等の序数は、適宜、付け替えられてもよい。また、構成要素などに対して、序数が新たに与えられてもよいし、取り除かれてもよい。また、これらの序数は、要素を識別するため、要素に付けられる場合があり、意味のある順序に対応しない場合がある。
　以上、符号化装置１００及び復号装置２００の態様について、複数の例に基づいて説明したが、符号化装置１００及び復号装置２００の態様は、これらの例に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を各例に施したものや、異なる例における構成要素を組み合わせて構築される形態も、符号化装置１００及び復号装置２００の態様の範囲内に含まれてもよい。
　ここで開示された１以上の態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、ここで開示された１以上の態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　［実施及び応用］
　以上の各実施の形態において、機能的又は作用的なブロックの各々は、通常、ＭＰＵ（ｍｉｃｒｏ　ｐｒｏｃｅｓｓｉｎｇ　ｕｎｉｔ）及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行するプロセッサなどのプログラム実行部として実現されてもよい。当該ソフトウェアは、配布されてもよい。当該ソフトウェアは、半導体メモリなどの様々な記録媒体に記録されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも可能である。
　各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例、及び、その応用例を実施する種々のシステムを説明する。このようなシステムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、又は、両方を備える画像符号化復号装置を有することを特徴としてもよい。このようなシステムの他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図１２３は、コンテンツ配信サービスを実現する適切なコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ、図示された例における固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの装置を組合せて接続するようにしてもよい。種々の実施において、基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。さらに、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続されてもよい。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続されてもよい。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１４は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行ってもよく、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化してもよく、得られたデータをストリーミングサーバｅｘ１０３に送信してもよい。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本開示の一態様に係る画像復号装置として機能してもよい。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、いくつかのタイプのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味（又は内容の重要性）に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。また、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　さらに、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系（例えばＶＰ９）に変換してもよいし、Ｈ．２６４をＨ．２６５に変換してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することが増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から、選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから選択視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と共に、音も複数の相異なるアングルから収音され、サーバは、特定のアングル又は空間からの音を対応する映像と多重化して、多重化された映像と音とを送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信してもよい。サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
　同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　屋内外の近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨ（Ｄｙｎａｍｉｃ　Ａｄａｐｔｉｖｅ　Ｓｔｒｅａｍｉｎｇ　ｏｖｅｒ　ＨＴＴＰ）などの配信システム規格を利用して、シームレスにコンテンツを受信することが可能かもしれない。ユーザは、ユーザの端末、屋内外に配置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えてもよい。また、自身の位置情報などを用いて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、ユーザが目的地へ移動している間に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に情報をマップ及び表示することが可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［Ｗｅｂページの最適化］
　図１２４は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図１２５は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図１２４及び図１２５に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまで、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示してもよいし、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示してもよいし、ベースレイヤのみを受信し、映像を復号及び表示してもよい。
　ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にしつつ復号を行う。なお、ｗｅｂページを構成するＨＴＭＬ（ＨｙｐｅｒＴｅｘｔ　Ｍａｒｋｕｐ　Ｌａｎｇｕａｇｅ）にスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。さらに、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。またさらに、表示装置は、ピクチャの参照関係を敢えて無視して、全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などのような静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号の実行を実現できる。また、受信端末は、ユーザの選択、ユーザの状況及び／又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは、例えば、以下のような構成を用いて実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画データ又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基づいて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基づいて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基づき自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。さらに、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定してもよい。サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行ってもよい。人物であれば、動画像において人物をトラッキングして、人物の顔の部分の映像を置き換えることができる。
　データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の実施応用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩ（ｌａｒｇｅ　ｓｃａｌｅ　ｉｎｔｅｇｒａｔｉｏｎ　ｃｉｒｃｕｉｔｒｙ）ｅｘ５００（図１２３参照）は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータである。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図１２６は、図１２３に示されたスマートフォンｅｘ１１５のさらに詳細を示す図である。また、図１２７は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭ（Ｓｕｂｓｃｒｉｂｅｒ　Ｉｄｅｎｔｉｔｙ　Ｍｏｄｕｌｅ）ｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御する主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とが同期バスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により電源キーがオン状態にされると、スマートフォンｅｘ１１５を動作可能な状態に起動し、バッテリパックから各部に対して電力を供給する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、変調／復調部ｅｘ４５２でスペクトラム拡散処理を施し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施し、その結果の信号を、アンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作に基づいてテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０に送出される。同様の送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。音声信号処理部ｅｘ４５４は、映像又は静止画をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。
　電子メール又はチャットに添付された映像、又はウェブページにリンクされた映像を受信した場合等において、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。リアルタイムストリーミングがますます普及しだしているため、ユーザの状況によっては音声の再生が社会的にふさわしくないこともあり得る。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましく、ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という３通りの他の実装形式が考えられる。デジタル放送用システムにおいて、映像データに音声データが多重化された多重化データを受信又は送信するとして説明した。ただし、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよい。また、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、種々の端末はＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）を備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０２ａ　ブロック分割決定部
　　１０４　減算部
　　１０６　変換部
　　１０８　量子化部
　　１０８ａ　差分量子化パラメータ生成部
　　１０８ｂ、２０４ｂ　予測量子化パラメータ生成部
　　１０８ｃ、２０４ａ　量子化パラメータ生成部
　　１０８ｄ、２０４ｄ　量子化パラメータ記憶部
　　１０８ｅ　量子化処理部
　　１１０　エントロピー符号化部
　　１１０ａ　二値化部
　　１１０ｂ、２０２ｂ　コンテキスト制御部
　　１１０ｃ　二値算術符号化部
　　１１２、２０４　逆量子化部
　　１１４、２０６　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、２１２　ループフィルタ部
　　１２０ａ、２１２ａ　デブロッキング・フィルタ処理部
　　１２０ｂ、２１２ｂ　ＳＡＯ処理部
　　１２０ｃ、２１２ｃ　ＡＬＦ処理部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部
　　１２６、２１８　インター予測部
　　１２６ａ、ａ２、ｂ２　メモリ
　　１２６ｂ　補間画像導出部
　　１２６ｃ　勾配画像導出部
　　１２６ｄ　オプティカルフロー導出部
　　１２６ｅ　補正値導出部
　　１２６ｆ　予測画像補正部
　　１２８、２２０　予測制御部
　　１３０、２２２　予測パラメータ生成部
　　２００　復号装置
　　２０２　エントロピー復号部
　　２０２ａ　二値算術復号部
　　２０２ｃ　多値化部
　　２０４ｅ　逆量子化処理部
　　２２４　分割決定部
　　３００　ＭＰＥＧ－ＤＡＳＨシステム
　　３１０　ＨＴＴＰサーバ
　　３２０　ＤＡＳＨクライアント
　　３２１　ヒューリスティック制御器
　　３２２　ＭＰＤパーサ
　　３２３　セグメントパーサ
　　３２４　ＨＴＴＰクライアント
　　３２５　メディアプレイヤー
　　１２０１　境界判定部
　　１２０２、１２０４、１２０６　スイッチ
　　１２０３　フィルタ判定部
　　１２０５　フィルタ処理部
　　１２０７　フィルタ特性決定部
　　１２０８　処理判定部
　　ａ１、ｂ１　プロセッサ

