WO2024058494A1 - 예측 모델의 학습에 기반한 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 - Google Patents

예측 모델의 학습에 기반한 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 Download PDF

Info

Publication number
WO2024058494A1
WO2024058494A1 PCT/KR2023/013396 KR2023013396W WO2024058494A1 WO 2024058494 A1 WO2024058494 A1 WO 2024058494A1 KR 2023013396 W KR2023013396 W KR 2023013396W WO 2024058494 A1 WO2024058494 A1 WO 2024058494A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
prediction model
feature
current block
information
Prior art date
Application number
PCT/KR2023/013396
Other languages
English (en)
French (fr)
Inventor
곽동규
임재현
김철근
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of WO2024058494A1 publication Critical patent/WO2024058494A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • the present disclosure relates to a feature encoding/decoding method and device, and more specifically, to a feature encoding/decoding method and device based on learning of a prediction model, and to storing a bitstream generated by the feature encoding method/decoding of the present disclosure. It's about recording media.
  • the purpose of the present disclosure is to provide a feature encoding/decoding method and device with improved encoding/decoding efficiency.
  • the present disclosure aims to provide a feature encoding/decoding method and device that learns a prediction model and uses it for prediction.
  • the present disclosure aims to provide a feature encoding/decoding method and device that configures a list of prediction models for which learning has been completed and uses one of the prediction models in the list for prediction or as an initial value for learning.
  • the present disclosure aims to provide a method for transmitting a bitstream generated by the feature encoding method or device according to the present disclosure.
  • the present disclosure aims to provide a recording medium that stores a bitstream generated by the feature encoding method or device according to the present disclosure.
  • the present disclosure aims to provide a recording medium storing a bitstream that is received and decoded by the feature decoding device according to the present disclosure and used for feature restoration.
  • a feature decoding method is a feature decoding method performed by a feature decoding apparatus, comprising: learning a prediction model based on restored neighboring samples; Predicting the current block using the learned prediction model; and restoring the current block based on residual information of the current block and the predicted current block.
  • a feature encoding method is a feature encoding method performed by a feature encoding apparatus, comprising: learning a prediction model based on reconstructed neighboring samples; Predicting the current block using the learned prediction model; and encoding residual information derived based on the current block and the predicted current block.
  • a recording medium may store a bitstream generated by the feature encoding method or feature encoding device of the present disclosure.
  • a bitstream transmission method may transmit a bitstream generated by the feature encoding method or feature encoding device of the present disclosure to a feature decoding device.
  • a feature information encoding/decoding method and device with improved encoding/decoding efficiency can be provided.
  • the number of prediction models that can be used for prediction can be substantially expanded through learning, so that a prediction model suitable for the characteristics of the current block can be applied.
  • the amount of bits in the bitstream can be reduced compared to the variable prediction model.
  • FIG. 1 is a diagram schematically showing a VCM system to which embodiments of the present disclosure can be applied.
  • FIG. 2 is a diagram schematically showing a VCM pipeline structure to which embodiments of the present disclosure can be applied.
  • Figure 3 is a diagram schematically showing an image/video encoder to which embodiments of the present disclosure can be applied.
  • Figure 4 is a diagram schematically showing an image/video decoder to which embodiments of the present disclosure can be applied.
  • Figure 5 is a flowchart schematically showing a feature/feature map encoding procedure to which embodiments of the present disclosure can be applied.
  • Figure 6 is a flowchart schematically showing a feature/feature map decoding procedure to which embodiments of the present disclosure can be applied.
  • FIG. 7 is a diagram illustrating an example of restored surrounding samples and current encoding/decoding target samples that can be used for learning a prediction model.
  • Figure 8 is a flowchart showing a feature encoding method according to an embodiment of the present disclosure.
  • Figure 9 is a flowchart showing a feature decoding method according to an embodiment of the present disclosure.
  • Figure 10 is a flowchart showing a feature encoding method according to another embodiment of the present disclosure.
  • Figure 11 is a flowchart showing a feature decoding method according to another embodiment of the present disclosure.
  • 12A and 12B are flowcharts showing a feature encoding method according to another embodiment of the present disclosure.
  • FIGS. 13A and 13B are flowcharts showing a feature decoding method according to another embodiment of the present disclosure.
  • FIG. 14 is a diagram illustrating an example of a content streaming system to which embodiments of the present disclosure can be applied.
  • FIG. 15 is a diagram illustrating another example of a content streaming system to which embodiments of the present disclosure can be applied.
  • a component when a component is said to be “connected,” “coupled,” or “connected” to another component, this is not only a direct connection relationship, but also an indirect connection relationship in which another component exists in between. It may also be included.
  • a component when a component is said to "include” or “have” another component, this does not mean excluding the other component, but may further include another component, unless specifically stated to the contrary. .
  • first, second, etc. are used only for the purpose of distinguishing one component from other components, and do not limit the order or importance of components unless specifically mentioned. Accordingly, within the scope of the present disclosure, a first component in one embodiment may be referred to as a second component in another embodiment, and similarly, the second component in one embodiment may be referred to as a first component in another embodiment. It may also be called.
  • distinct components are intended to clearly explain each feature, and do not necessarily mean that the components are separated. That is, a plurality of components may be integrated to form one hardware or software unit, or one component may be distributed to form a plurality of hardware or software units. Accordingly, even if not specifically mentioned, such integrated or distributed embodiments are also included in the scope of the present disclosure.
  • components described in various embodiments do not necessarily mean essential components, and some may be optional components. Accordingly, embodiments consisting of a subset of the elements described in one embodiment are also included in the scope of the present disclosure. Additionally, embodiments that include other components in addition to the components described in the various embodiments are also included in the scope of the present disclosure.
  • This disclosure relates to video encoding and decoding, and terms used in this disclosure may have common meanings commonly used in the technical field to which this disclosure belongs, unless they are newly defined in this disclosure.
  • the present disclosure may be applied to methods disclosed in the Versatile Video Coding (VVC) standard and/or the Video Coding for Machines (VCM) standard.
  • VVC Versatile Video Coding
  • VCM Video Coding for Machines
  • the present disclosure includes the EVC (essential video coding) standard, AV1 (AOMedia Video 1) standard, AVS2 (2nd generation of audio video coding standard), or next-generation video/image coding standard (e.g., H.267 or H.268, etc.) It can be applied to the method disclosed in .
  • video may mean a set of a series of images over time.
  • Image may be information generated by artificial intelligence (AI). The input information used by AI in the process of performing a series of tasks, the information generated during the information processing process, and the information output can be used as images.
  • Picture generally refers to a unit representing one image in a specific time period, and a slice/tile is an encoding unit that forms part of a picture in encoding.
  • One picture may consist of one or more slices/tiles.
  • a slice/tile may include one or more coding tree units (CTUs).
  • CTUs coding tree units
  • the CTU may be divided into one or more CUs.
  • a tile is a rectangular area that exists within a specific tile row and a specific tile column within a picture, and may be composed of a plurality of CTUs.
  • a tile row can be defined as a rectangular area of CTUs, has a height equal to the height of the picture, and can have a width specified by a syntax element signaled from a bitstream portion such as a picture parameter set.
  • a tile row can be defined as a rectangular area of CTUs, has a width equal to the width of the picture, and can have a height specified by a syntax element signaled from a bitstream portion such as a picture parameter set.
  • Tile scan is a method of sequential ordering of CTUs that divide a picture.
  • CTUs may be sequentially ordered within a tile according to a CTU raster scan, and tiles within a picture may be sequentially ordered according to a raster scan order of tiles of the picture.
  • a slice may contain an integer number of complete tiles, or an integer number of consecutive complete CTU rows within one tile of one picture.
  • a slice can be contained exclusively in one single NAL unit.
  • One picture may consist of one or more tile groups.
  • One tile group may include one or more tiles.
  • a brick may represent a rectangular area of CTU rows within a tile within a picture.
  • One tile may contain one or more bricks.
  • a brick may represent a rectangular area of CTU rows within a tile.
  • One tile can be divided into multiple bricks, and each brick can contain one or more CTU rows belonging to the tile. Tiles that are not divided into multiple bricks may also be treated as bricks.
  • pixel or “pel” may refer to the minimum unit that constitutes one picture (or video). Additionally, “sample” may be used as a term corresponding to a pixel. A sample may generally represent a pixel or a pixel value, and may represent only a pixel/pixel value of a luma component, or only a pixel/pixel value of a chroma component.
  • the pixel/pixel value is the independent information of each component when there is a picture composed of a set of components with different characteristics and meanings, or the pixel of the component generated through combination, synthesis, and analysis.
  • pixel/pixel value of R may be represented
  • pixel/pixel value of G may be represented
  • pixel/pixel value of B may be represented.
  • it may only represent the pixel/pixel value of the luma component synthesized using R, G, and B components.
  • it may only represent the pixel/pixel value of the image or information extracted through analysis of the R, G, and B components.