Claims (38)

  1. 　回路と、
    　前記回路に接続されたメモリとを備え、
    　前記回路は、動作において、
    　それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを復号し、
    　それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号し、
    　前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用する、
    　復号装置。
  2. 　前記２つ以上のアクティベーション情報セットのそれぞれは、前記複数のニューラルネットワーク情報セットのうちの１つを特定する数字を示すニューラルネットワーク識別子を含み、
    　前記回路は、前記２つ以上のアクティベーション情報セットに含まれる２つ以上のニューラルネットワーク識別子で示される２つ以上の数字によって特定される前記２つ以上のニューラルネットワークフィルタを前記１つのピクチャに適用する、
    　請求項１に記載の復号装置。
  3. 　前記２つ以上のアクティベーション情報セットのそれぞれは、前記１つのピクチャを指定する画像識別子を含み、
    　前記回路は、前記２つ以上のニューラルネットワークフィルタを前記画像識別子で指定された前記１つのピクチャに適用する、
    　請求項１又は２に記載の復号装置。
  4. 　前記回路は、前記２つ以上のアクティベーション情報セットによって指定された順番で、前記２つ以上のニューラルネットワークフィルタを順に前記１つのピクチャに適用する、
    　請求項１又は２に記載の復号装置。
  5. 　前記回路は、前記２つ以上のアクティベーション情報セットを、それぞれ、前記１つのアクセスユニットに属する２つ以上のＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージから復号する、
    　請求項１又は２に記載の復号装置。
  6. 　前記回路は、前記２つ以上のアクティベーション情報セットを、前記１つのアクセスユニットに属する１つのＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージから復号する、
    　請求項１又は２に記載の復号装置。
  7. 　前記１つのピクチャは、前記１つのアクセスユニットに属するカレントピクチャよりも復号順で後のピクチャである、
    　請求項１又は２に記載の復号装置。
  8. 　前記画像識別子は、前記１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値である、
    　請求項３に記載の復号装置。
  9. 　前記画像識別子は、前記１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値と、前記１つのアクセスユニットに属するカレントピクチャのＰＯＣの値との差分値である、
    　請求項３に記載の復号装置。
  10. 　前記画像識別子は、前記１つのアクセスユニットに属するカレントピクチャから復号順で前記１つのピクチャまでのピクチャ数である、
    　請求項３に記載の復号装置。
  11. 　前記画像識別子は、前記１つのピクチャの復号において参照されるＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である、
    　請求項３に記載の復号装置。
  12. 　前記画像識別子は、前記１つのピクチャの復号において参照されるＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である、
    　請求項３に記載の復号装置。
  13. 　前記画像識別子は、前記１つのピクチャに対して設定された表示時間情報である、
    　請求項３に記載の復号装置。
  14. 　前記回路は、前記２つ以上のアクティベーション情報セットを前記１つのアクセスユニットから復号する前に、前記複数のニューラルネットワーク情報セットを前記１つのアクセスユニットとは別の領域から復号する、
    　請求項１又は２に記載の復号装置。
  15. 　前記回路は、同じ値を有する複数のアクティベーション情報セットをそれぞれ複数のアクセスユニットから復号する、
    　請求項１又は２に記載の復号装置。
  16. 　前記複数のアクセスユニットに属する複数のピクチャは、復号順で、ＲＡＰ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｐｏｉｎｔ）ピクチャよりも前のピクチャと、前記ＲＡＰピクチャ以降のピクチャとを含む、
    　請求項１５に記載の復号装置。
  17. 　前記回路は、前記２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、前記ニューラルネットワークフィルタを前記１つのピクチャに適用しない、
    　請求項１又は２に記載の復号装置。
  18. 　前記回路は、前記２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、前記１つのピクチャよりも復号順で前のピクチャに適用されたニューラルネットワークフィルタを前記１つのピクチャに適用する、
    　請求項１又は２に記載の復号装置。
  19. 　回路と、
    　前記回路に接続されたメモリとを備え、
    　前記回路は、動作において、
    　それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを符号化し、
    　それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットに符号化し、
    　前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用するために用いられる、
    　符号化装置。
  20. 　前記２つ以上のアクティベーション情報セットのそれぞれは、前記複数のニューラルネットワーク情報セットのうちの１つを特定する数字を示すニューラルネットワーク識別子を含み、