  • unit may represent a basic unit of image processing.
  • a unit may include at least one of a specific area of a picture and information related to the area.
  • One unit may include one luma block and two chroma (e.g., Cb, Cr) blocks.
  • unit may be used interchangeably with terms such as “sample array,” “block,” or “area.”
  • an MxN block may include a set (or array) of samples (or a sample array) or transform coefficients consisting of M columns and N rows.
  • a unit may represent a basic unit containing information for performing a specific task.
  • “current block” may mean one of “current coding block”, “current coding unit”, “encoding target block”, “decoding target block”, or “processing target block”.
  • “current block” may mean “current prediction block” or “prediction target block.”
  • transformation inverse transformation
  • quantization inverse quantization
  • “current block” may mean “current transformation block” or “transformation target block.”
  • filtering filtering target block.”
  • current block may mean “luma block of the current block” unless explicitly stated as a chroma block. “Chroma block of the current block” may be expressed explicitly including an explicit description of the chroma block, such as “chroma block” or “current chroma block.”
  • “/” and “,” may be interpreted as “and/or.”
  • “A/B” and “A, B” can be interpreted as “A and/or B.”
  • “A/B/C” and “A, B, C” may mean “at least one of A, B and/or C.”
  • This disclosure relates to video/image coding for machines (VCM).
  • VCM refers to a compression technology that encodes/decodes a part of a source image/video or information obtained from a source image/video for the purpose of machine vision.
  • the encoding/decoding target may be referred to as a feature.
  • Features may refer to information extracted from source images/videos based on task purpose, requirements, surrounding environment, etc.
  • a feature may have a different information form from the source image/video, and accordingly, the compression method and expression format of the feature may also be different from the video source.
  • VCM can be applied to a variety of application fields. For example, in a surveillance system that recognizes and tracks objects or people, VCM can be used to store or transmit object recognition information. In addition, in Intelligent Transportation or Smart Traffic systems, VCM uses vehicle location information collected from GPS, sensing information collected from LIDAR, radar, etc., and various vehicles. It can be used to transmit control information to other vehicles or infrastructure. Additionally, in the smart city field, VCM can be used to perform individual tasks of interconnected sensor nodes or devices.
  • FIG. 1 is a diagram schematically showing a VCM system to which embodiments of the present disclosure can be applied.
  • the VCM system may include an encoding device 10 and a decoding device 20.
  • the encoding device 10 may compress/encode features/feature maps extracted from the source image/video to generate a bitstream, and transmit the generated bitstream to the decoding device 20 through a storage medium or network.
  • the encoding device 10 may also be referred to as a feature encoding device.
  • features/feature maps can be generated at each hidden layer of the neural network. The size and number of channels of the generated feature map may vary depending on the type of neural network or the location of the hidden layer.
  • a feature map may be referred to as a feature set, and a feature or feature map may be referred to as 'feature information'.
  • the encoding device 10 may include a feature acquisition unit 11, an encoding unit 12, and a transmission unit 13.
  • the feature acquisition unit 11 may acquire a feature/feature map for the source image/video.
  • the feature acquisition unit 11 may acquire a feature/feature map from an external device, for example, a feature extraction network. In this case, the feature acquisition unit 11 performs a feature reception interface function.
  • the feature acquisition unit 11 may acquire a feature/feature map by executing a neural network (e.g., CNN, DNN, etc.) using the source image/video as input. In this case, the feature acquisition unit 11 performs a feature extraction network function.
  • a neural network e.g., CNN, DNN, etc.
  • the encoding device 10 may further include a source image generator (not shown) for acquiring the source image/video.
  • the source image generator may be implemented with an image sensor, a camera module, etc., and may acquire the source image/video through an image/video capture, synthesis, or creation process.
  • the generated source image/video can be transmitted to the feature extraction network and used as input data to extract features/feature maps.
  • the encoder 12 may encode the feature/feature map acquired by the feature acquisition unit 11.
  • the encoder 12 can perform a series of procedures such as prediction, transformation, and quantization to increase encoding efficiency.
  • Encoded data (encoded feature/feature map information) can be output in bitstream form.
  • a bitstream containing encoded feature/feature map information may be referred to as a VCM bitstream.
  • the transmission unit 13 can acquire feature/feature map information or data output in the form of a bitstream and transmit it to the decoding device 20 or other external objects in the form of a file or streaming through a digital storage medium or network.
  • digital storage media may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • the transmission unit 13 may include elements for creating a media file with a predetermined file format or elements for transmitting data through a broadcasting/communication network.
  • the transmission unit 13 may be provided as a separate transmission device from the encoder 12.
  • the transmission device includes at least one processor that acquires feature/feature map information or data output in the form of a bitstream and a file file. Alternatively, it may include a transmission unit that transmits data in streaming form.
  • the decoding device 20 may obtain feature/feature map information from the encoding device 10 and restore the feature/feature map based on the obtained information.
  • the decoding device 20 may include a receiving unit 21 and a decoding unit 22.
  • the receiving unit 21 may receive a bitstream from the encoding device 10, obtain feature/feature map information from the received bitstream, and transmit it to the decoding unit 22.
  • the decoding unit 22 may decode the feature/feature map based on the acquired feature/feature map information.
  • the decoder 22 may perform a series of procedures such as inverse quantization, inverse transformation, and prediction corresponding to the operation of the encoder 14 to increase decoding efficiency.
  • the decoding device 20 may further include a task analysis/rendering unit 23.
  • the task analysis/rendering unit 23 may perform task analysis based on the decoded feature/feature map. Additionally, the task analysis/rendering unit 23 may render the decrypted feature/feature map into a form suitable for task performance. Various machine (oriented) tasks can be performed based on task analysis results and rendered features/feature maps.
  • the VCM system can encode/decode features extracted from source images/videos according to user and/or machine requests, task purpose, and surrounding environment, and perform various machine (oriented) tasks based on the decoded features.
  • the VCM system may be implemented by expanding/redesigning the video/picture coding system and can perform various encoding/decoding methods defined in the VCM standard.
  • FIG. 2 is a diagram schematically showing a VCM pipeline structure to which embodiments of the present disclosure can be applied.
  • the VCM pipeline 200 may include a first pipeline 210 for encoding/decoding of images/videos and a second pipeline 220 for encoding/decoding of features/feature maps. You can.
  • the first pipeline 210 may be referred to as a video codec pipeline
  • the second pipeline 220 may be referred to as a feature codec pipeline.
  • the first pipeline 210 may include a first stage 211 that encodes the input image/video and a second stage 212 that decodes the encoded image/video to generate a restored image/video.
  • the restored image/video can be used for human viewing, that is, human vision.
  • the second pipeline 220 includes a third stage 221 for extracting features/feature maps from the input image/video, a fourth stage 222 for encoding the extracted features/feature maps, and an encoded feature/feature map. It may include a fifth stage 223 that decrypts the map and generates a restored feature/feature map.
  • the restored features/feature maps can be used for machine (vision) tasks.
  • the machine (vision) task may mean a task in which images/videos are consumed by a machine.
  • Machine (vision) tasks can be applied to service scenarios such as, for example, Surveillance, Intelligent Transportation, Smart City, Intelligent Industry, Intelligent Content, etc.
  • the restored features/feature maps may be used for human vision.
  • the feature/feature map encoded in the fourth stage 222 may be transmitted to the first stage 221 and used to encode the image/video.
  • an additional bitstream may be generated based on the encoded feature/feature map, and the generated additional bitstream may be transmitted to the second stage 222 and used to decode the image/video.
  • the feature/feature map decoded in the fifth stage 223 may be transmitted to the second stage 222 and used to decode the image/video.
  • FIG. 2 illustrates a case where the VCM pipeline 200 includes a first pipeline 210 and a second pipeline 220, but this is merely an example and embodiments of the present disclosure are not limited thereto.
  • the VCM pipeline 200 may include only the second pipeline 220, or the second pipeline 220 may be expanded into multiple feature codec pipelines.
  • the first stage 211 may be performed by an image/video encoder
  • the second stage 212 may be performed by an image/video decoder.
  • the third stage 221 is performed by a VCM encoder (or feature/feature map encoder)
  • the fourth stage 222 is performed by a VCM decoder (or feature/feature map encoder). decoder).
  • VCM encoder or feature/feature map encoder
  • decoder or feature/feature map encoder
  • Figure 3 is a diagram schematically showing an image/video encoder to which embodiments of the present disclosure can be applied.
  • the image/video encoder 300 includes an image partitioner (310), a predictor (320), a residual processor (330), and an entropy encoder (340). ), an adder (350), a filter (360), and a memory (370).
  • the prediction unit 320 may include an inter prediction unit 321 and an intra prediction unit 322.
  • the residual processing unit 330 may include a transformer 332, a quantizer 333, a dequantizer 334, and an inverse transformer 335.
  • the residual processing unit 330 may further include a subtractor 331.
  • the adder 350 may be referred to as a reconstructor or a reconstructed block generator.
  • the above-described image segmentation unit 310, prediction unit 320, residual processing unit 330, entropy encoding unit 340, addition unit 350, and filtering unit 360 may include one or more hardware components (depending on the embodiment). For example, it may be configured by an encoder chipset or processor). Additionally, the memory 370 may include a decoded picture buffer (DPB) and may be configured by a digital storage medium. The hardware components described above may further include a memory 370 as an internal/external component.
  • DPB decoded picture buffer
  • the image segmentation unit 310 may divide an input image (or picture, frame) input to the image/video encoder 300 into one or more processing units.
  • a processing unit may be referred to as a coding unit (CU).
  • Coding units can be recursively divided according to a quad-tree binary-tree ternary-tree (QTBTTT) structure from a coding tree unit (CTU) or largest coding unit (LCU).
  • QTBTTT quad-tree binary-tree ternary-tree
  • CTU coding tree unit
  • LCU largest coding unit
  • one coding unit may be divided into a plurality of coding units of deeper depth based on a quad tree structure, binary tree structure, and/or ternary structure. In this case, for example, the quad tree structure may be applied first and the binary tree structure and/or ternary structure may be applied later.
  • the binary tree structure may be applied first.
  • the image/video coding procedure according to the present disclosure can be performed based on the final coding unit that is no longer divided.
  • the largest coding unit may be used as the final coding unit based on coding efficiency according to video characteristics, or, if necessary, the coding unit may be recursively divided into coding units of lower depth to determine the optimal coding unit.
  • a coding unit of size may be used as the final coding unit.
  • the coding procedure may include procedures such as prediction, transformation, and restoration, which will be described later.
  • the processing unit may further include a prediction unit (PU) or a transform unit (TU).
  • the prediction unit and the transform unit may each be divided or partitioned from the final coding unit described above.
  • a prediction unit may be a unit of sample prediction
  • a transform unit may be a unit for deriving a transform coefficient and/or a unit for deriving a residual signal from the transform coefficient.
  • an MxN block may represent a set of samples or transform coefficients consisting of M columns and N rows.
  • a sample may generally represent a pixel or a pixel value, and may represent only a pixel/pixel value of a luminance (luma) component, or only a pixel/pixel value of a chroma component. Sample may be used as a term corresponding to pixel or pel.
  • the image/video encoder 300 subtracts the prediction signal (predicted block, prediction sample array) output from the inter prediction unit 321 or the intra prediction unit 322 from the input image signal (original block, original sample array).
  • a residual signal residual block, residual sample array
  • the unit that subtracts the prediction signal (prediction block, prediction sample array) from the input image signal (original block, original sample array) within the image/video encoder 300 is referred to as the subtraction unit 331. It can be.
  • the prediction unit may perform prediction on the processing target block (hereinafter referred to as the current block) and generate a predicted block including prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied on a current block or CU basis.
  • the prediction unit may generate various information related to prediction, such as prediction mode information, and transmit it to the entropy encoding unit 340.
  • Information about prediction may be encoded in the entropy encoding unit 340 and output in the form of a bitstream.
  • the intra prediction unit 322 can predict the current block by referring to samples in the current picture. At this time, the referenced samples may be located in the neighborhood of the current block or may be located away from the current block depending on the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes. Non-directional modes may include, for example, DC mode and planar mode.
  • the directional mode may include, for example, 33 directional prediction modes or 65 directional prediction modes, depending on the level of detail of the prediction direction. However, this is an example, and more or less directional prediction modes may be used depending on the setting.
  • the intra prediction unit 322 may determine the prediction mode applied to the current block using the prediction mode applied to the neighboring block.
  • the inter prediction unit 321 may derive a predicted block for the current block based on a reference block (reference sample array) specified by a motion vector in the reference picture.
  • motion information can be predicted on a block, subblock, or sample basis based on the correlation of motion information between neighboring blocks and the current block.
  • Motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • neighboring blocks may include a spatial neighboring block existing in the current picture and a temporal neighboring block existing in the reference picture.
  • a reference picture including a reference block and a reference picture including temporal neighboring blocks may be the same or different.
  • a temporal neighboring block may be referred to as a collocated reference block, a collocated reference block (colCU), etc.
  • a reference picture including a temporal neighboring block may be referred to as a collocated picture (colPic).
  • the inter prediction unit 321 constructs a motion information candidate list based on neighboring blocks and generates information indicating which candidate is used to derive the motion vector and/or reference picture index of the current block. can do. Inter prediction may be performed based on various prediction modes. For example, in the case of skip mode and merge mode, the inter prediction unit 321 may use motion information of neighboring blocks as motion information of the current block.
  • motion vector prediction (MVP) mode the motion vector of the surrounding block is used as a motion vector predictor, and the motion vector of the current block is predicted by signaling the motion vector difference. You can instruct.
  • MVP motion vector prediction
  • the prediction unit 320 may generate a prediction signal based on various prediction methods. For example, the prediction unit may not only apply intra prediction or inter prediction for prediction of one block, but may also apply intra prediction and inter prediction simultaneously. This can be called combined inter and intra prediction (CIIP). Additionally, the prediction unit may be based on an intra block copy (IBC) prediction mode or a palette mode for prediction of a block. IBC prediction mode or palette mode can be used, for example, for video/video coding of content such as games, such as screen content coding (SCC). IBC basically performs prediction within the current picture, but can be performed similarly to inter prediction in that it derives a reference block within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this disclosure. Palette mode can be viewed as an example of intra coding or intra prediction. When palette mode is applied, sample values within a picture can be signaled based on information about the palette table and palette index.
  • IBC intra block copy
  • Palette mode can be viewed as an example of intra coding
  • the prediction signal generated by the prediction unit 320 may be used to generate a restored signal or a residual signal.
  • the transform unit 332 may generate transform coefficients by applying a transform technique to the residual signal.
  • the transformation technique may be at least one of Discrete Cosine Transform (DCT), Discrete Sine Transform (DST), Karhunen-Loeve Transform (KLT), Graph-Based Transform (GBT), or Conditionally Non-linear Transform (CNT). It can be included.
  • DCT Discrete Cosine Transform
  • DST Discrete Sine Transform
  • KLT Karhunen-Loeve Transform
  • GBT Graph-Based Transform
  • CNT Conditionally Non-linear Transform
  • GBT refers to the transformation obtained from this graph when the relationship information between pixels is expressed as a graph.
  • CNT refers to the transformation obtained by generating a prediction signal using all previously reconstructed pixels and obtaining it based on it.
  • the conversion process may be applied to square
  • the quantization unit 333 quantizes the transform coefficients and transmits them to the entropy encoding unit 340, and the entropy encoding unit 340 encodes the quantized signal (information about the quantized transform coefficients) and outputs it as a bitstream. there is. Information about quantized transform coefficients may be called residual information.
  • the quantization unit 333 may rearrange the quantized transform coefficients in block form into a one-dimensional vector form based on the coefficient scan order, and quantized transform coefficients based on the quantized transform coefficients in the form of a one-dimensional vector. You can also generate information about them.
  • the entropy encoding unit 340 may perform various encoding methods, such as exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • the entropy encoding unit 340 may encode information necessary for image/video restoration (e.g., values of syntax elements, etc.) in addition to the quantized transformation coefficients together or separately.
  • Encoded information e.g., encoded image/video information
  • Image/video information may further include information about various parameter sets, such as an adaptation parameter set (APS), picture parameter set (PPS), sequence parameter set (SPS), or video parameter set (VPS).
  • APS adaptation parameter set
  • PPS picture parameter set
  • SPS sequence parameter set
  • VPS video parameter set
  • image/video information may further include general constraint information.
  • image/video information may further include a method of generating and using encoded information, and its purpose.
  • information and/or syntax elements transmitted/signaled from an image/video encoder to an image/video decoder may be included in the image/video information.
  • Image/video information may be encoded through the above-described encoding procedure and included in the bitstream.
  • the bitstream can be transmitted over a network or stored on a digital storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • a transmission unit (not shown) that transmits the signal output from the entropy encoding unit 340 and/or a storage unit (not shown) that stores the signal may be configured as internal/external elements of the image/video encoder 300, or The transmission unit may be included in the entropy encoding unit 340.
  • Quantized transform coefficients output from the quantization unit 333 can be used to generate a prediction signal.
  • a residual signal residual block or residual samples
  • the adder 350 adds the reconstructed residual signal to the prediction signal output from the inter prediction unit 321 or the intra prediction unit 322, thereby creating a reconstructed signal (reconstructed picture, reconstructed block, reconstructed sample array). can be created. If there is no residual for the block to be processed, such as when skip mode is applied, the predicted block can be used as a restoration block.
  • the addition unit 350 may be called a restoration unit or a restoration block generation unit.
  • the generated reconstructed signal can be used for intra prediction of the next processing target block in the current picture, and can also be used for inter prediction of the next picture after filtering, as will be described later.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 360 can improve subjective/objective image quality by applying filtering to the restored signal.