    　前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットに含まれる２つ以上のニューラルネットワーク識別子で示される２つ以上の数字によって特定される前記２つ以上のニューラルネットワークフィルタを前記１つのピクチャに適用するために用いられる、
    　請求項１９に記載の符号化装置。
  21. 　前記２つ以上のアクティベーション情報セットのそれぞれは、前記１つのピクチャを指定する画像識別子を含み、
    　前記２つ以上のアクティベーション情報セットは、前記２つ以上のニューラルネットワークフィルタを前記画像識別子で指定された前記１つのピクチャに適用するために用いられる、
    　請求項１９又は２０に記載の符号化装置。
  22. 　前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットによって指定された順番で、前記２つ以上のニューラルネットワークフィルタを順に前記１つのピクチャに適用するために用いられる、
    　請求項１９又は２０に記載の符号化装置。
  23. 　前記回路は、前記２つ以上のアクティベーション情報セットを、それぞれ、前記１つのアクセスユニットに属する２つ以上のＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージに符号化する、
    　請求項１９又は２０に記載の符号化装置。
  24. 　前記回路は、前記２つ以上のアクティベーション情報セットを、前記１つのアクセスユニットに属する１つのＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）メッセージに符号化する、
    　請求項１９又は２０に記載の符号化装置。
  25. 　前記１つのピクチャは、前記１つのアクセスユニットに属するカレントピクチャよりも符号化順で後のピクチャである、
    　請求項１９又は２０に記載の符号化装置。
  26. 　前記画像識別子は、前記１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値である、
    　請求項２１に記載の符号化装置。
  27. 　前記画像識別子は、前記１つのピクチャのＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）の値と、前記１つのアクセスユニットに属するカレントピクチャのＰＯＣの値との差分値である、
    　請求項２１に記載の符号化装置。
  28. 　前記画像識別子は、前記１つのアクセスユニットに属するカレントピクチャから符号化順で前記１つのピクチャまでのピクチャ数である、
    　請求項２１に記載の符号化装置。
  29. 　前記画像識別子は、前記１つのピクチャの符号化において参照されるＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である、
    　請求項２１に記載の符号化装置。
  30. 　前記画像識別子は、前記１つのピクチャの符号化において参照されるＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）の識別子である、
    　請求項２１に記載の符号化装置。
  31. 　前記画像識別子は、前記１つのピクチャに対して設定された表示時間情報である、
    　請求項２１に記載の符号化装置。
  32. 　前記回路は、前記２つ以上のアクティベーション情報セットを前記１つのアクセスユニットに符号化する前に、前記複数のニューラルネットワーク情報セットを前記１つのアクセスユニットとは別の領域に符号化する、
    　請求項１９又は２０に記載の符号化装置。
  33. 　前記回路は、同じ値を有する複数のアクティベーション情報セットをそれぞれ複数のアクセスユニットに符号化する、
    　請求項１９又は２０に記載の符号化装置。
  34. 　前記複数のアクセスユニットに属する複数のピクチャは、符号化順で、ＲＡＰ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｐｏｉｎｔ）ピクチャよりも前のピクチャと、前記ＲＡＰピクチャ以降のピクチャとを含む、
    　請求項３３に記載の符号化装置。
  35. 　前記２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、前記ニューラルネットワークフィルタが前記１つのピクチャに適用されない、
    　請求項１９又は２０に記載の符号化装置。
  36. 　前記２つ以上のニューラルネットワーク情報セットのうちの１つによって特定されるニューラルネットワークフィルタが利用可能でない場合、前記１つのピクチャよりも符号化順で前のピクチャに適用されたニューラルネットワークフィルタが前記１つのピクチャに適用される、
    　請求項１９又は２０に記載の符号化装置。
  37. 　それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを復号し、
    　それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットから復号し、
    　前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用する、
    　復号方法。
  38. 　それぞれがニューラルネットワークフィルタを特定する複数のニューラルネットワーク情報セットを符号化し、
    　それぞれが前記複数のニューラルネットワーク情報セットのうちの１つを指定する２つ以上のアクティベーション情報セットを１つのアクセスユニットに符号化し、
    　前記２つ以上のアクティベーション情報セットは、前記２つ以上のアクティベーション情報セットで指定された２つ以上のニューラルネットワーク情報セットによって特定される２つ以上のニューラルネットワークフィルタを１つのピクチャに適用するために用いられる、
    　符号化方法。
     