  • the filtering unit 360 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 370, specifically the DPB of the memory 370. It can be saved in .
  • Various filtering methods may include, for example, deblocking filtering, sample adaptive offset, adaptive loop filter, bilateral filter, etc.
  • the filtering unit 360 may generate various information about filtering and transmit it to the entropy encoding unit 340. Information about filtering may be encoded in the entropy encoding unit 340 and output in the form of a bitstream.
  • the modified reconstructed picture transmitted to the memory 370 can be used as a reference picture in the inter prediction unit 321. Through this, prediction mismatch at the encoder stage and decoder stage can be avoided, and coding efficiency can be improved.
  • the DPB of the memory 370 can store the modified reconstructed picture to use it as a reference picture in the inter prediction unit 321.
  • the memory 370 may store motion information of a block from which motion information in the current picture is derived (or encoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 321 to be used as motion information of spatial neighboring blocks or motion information of temporal neighboring blocks.
  • the memory 370 may store reconstructed samples of reconstructed blocks in the current picture, and may transmit the stored reconstructed samples to the intra prediction unit 322.
  • the VCM encoder (or feature/feature map encoder) is basically the image/video encoder described with reference to FIG. 3 in that it performs a series of procedures such as prediction, transformation, and quantization to encode features/feature maps. It may have the same/similar structure to (300).
  • the VCM encoder is different from the image/video encoder 300 in that it targets features/feature maps for encoding, and accordingly, the name of each unit (or component) (e.g., image segmentation unit 310, etc.) ) and its specific operation content may be different from the image/video encoder 300.
  • the specific operation of the VCM encoder will be described in detail later.
  • Figure 4 is a diagram schematically showing an image/video decoder to which embodiments of the present disclosure can be applied.
  • the image/video decoder 400 includes an entropy decoder (410), a residual processor (420), a predictor (430), an adder (440), It may include a filter 450 and a memory 460.
  • the prediction unit 430 may include an inter prediction unit 431 and an intra prediction unit 432.
  • the residual processing unit 420 may include a dequantizer (421) and an inverse transformer (422).
  • the above-described entropy decoding unit 410, residual processing unit 420, prediction unit 430, addition unit 440, and filtering unit 450 are one hardware component (e.g., a decoder chipset or processor) depending on the embodiment. It can be composed by .
  • the memory 460 may include a decoded picture buffer (DPB) and may be configured by a digital storage medium.
  • the hardware component may further include memory 460 as an internal/external component.
  • the image/video decoder 400 can restore the image/video in response to the process in which the image/video information is processed in the image/video encoder 300 of FIG. 3. there is.
  • the image/video decoder 400 may derive units/blocks based on block division-related information obtained from the bitstream.
  • the image/video decoder 400 may perform decoding using a processing unit applied in the image/video encoder.
  • the processing unit of decoding may for example be a coding unit, and the coding unit may be partitioned from a coding tree unit or a maximum coding unit along a quad tree structure, a binary tree structure and/or a ternary tree structure.
  • One or more transformation units can be derived from a coding unit.
  • the restored video signal decoded and output through the video/video decoder 400 can be played through a playback device.
  • the image/video decoder 400 may receive a signal output from the encoder of FIG. 3 in the form of a bitstream, and the received signal may be decoded through the entropy decoder 410.
  • the entropy decoder 410 may parse the bitstream to derive information (e.g., image/video information) necessary for image restoration (or picture restoration).
  • Image/video information may further include information about various parameter sets, such as an adaptation parameter set (APS), picture parameter set (PPS), sequence parameter set (SPS), or video parameter set (VPS).
  • image/video information may further include general constraint information.
  • the image/video information may include the generation method, use method, and purpose of the decoded information.
  • the image/video decoder 400 may decode the picture further based on information about the parameter set and/or general restriction information. Signaling/receiving information and/or syntax elements may be decoded and obtained from the bitstream through a decoding procedure.
  • the entropy decoding unit 410 decodes information in the bitstream based on a coding method such as exponential Golomb coding, CAVLC, or CABAC, and quantizes the values of syntax elements necessary for image restoration and transform coefficients related to residuals. The values can be output.
  • the CABAC entropy decoding method receives bins corresponding to each syntax element in the bitstream, and includes decoding target syntax element information and decoding information of surrounding and decoding target blocks or symbols/bins decoded in the previous step.
  • the context model can be determined, the occurrence probability of the bin can be predicted according to the determined context model, and arithmetic decoding of the bin can be performed to generate symbols corresponding to the value of each syntax element.
  • the CABAC entropy decoding method can update the context model using the information of the decoded symbol/bin for the context model of the next symbol/bin after determining the context model.
  • Information about prediction among the information decoded in the entropy decoding unit 410 is provided to the prediction unit (inter prediction unit 432 and intra prediction unit 431), and the register on which entropy decoding was performed in the entropy decoding unit 410 Dual values, that is, quantized transform coefficients and related parameter information, may be input to the residual processing unit 420.
  • the residual processing unit 420 may derive a residual signal (residual block, residual samples, residual sample array). Additionally, information about filtering among the information decoded by the entropy decoding unit 410 may be provided to the filtering unit 450.
  • a receiver (not shown) that receives a signal output from the image/video encoder may be further configured as an internal/external element of the image/video decoder 400, or the receiver may be a component of the entropy decoder 410. It may be.
  • the image/video decoder according to the present disclosure may be called an image/video decoding device, and the image/video decoder may be divided into an information decoder (image/video information decoder) and a sample decoder (image/video sample decoder). .
  • the information decoder may include an entropy decoding unit 410, and the sample decoder may include an inverse quantization unit 321, an inverse transform unit 322, an addition unit 440, a filtering unit 450, and a memory 460. , It may include at least one of the inter prediction unit 432 and the intra prediction unit 431.
  • the inverse quantization unit 421 may inversely quantize the quantized transform coefficients and output the transform coefficients.
  • the inverse quantization unit 421 may rearrange the quantized transform coefficients into a two-dimensional block form. In this case, realignment can be performed based on the coefficient scan order performed in the image/video encoder.
  • the inverse quantization unit 321 may perform inverse quantization on quantized transform coefficients using quantization parameters (e.g., quantization step size information) and obtain transform coefficients.
  • the inverse transform unit 422 inversely transforms the transform coefficients to obtain a residual signal (residual block, residual sample array).
  • the prediction unit 430 may perform prediction on the current block and generate a predicted block including prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied to the current block based on information about prediction output from the entropy decoding unit 410, and may determine a specific intra/inter prediction mode.
  • the prediction unit 420 may generate a prediction signal based on various prediction methods.
  • the prediction unit can not only apply intra prediction or inter prediction for prediction of one block, but also can apply intra prediction and inter prediction simultaneously. This can be called combined inter and intra prediction (CIIP).
  • the prediction unit may be based on an intra block copy (IBC) prediction mode or a palette mode for prediction of a block.
  • IBC prediction mode or palette mode can be used, for example, for video/video coding of content such as games, such as screen content coding (SCC).
  • SCC screen content coding
  • IBC basically performs prediction within the current picture, but can be performed similarly to inter prediction in that it derives a reference block within the current picture. That is, IBC can use at least one of the inter prediction techniques described in this document.
  • Palette mode can be viewed as an example of intra coding or intra prediction. When the palette mode is applied, information about the palette table and palette index may be included and signaled in the image/video information.
  • the intra prediction unit 431 can predict the current block by referring to samples in the current picture. Referenced samples may be located in the neighborhood of the current block, or may be located away from the current block, depending on the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the intra prediction unit 431 may determine the prediction mode applied to the current block using the prediction mode applied to the neighboring block.
  • the inter prediction unit 432 may derive a predicted block for the current block based on a reference block (reference sample array) specified by a motion vector in the reference picture.
  • motion information can be predicted on a block, subblock, or sample basis based on the correlation of motion information between neighboring blocks and the current block.
  • Motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • neighboring blocks may include a spatial neighboring block existing in the current picture and a temporal neighboring block existing in the reference picture.
  • the inter prediction unit 432 may construct a motion information candidate list based on neighboring blocks and derive a motion vector and/or reference picture index of the current block based on the received candidate selection information. Inter prediction may be performed based on various prediction modes, and information about prediction may include information indicating the mode of inter prediction for the current block.
  • the adder 440 restores the obtained residual signal by adding it to the prediction signal (predicted block, prediction sample array) output from the prediction unit (including the inter prediction unit 432 and/or the intra prediction unit 431).
  • a signal (restored picture, restored block, restored sample array) can be generated. If there is no residual for the block to be processed, such as when skip mode is applied, the predicted block can be used as a restoration block.
  • the addition unit 440 may be called a restoration unit or a restoration block generation unit.
  • the generated reconstructed signal may be used for intra prediction of the next processing target block in the current picture, may be output after filtering as described later, or may be used for inter prediction of the next picture.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 450 can improve subjective/objective image quality by applying filtering to the restored signal.
  • the filtering unit 450 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 460, specifically the DPB of the memory 460. can be transmitted to.
  • Various filtering methods may include, for example, deblocking filtering, sample adaptive offset, adaptive loop filter, bilateral filter, etc.
  • the (corrected) reconstructed picture stored in the DPB of the memory 460 can be used as a reference picture in the inter prediction unit 432.
  • the memory 460 may store motion information of a block from which motion information in the current picture is derived (or decoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information can be transmitted to the inter prediction unit 432 to be used as motion information of spatial neighboring blocks or motion information of temporal neighboring blocks.
  • the memory 460 can store reconstructed samples of reconstructed blocks in the current picture and transmit them to the intra prediction unit 431.
  • the VCM decoder (or feature/feature map decoder) basically performs a series of procedures such as prediction, inverse transformation, and inverse quantization to decode the feature/feature map, so that the video/feature map described above with reference to FIG. It may have the same/similar structure to the video decoder 400.
  • the VCM decoder is different from the image/video decoder 400 in that it targets features/feature maps for decoding, and accordingly, the name (e.g., DPB, etc.) of each unit (or component) and its specific operation are used.
  • the content may be different from the image/video decoder 400.
  • the operation of the VCM decoder can correspond to the operation of the VCM encoder, and the specific operation contents will be described in detail later.
  • Figure 5 is a flowchart schematically showing a feature/feature map encoding procedure to which embodiments of the present disclosure can be applied.
  • the feature/feature map encoding procedure may include a prediction procedure (S510), a residual processing procedure (S520), and an information encoding procedure (S530).
  • the prediction procedure (S510) may be performed by the prediction unit 320 described above with reference to FIG. 3.
  • the intra prediction unit 322 may predict the current block (that is, a set of feature elements currently subject to encoding) by referring to feature elements in the current feature/feature map. Intra prediction can be performed based on the spatial similarity of feature elements constituting the feature/feature map. For example, feature elements included in the same region of interest (RoI) within an image/video may be estimated to have similar data distribution characteristics. Accordingly, the intra prediction unit 322 may predict the current block by referring to the feature elements that have been restored or restored within the region of interest including the current block. At this time, the referenced feature elements may be located adjacent to the current block or may be located away from the current block depending on the prediction mode.
  • the current block that is, a set of feature elements currently subject to encoding
  • Intra prediction modes for feature/feature map encoding may include a plurality of non-directional prediction modes and a plurality of directional prediction modes.
  • Non-directional prediction modes may include, for example, prediction modes corresponding to the DC mode and planar mode of the image/video encoding procedure.
  • the directional modes may include prediction modes corresponding to, for example, 33 directional modes or 65 directional modes of an image/video encoding procedure.
  • the inter prediction unit 321 may predict the current block based on a reference block (i.e., a set of referenced feature elements) specified by motion information on the reference feature/feature map. Inter prediction can be performed based on the temporal similarity of feature elements constituting the feature/feature map. For example, temporally consecutive features may have similar data distribution characteristics. Accordingly, the inter prediction unit 321 can predict the current block by referring to the reconstructed feature elements of features temporally adjacent to the current feature.
  • motion information for specifying referenced feature elements may include a motion vector and a reference feature/feature map index.
  • the motion information may further include information about the inter prediction direction (e.g., L0 prediction, L1 prediction, Bi prediction, etc.).
  • neighboring blocks may include spatial neighboring blocks existing within the current feature/feature map and temporal neighboring blocks existing within the reference feature/feature map.
  • a reference feature/feature map including a reference block and a reference feature/feature map including temporal neighboring blocks may be the same or different.
  • a temporal neighboring block may be referred to as a collocated reference block, etc., and a reference feature/feature map including a temporal neighboring block may be referred to as a collocated feature/feature map.
  • the inter prediction unit 321 constructs a motion information candidate list based on neighboring blocks and generates information indicating which candidate is used to derive the motion vector and/or reference feature/feature map index of the current block. You can.
  • Inter prediction may be performed based on various prediction modes.
  • the inter prediction unit 321 may use motion information of neighboring blocks as motion information of the current block.
  • residual signals may not be transmitted.
  • MVP motion vector prediction
  • the motion vector of the surrounding block is used as a motion vector predictor, and the motion vector of the current block is predicted by signaling the motion vector difference. You can instruct.
  • the prediction unit 320 may generate a prediction signal based on various prediction methods in addition to the intra prediction and inter prediction described above.
  • the prediction signal generated by the prediction unit 320 may be used to generate a residual signal (residual block, residual feature elements) (S520).
  • the residual processing procedure (S520) may be performed by the residual processing unit 330 described above with reference to FIG. 3.
  • (quantized) transform coefficients may be generated through a transform and/or quantization procedure for the residual signal, and the entropy encoding unit 340 converts information about the (quantized) transform coefficients into bits as residual information. It can be encoded within the stream (S530). Additionally, the entropy encoding unit 340 may encode information necessary for feature/feature map restoration, such as prediction information (e.g., prediction mode information, motion information, etc.), in addition to the residual information, into the bitstream.
  • prediction information e.g., prediction mode information, motion information, etc.
  • the feature/feature map encoding procedure not only encodes information for feature/feature map restoration (e.g., prediction information, residual information, partitioning information, etc.) and outputs it in bitstream format (S530), but also encodes the information for feature/feature map restoration (e.g., prediction information, residual information, partitioning information, etc.)
  • An optional procedure for generating a restored feature/feature map for the feature map and applying in-loop filtering to the restored feature/feature map may be further included.
  • the VCM encoder can derive (corrected) residual feature(s) from the quantized transform coefficient(s) through inverse quantization and inverse transformation, and the prediction feature(s) and (corrected) residual that are the output of step S510.
  • a restored feature/feature map can be created based on the feature(s).
  • the restored feature/feature map generated in this way may be the same as the restored feature/feature map generated in the VCM decoder.
  • a modified restored feature/feature map may be generated through the in-loop filtering procedure on the restored feature/feature map.
  • the modified restored feature/feature map can be stored in a decoded feature buffer (DFB) or memory and used as a reference feature/feature map in the subsequent feature/feature map prediction procedure.
  • (in-loop) filtering-related information may be encoded and output in the form of a bitstream.
  • noise that may occur during feature/feature map coding can be removed, and feature/feature map-based task performance can be improved.
  • the identity of the prediction result can be guaranteed, the reliability of feature/feature map coding can be improved, and the amount of data transmission for feature/feature map coding can be reduced. there is.
  • Figure 6 is a flowchart schematically showing a feature/feature map decoding procedure to which embodiments of the present disclosure can be applied.
  • the feature/feature map decoding procedure includes an image/video information acquisition procedure (S610), a feature/feature map restoration procedure (S620 to S640), and an in-loop filtering procedure for the restored feature/feature map (S650).
  • the feature/feature map restoration procedure is performed on the prediction signal and residual signal obtained through the inter/intra prediction (S620) and residual processing (S630), inverse quantization and inverse transformation for quantized transform coefficients) processes described in this disclosure. It can be performed based on A modified restored feature/feature map may be generated through an in-loop filtering procedure for the restored feature/feature map, and the modified restored feature/feature map may be output as a decoded feature/feature map.
  • the decoded feature/feature map is stored in a decoding feature buffer (DFB) or memory and can be used as a reference feature/feature map in the inter prediction procedure when decoding the feature/feature map.
  • a decoding feature buffer DVB
  • the above-described in-loop filtering procedure may be omitted.
  • the restored feature/feature map can be output as is as a decoded feature/feature map, and stored in the decoding feature buffer (DFB) or memory, and then be used as a reference feature/feature map in the inter prediction procedure when decoding the feature/feature map. It can be used as
  • the prior art for intra prediction When generating a compressed video bitstream for performing a machine task, the prior art for intra prediction performs prediction by selecting one of predetermined prediction models.
  • the same parameters must be used in both the feature encoding device 10 and the feature decoding device 20. Accordingly, there is a need to transmit the parameters of the prediction model used in the feature encoding device 10 to the feature decoding device 20. As the variability of the prediction model increases, the number of corresponding parameters may increase, which means that the bit stream It can be a factor that increases the amount.
  • the parameters of the prediction model are learned using restored surrounding reference samples (restored neighboring samples).
  • the present disclosure proposes a method of storing learned parameters in a list and then using one of the parameters in the list as a parameter for prediction of the current block when encoding and decoding the current block. Furthermore, this disclosure proposes a method of using one of the parameters in the list as an initial learning value for prediction of the current block.
  • Embodiments described in this disclosure may operate individually or may operate through a combination of embodiments.
  • Figure 8 is a flowchart showing a feature encoding method according to an embodiment of the present disclosure.
  • the feature encoding device 10 may learn a prediction model based on the restored surrounding samples (S810).