PCT/JP2023/024686 2022-07-05 2023-07-03 復号装置、符号化装置、復号方法、および符号化方法 WO2024009967A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202263358313P 2022-07-05 2022-07-05
US63/358,313 2022-07-05

Publications (1)

Publication Number Publication Date
WO2024009967A1 true WO2024009967A1 (ja) 2024-01-11

Family

ID=89453379

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/024686 WO2024009967A1 (ja) 2022-07-05 2023-07-03 復号装置、符号化装置、復号方法、および符号化方法

Country Status (1)

Country Link
WO (1) WO2024009967A1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021064013A2 (en) * 2019-10-01 2021-04-08 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Neural network representation formats

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021064013A2 (en) * 2019-10-01 2021-04-08 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Neural network representation formats

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
H.-B. TEO (PANASONIC), J. GAO, C.-S. LIM, K. ABE (PANASONIC), V. DRUGEON (PANASONIC): "AHG9: On decoupling neural-network post-filter activation SEI message", 27. JVET MEETING; 20220713 - 20220722; TELECONFERENCE; (THE JOINT VIDEO EXPLORATION TEAM OF ISO/IEC JTC1/SC29/WG11 AND ITU-T SG.16 ), 7 July 2022 (2022-07-07), XP030303032 *
S. MCCARTHY (DOLBY), A. ARORA (DOLBY), T. SHAO (DOLBY), P. YIN (DOLBY), T. LU (DOLBY), F. PU (DOLBY), W. HUSAK (DOLBY): "AHG9: Neural-network post filtering SEI message", 26. JVET MEETING; 20220420 - 20220429; TELECONFERENCE; (THE JOINT VIDEO EXPLORATION TEAM OF ISO/IEC JTC1/SC29/WG11 AND ITU-T SG.16 ), 22 April 2022 (2022-04-22), XP030300974 *
S. MCCARTHY, T. CHUJOH, M. M. HANNUKSELA, G. J. SULLIVAN, Y.-K. WANG: "Additional SEI messages for VSEI (Draft 1)", 26. JVET MEETING; 20220420 - 20220429; TELECONFERENCE; (THE JOINT VIDEO EXPLORATION TEAM OF ISO/IEC JTC1/SC29/WG11 AND ITU-T SG.16 ), 21 June 2022 (2022-06-21), XP030302593 *

Similar Documents

Publication Publication Date Title
JP7389283B2 (ja) 符号化装置及び復号装置
WO2021172471A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021117813A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7335364B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2023168625A (ja) 復号装置及び復号方法
WO2021193671A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP2022532702A (ja) ビデオコーディングシステムおよびビデオコーディング方法
JP7373040B2 (ja) 復号装置及び符号化装置
JP2023060057A (ja) 符号化装置及び符号化方法
JP2023159317A (ja) 符号化装置及び復号装置
JP2022171983A (ja) 符号化方法及び復号方法
WO2021049586A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021261536A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021193775A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7482141B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7453970B2 (ja) 復号装置
WO2021176874A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021039578A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2024009967A1 (ja) 復号装置、符号化装置、復号方法、および符号化方法
WO2023199931A1 (ja) 復号方法、符号化方法、復号装置及び符号化装置
WO2023013736A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7455829B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2023199783A1 (ja) 復号方法、符号化方法、復号装置及び符号化装置
WO2021235412A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7482864B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法

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: 23835499

Country of ref document: EP

Kind code of ref document: A1