  • 'Prediction model' may be 'parameters of the prediction model', and 'learning of the prediction model' may be 'learning of the parameters of the prediction model'. Learning of the prediction model can be performed more than n times (n is an integer greater than 0).
  • the restored surrounding samples may be samples decoded through learning-based intra prediction or may be samples decoded using an existing intra prediction method. Additionally, the restored surrounding samples may be samples decoded using other prediction methods such as inter prediction.
  • FIG. 7 An example of restored surrounding samples and current encoding/decoding target samples (current samples or current block) that can be used for training a prediction model is shown in FIG. 7.
  • samples in the area indicated by vector x represent samples to be currently encoded/decoded, and samples in the area indicated by r, r0, r1, r2, r3, x0, x1, x2, and and the reconstructed surrounding samples adjacent to the left.
  • the positional distribution, shape, number, etc. of the surrounding samples used as learning data in FIG. 7 are examples for convenience of explanation, and actual surrounding samples may have a different distribution, shape, number, etc. from the example in FIG. 7. You can.
  • the reconstructed surrounding samples used as learning data are limited to use only when the encoding and decoding mode is intra, or are limited to use in predefined tiles or slices. It may be restricted to use only within the same encoding and decoding unit, etc.
  • the value x pred of the prediction samples predicted by the prediction model f with parameter ⁇ t is given by the formula It can be expressed as 1.
  • Equation 2 The process of learning ⁇ t can be explained as an optimization process such as Equation 2, which repeatedly finds ⁇ t that minimizes the loss function L tr that can be expressed as the sum of L2 Norm.
  • Equation 2 the process of learning ⁇ t starts from the initial value, and pairs of restored N reference samples ⁇ r o , x 0 ⁇ , ⁇ r 1 , x 1 ⁇ , ⁇ r 2 , x 2 ⁇ , ⁇ r 3 , x 3 ⁇ , ..., ⁇ r N , x N ⁇ can be used as learning data, and the restored x N can be used as input.
  • the loss function in Equation 2 is an example for convenience of explanation, and other equations may be used.
  • the feature encoding device 10 can predict the current block using the learned prediction model (S820).
  • the feature encoding device 10 may generate residual information for the current block based on the predicted current block (prediction block) and the current block, and encode the generated residual information (S830).
  • Figure 9 is a flowchart showing a feature decoding method according to an embodiment of the present disclosure.
  • the feature decoding device 20 may learn a prediction model based on the restored surrounding samples (S910).
  • the prediction model may be a parameter of the prediction model, and learning the prediction model may be learning about the parameters of the prediction model. Learning of the prediction model can be performed more than n times (n is an integer greater than 0).
  • the restored surrounding samples may be samples decoded through learning-based intra prediction or may be samples decoded using an existing intra prediction method. Additionally, the restored surrounding samples may be samples decoded using other prediction methods such as inter prediction.
  • An example of restored surrounding samples and current encoding/decoding target samples that can be used for learning a prediction model may be the same as the example in FIG. 7 .
  • the feature decoding device 20 can predict the current block using the learned prediction model (S920).
  • the feature decoding device 20 may restore the current block based on the prediction block and residual block for the current block (S930).
  • the residual block may be derived based on residual information signaled from the feature encoding device 10.
  • Example 1 corresponds to a method of training a prediction model using restored surrounding samples and performing prediction through the learned prediction model.
  • Figure 10 is a flowchart showing a feature encoding method according to Example 1.
  • the feature encoding method in FIG. 10 shows the process of learning the parameter ⁇ t of the prediction model, predicting current samples, and encoding the difference.
  • various variables used for learning a prediction model can be set (S1002), and a prediction model can be learned based on the restored surrounding samples (S1004).
  • Learning (S1004) of the parameter ⁇ t of the prediction model may start from the initial value ⁇ 0 and proceed in the direction of reducing the loss function L tr as shown in the example of Equation 2.
  • the prediction model with the initial value ⁇ 0 may be the ‘first prediction model’.
  • the first prediction model may be a prediction with an initial value ⁇ 0- , or may be a prediction model derived as a result of previous learning when learning of the prediction model is repeated. Accordingly, learning the prediction model may include a process of predicting the current block based on the restored surrounding samples and the first prediction model.
  • the loss function L tr as in the example of Equation 2 may correspond to a value derived based on the difference between the prediction samples and the reconstructed surrounding samples. Accordingly, learning the prediction model may include a process of training the first prediction model so that the value derived based on the difference between the prediction samples and the restored surrounding samples is reduced.
  • the above processes are performed repeatedly a predefined maximum number of times T max (S1012), and the predicted value x pred of Equation 1 can be derived using a prediction model to which the restored surrounding samples r and the learning result ⁇ t are applied (S1006 ). Additionally, a loss function L(x,
  • Equation 3 The loss function in Equation 3 is an example for convenience of explanation, and other equations may be used.
  • the value of the loss function L ( x, The value may be set to ⁇ opt , and t at that point in time may be set to t_opt (S1014).
  • the intra prediction result x pred for encoding can be derived as in Equation 4, and the difference x diff between the value x of the current samples and the predicted value x pred can be derived as in Equation 5.
  • the difference x diff may be encoded (S1024) and signaled from the feature encoding device 10 to the feature decoding device 20.
  • the same learning result ⁇ t as the encoding can be derived, and prediction can be performed by applying this, so t_opt is also encoded (S1020) and the feature encoding device 10 ) can be signaled from the feature decoding device 20.
  • f_skip (first flag), which is a flag indicating that the learning process of the prediction model does not need to be performed in the decoding process, is encoded (S1022) and is sent from the feature encoding device 10 to the feature decoding device. It can be signaled as (20). In this case, the encoding of t_opt can be omitted.
  • the default value of t_opt may be defined in advance in the feature encoding device 10 and the feature decoding device 20. In this case, t_opt may not be encoded.
  • t_opt may not be encoded.
  • a plurality of prediction models may be defined, and in this case, an index for selecting one of the plurality of prediction models may be encoded. there is.
  • Figure 11 is a flowchart showing a feature decoding method according to Example 1.
  • the feature decoding method of FIG. 11 shows the process of learning the parameter ⁇ t of the prediction model, predicting the current samples, and restoring the current samples using the decoded difference.
  • various variables used for learning the prediction model can be set (S1100), and the prediction model can be learned based on the restored surrounding samples (S1030). Learning of the parameter ⁇ t of the prediction model starts from the initial value ⁇ 0 , as in the case of the feature encoding method, and proceeds in the direction of reducing the loss function L tr as in the example of Equation 2, so that the learned result is ⁇ t+1 .
  • the saving process (S1140) may be performed repeatedly.
  • the prediction model with the initial value ⁇ 0 may be the ‘first prediction model’.
  • the first prediction model may be a prediction with an initial value ⁇ 0 , or may be a prediction model derived as a result of previous learning when learning of the prediction model is repeated. Accordingly, learning the prediction model may include a process of predicting the current block based on the restored surrounding samples and the first prediction model.
  • the loss function L tr as in the example of Equation 2 may correspond to a value derived based on the difference between prediction samples and reconstructed surrounding samples. Accordingly, learning the prediction model may include a process of training the first prediction model so that the value derived based on the difference between the prediction samples and the restored surrounding samples is reduced.
  • the feature decoding device 20 can obtain the same prediction model parameter as ⁇ t_opt used during prediction in the feature encoding device 10.
  • the same prediction value x pred as in the feature encoding device 10 can be derived as shown in Equation 6 (S1160).
  • f_skip (first flag), which is a flag indicating that a separate prediction model parameter learning process is not necessary, has a value of 1 (S1110)
  • the decoding of t_opt (S1120) and the learning process of ⁇ t_opt (S1130, S1140, S1150) is omitted, and the prediction value x pred can be derived by performing prediction using the basic initial value of the prediction model as is (S1160).
  • the default value of t_opt may be defined in advance in the feature encoding device 10 and the feature decoding device 20. In this case, t_opt may not be decrypted.
  • t_opt may not be decrypted.
  • a plurality of prediction models may be defined, and in this case, the index for selecting one of the plurality of prediction models can be decoded. there is.
  • Tables 1 and 2 show examples of syntax elements signaled to perform the feature encoding method and feature decoding method according to Example 1.
  • Table 1 shows syntax elements that indicate whether learning-based intra prediction is used within a video sequence.
  • Table 1 shows syntax elements at the SPS level indicating whether learning-based intra prediction is used and the size of the available block, but this is only an example, and the corresponding syntax elements are used at other levels such as PPS, Picture Header, and Slice header. It may also be defined in .
  • Table 2 shows syntax elements indicating whether the intra prediction mode of an individual CU is learning-based intra prediction, the index of the prediction model used, whether learning of additional prediction model parameters is in progress, and the number of learning times.
  • sps_lip_enabled_flag indicates whether learning-based intra prediction is used within the video sequence.
  • sps_lip_enabled_greater_flag indicates whether learning-based intra prediction can be used even for blocks larger than the predefined size within the video sequence.
  • Table 2 explains that the predefined size is 4 and the number of sps_lip_enabled_greater_flag is one, but this is only an explanation for convenience. That is, the predefined size may be defined as a different value, and there may be multiple sps_lip_enabled_greater_flag for various block sizes.
  • intra_lip_flag indicates whether the prediction mode of the corresponding CU is learning-based intra prediction.
  • intra_lip_model_idx (prediction model information) indicates the index of a predefined prediction model to be used when learning-based intra prediction is applied to the corresponding CU.
  • intra_lip_model_idx may indicate a prediction model to be used as the first prediction model among at least one candidate prediction model.
  • intra_lip_skip_learning_flag (first flag) indicates whether an additional prediction model parameter learning process is required when decoding the corresponding CU, and is a syntax element corresponding to f_skip.
  • intra_lip_num_itr indicates the number of times (count information) to proceed with learning using the samples of the already restored CU and the determined prediction model when decoding the corresponding CU.
  • intra_lip_num_itr is a syntax element corresponding to t_opt.
  • Example 2 is a method of storing learned parameters (or learned prediction models) in a list, a method of performing learning by using one of the prediction models stored in the list as an initial value for learning, and a process of performing learning.
  • the list where learned prediction models or untrained prediction models are stored may be referred to as a 'prediction model candidate list' or a 'parameter list T', and a prediction model selected from among the prediction models in the prediction model candidate list. may be referred to as the 'first prediction model'.
  • FIG. 12A and 12B are flowcharts showing a feature encoding method according to Example 2.
  • the feature encoding method in FIG. 12 shows the process of selecting and learning the parameter ⁇ t of the prediction model, predicting current samples, and encoding the difference.
  • prediction models used for prediction of blocks that have already been restored may be stored in a prediction model candidate list (or parameter list T) (S1228). That is, the prediction model candidate list may include at least one prediction model candidate used for prediction of at least one neighboring block. For example, let's say block n has already been encoded and the parameters used for prediction when encoding that block are That is, at the point when block N is encoded, the prediction model candidate list contains The values may be stored. In Figures 12a and 12b, all It was explained that they are stored in the prediction model candidate list, but according to established rules, Only some of them may be saved, or old items may be deleted.
  • the initial value ⁇ 0 for learning starts from the basic initial value as in Example 1, or is the n_idxth parameter among the parameters stored in the prediction model candidate list. It can start from That is, the first prediction model may be determined based on one of a prediction model candidate list or a predetermined prediction model. Specifically, the first prediction model corresponding to the initial value of learning may be determined as a predetermined prediction model (basic initial value) or may be determined as the n_idxth prediction model among prediction models stored in the prediction model candidate list.
  • the processes are repeated a predefined maximum number of times T max (S1222).
  • the predicted value x pred can be derived as shown in the example of Equation 1 using a prediction model to which the restored surrounding samples r and the learning result ⁇ t are applied (S1216). Additionally, as in the example of Equation 3, a loss function L(x, x pred ) with the value of the current samples x can be derived (S1218).
  • the minimum value of the corresponding loss function L(x, xpred) is L min , the value of ⁇ t at that point in time can be set to ⁇ opt , and t at that point in time can be set to t_opt (count information) (S1226) .
  • the value of the loss function L ( x, The value may be set to ⁇ opt , and t at that point in time may be set to t_opt (S1224).
  • the learning process of the prediction model is not performed, and prediction is performed using predefined basic initial values as is, or the n_idxth prediction model among the prediction models in the prediction model candidate list. Prediction may be performed using as is (S1204).
  • the prediction result x pred and the difference x diff between the values x and x pred of the current samples can be derived.
  • the difference x diff may be encoded (S1232) and signaled from the feature encoding device 10 to the feature decoding device 20.
  • the same learning result ⁇ t as the encoding can be derived, and prediction can be performed by applying this, so t_opt is also encoded (S1230) and the feature encoding device 10 ) can be signaled from the feature decoding device 20.
  • f_skip (first flag), which is a flag indicating that the learning process of the prediction model does not need to be performed in the decoding process, is encoded (S1212) and is sent from the feature encoding device 10 to the feature decoding device. It can be signaled as (20). In this case, the encoding of t_opt can be omitted.
  • the initial value ⁇ 0 for prediction model learning can be started from the default initial value, or from one of the prediction models in the prediction model candidate list, or the learning process can be omitted and the prediction model candidate list Whether to still use my prediction model (S1202, S1203) can be decided in advance before the learning process.
  • this is only an example, and after performing part or all of the encoding process (learning process), a more efficient method may be selected and performed. In this example, if ⁇ opt used in prediction is a result value that has undergone an additional learning process, the corresponding ⁇ opt may be added to the prediction model candidate list.
  • conditions may exist for ⁇ opt to be added to the prediction model candidate list.
  • stored in the prediction model candidate list There may be conditions for some of them to be deleted from the prediction model candidate list.
  • a value f_list indicating whether learning and prediction was performed using the prediction model stored in the prediction model candidate list or whether prediction was performed using the default initial value is encoded (S1203, S1204) to obtain the feature from the feature encoding device 10. It may be signaled to the decryption device 20.
  • the index n_idx (selection information) indicating the prediction model used for prediction may also be encoded (S1204) and signaled from the feature encoding device 10 to the feature decoding device 20.
  • the default value of t_opt may be defined in advance in the feature encoding device 10 and the feature decoding device 20. In this case, t_opt may not be encoded.
  • t_opt may not be encoded.
  • a plurality of prediction models may be defined, and in this case, an index for selecting one of the plurality of prediction models is used. It can be encoded. Additionally, there may be multiple prediction model candidate lists.
  • FIGS. 13A and 13B are flowcharts showing a feature decoding method according to Example 2.
  • the feature decoding method of FIGS. 13A and 13B shows the process of selecting and learning the parameter ⁇ t of the prediction model and restoring the current samples using the prediction and decoded differences of the current samples.
  • f_skip (the first flag), which is a flag indicating that a separate learning process is not required, is decoded to a value of 1 (S1310), according to the value of f_list (S1304), t_opt is decoded and prediction model parameters are learned. is not performed, and is the default value of the prediction model or the n_idxth prediction model in the prediction model candidate list. can be used as ⁇ opt .
  • the same prediction value x pred as in the feature encoding device 10 can be derived as shown in Equation 6 (S1322). Also, the predicted value x pred and the decoded difference Using Equation 7, the restored values of the current samples are can be derived (S1322).
  • the default value of t_opt may be defined in advance in the feature encoding device 10 and the feature decoding device 20. In this case, t_opt may not be decrypted.
  • t_opt may not be decrypted.
  • a plurality of prediction models may be defined, and in this case, an index for selecting one of the plurality of prediction models is used. It can be decrypted. Additionally, there may be multiple prediction model candidate lists.
  • ⁇ opt used for prediction can be added to the prediction model candidate list (S1320). Although not shown in FIGS. 13A and 13B, there may be a condition for ⁇ opt to be added to the prediction model candidate list. In addition, stored in the prediction model candidate list There may be conditions for some of them to be deleted from the prediction model candidate list.
  • Tables 3 and 4 show examples of syntax elements signaled to perform the feature encoding method and feature decoding method according to Example 2. Specifically, Table 3 shows syntax elements indicating whether learning-based intra prediction is used within a video sequence and the size of a block to which learning-based intra prediction is applicable. Table 3 shows syntax elements at the SPS level, but this is only an example, and the corresponding syntax elements may be defined at other levels such as PPS, Picture Header, and Slice header. Table 4 shows whether the intra prediction mode of each CU is learning-based intra prediction, the index of the prediction model used, whether the prediction model stored in the prediction model candidate list is used, whether learning of additional prediction model parameters is in progress, and the number of learning. Indicates the syntax elements that represent.
  • sps_lip_enabled_flag indicates whether learning-based intra prediction is used within the video sequence.
  • sps_lip_enabled_greater_flag indicates whether learning-based intra prediction can be used even for blocks larger than the predefined size within the video sequence.
  • Table 3 explains that the predefined size is 4 and the number of sps_lip_enabled_greater_flag is one, but this is only a description for convenience. That is, the predefined size may be defined as a different value, and there may be multiple sps_lip_enabled_greater_flag for various block sizes.
  • sps_lip_parm_list_flag (first flag) indicates whether to use the prediction model stored in the prediction model candidate list in the video sequence.
  • intra_lip_flag indicates whether the prediction mode of the corresponding CU is learning-based intra prediction.
  • intra_lip_model_idx (prediction model information) indicates the index of a predefined prediction model to be used when learning-based intra prediction is applied to the corresponding CU.
  • intra_lip_model_idx may indicate a prediction model to be used as the first prediction model among at least one candidate prediction model.
  • intra_lip_parm_from_list_flag indicates whether to use the value stored in the prediction model candidate list as the initial value of the prediction model parameter when decoding the corresponding CU.
  • intra_lip_parm_from_list_flag is a syntax element corresponding to f_lst.
  • intra_lip_parm_idx is a syntax element that indicates a prediction model to be used as an initial value when decoding the current CU among prediction models stored in the prediction model candidate list.
  • intra_lip_parm_idx is a syntax element corresponding to n_idx (selection information).
  • intra_lip_skip_learning_flag (first flag) indicates whether an additional prediction model parameter learning process is required when decoding the corresponding CU, and is a syntax element corresponding to f_skip.
  • intra_lip_num_itr indicates the number of times (count information) to proceed with learning using the samples of the already restored CU and the determined prediction model when decoding the corresponding CU.
  • intra_lip_num_itr is a syntax element corresponding to t_opt.
  • f_skip first flag
  • Exemplary methods of the present disclosure are expressed as a series of operations for clarity of explanation, but this is not intended to limit the order in which the steps are performed, and each step may be performed simultaneously or in a different order, if necessary.
  • other steps may be included in addition to the exemplified steps, some steps may be excluded and the remaining steps may be included, or some steps may be excluded and additional other steps may be included.
  • a video encoding device or video decoding device that performs a predetermined operation may perform an operation (step) that checks performance conditions or situations for the corresponding operation (step). For example, when it is described that a predetermined operation is performed when a predetermined condition is satisfied, the video encoding device or video decoding device performs an operation to check whether the predetermined condition is satisfied and then performs the predetermined operation. It can be done.
  • Embodiments described in this disclosure may be implemented and performed on a processor, microprocessor, controller, or chip.
  • the functional units shown in each drawing may be implemented and performed on a computer, processor, microprocessor, controller, or chip.
  • information for implementation (e.g., information on instructions) or algorithm may be stored in a digital storage medium.
  • decoders (decoding devices) and encoders (encoding devices) to which the embodiment(s) of the present disclosure are applied include multimedia broadcasting transmission and reception devices, mobile communication terminals, home cinema video devices, digital cinema video devices, surveillance cameras, and video chat devices.
  • Devices real-time communication devices such as video communication, mobile streaming devices, storage media, camcorders, video on demand (VoD) service provision devices, OTT video (Over the top video) devices, Internet streaming service provision devices, three-dimensional (3D) video devices, VR (virtual reality) devices, AR (argumente reality) devices, video phone video devices, transportation terminals (ex. vehicle (including self-driving vehicle) terminals, robot terminals, airplane terminals, ship terminals, etc.), and medical video devices.
  • VoD video on demand
  • OTT video Over the top video
  • Internet streaming service provision devices three-dimensional (3D) video devices
  • VR (virtual reality) devices AR (argumente reality) devices
  • video phone video devices transportation terminals (ex. vehicle (including self
  • OTT video (Over the top video) devices may include game consoles, Blu-ray players, Internet-connected TVs, home theater systems, smartphones, tablet PCs, and DVRs (Digital Video Recorders).
  • the processing method to which the embodiment(s) of the present disclosure is applied may be produced in the form of a program executed by a computer and stored in a computer-readable recording medium.
  • Multimedia data having a data structure according to the embodiment(s) of this document may also be stored in a computer-readable recording medium.
  • Computer-readable recording media include all types of storage devices and distributed storage devices that store computer-readable data.
  • Computer-readable recording media include, for example, Blu-ray Disc (BD), Universal Serial Bus (USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, magnetic tape, floppy disk, and optical data. May include a storage device.
  • computer-readable recording media include media implemented in the form of carrier waves (eg, transmitted via the Internet).
  • the bitstream generated by the encoding method may be stored in a computer-readable recording medium or transmitted through a wired or wireless communication network.
  • embodiment(s) of the present disclosure may be implemented as a computer program product by program code, and the program code may be executed on a computer by the embodiment(s) of the present disclosure.
  • the program code may be stored on a carrier readable by a computer.
  • FIG. 14 is a diagram illustrating an example of a content streaming system to which embodiments of the present disclosure can be applied.
  • a content streaming system to which an embodiment of the present disclosure is applied may broadly include an encoding server, a streaming server, a web server, a media storage, a user device, and a multimedia input device.
  • the encoding server compresses content input from multimedia input devices such as smartphones, cameras, camcorders, etc. into digital data, creates a bitstream, and transmits it to the streaming server.
  • multimedia input devices such as smartphones, cameras, camcorders, etc. directly generate bitstreams
  • the encoding server may be omitted.
  • the bitstream may be generated by an image encoding method and/or an image encoding device to which an embodiment of the present disclosure is applied, and the streaming server may temporarily store the bitstream in the process of transmitting or receiving the bitstream.
  • a streaming server transmits multimedia data to a user device based on a user request through a web server, and the web server can serve as a medium to inform the user of what services are available.
  • the web server delivers it to the streaming server, and the streaming server can transmit multimedia data to the user.
  • the content streaming system may include a separate control server, and in this case, the control server may play the role of controlling commands/responses between each device in the content streaming system.
  • a streaming server may receive content from a media repository and/or encoding server. For example, when receiving content from an encoding server, the content can be received in real time. In this case, in order to provide a smooth streaming service, the streaming server can store the bitstream for a certain period of time.
  • Examples of user devices include mobile phones, smart phones, laptop computers, digital broadcasting terminals, PDAs (personal digital assistants), PMPs (portable multimedia players), navigation, slate PCs, and tablets.
  • PC tablet PC
  • ultrabook wearable device (e.g. smartwatch, smart glass, HMD (head mounted display)), digital TV, desktop computer , digital signage, etc.
  • Each server in the content streaming system can be operated as a distributed server, in which case the data received from each server can be distributed and processed.
  • FIG. 15 is a diagram illustrating another example of a content streaming system to which embodiments of the present disclosure can be applied.
  • the task may be performed on the user terminal or an external device (e.g., streaming server, analysis server, etc.) depending on device performance, user request, characteristics of the task to be performed, etc. You can also perform tasks in .
  • the user terminal directly or sends an encoding server to a bitstream containing information necessary for task performance (e.g., information such as task, neural network, and/or purpose). It can be created through
  • the analysis server may decode the encoded information received from the user terminal (or from the encoding server) and then perform the task requested by the user terminal.
  • the analysis server can transmit the results obtained through task performance back to the user terminal or to another linked service server (e.g., web server).
  • the analysis server may perform a task to determine a fire and transmit the results obtained to the firefighting-related server.
  • the analysis server may include a separate control server, and in this case, the control server may serve to control commands/responses between the server and each device associated with the analysis server. Additionally, the analysis server may request desired information from the web server based on information on the tasks the user device wants to perform and the tasks it can perform.
  • the web server When the analysis server requests a desired service from the web server, the web server transmits it to the analysis server, and the analysis server can transmit data about it to the user terminal.
  • the control server of the content streaming system may play the role of controlling commands/responses between each device in the streaming system.
  • Embodiments according to the present disclosure can be used to encode/decode features/feature maps.

Abstract

피쳐 부호화/복호화 방법, 장치 및 상기 피쳐 부호화 방법에 의해 생성된 컴퓨터 판독가능한 기록 매체가 제공된다. 본 개시에 따른 피쳐 복호화 방법은, 피쳐 복호화 장치에 의해 수행되는 피쳐 복호화 방법으로서, 복원된 주변 샘플들에 기반하여 예측 모델을 학습시키는 단계; 상기 학습된 예측 모델을 이용하여 현재 블록을 예측하는 단계; 및 상기 현재 블록의 잔차 정보와 상기 예측된 현재 블록에 기반하여 상기 현재 블록을 복원하는 단계를 포함하는, 피쳐 복호화 방법일 수 있다.

Description

예측 모델의 학습에 기반한 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
본 개시는 피쳐 부호화/복호화 방법 및 장치에 관한 것으로서, 보다 상세하게는, 예측 모델의 학습에 기반한 피쳐 부호화/복호화 방법, 장치 및 본 개시의 피쳐 부호화 방법/장치에 의해 생성된 비트스트림을 저장한 기록 매체에 관한 것이다.
머신 러닝 기술의 발전과 함께 영상 처리 기반의 인공지능 서비스에 대한 수요가 증가하고 있다. 인공지능 서비스에서 요구되는 방대한 양의 영상 데이터를 한정된 리소스 내에서 효과적으로 처리하기 위해서는, 머신 태스크 수행에 최적화된 영상 압축 기술이 필수적이다. 하지만, 기존의 영상 압축 기술은 휴먼 비전을 위한 고해상도, 고품질의 영상 처리를 목표로 발전해 왔는 바, 인공지능 서비스에는 부적합하다는 문제가 있다. 이에 따라, 인공지능 서비스에 적합한 머신 지향의 새로운 영상 압축 기술에 대한 연구 개발이 활발히 진행되고 있다.
본 개시는 부호화/복호화 효율이 향상된 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 예측 모델을 학습시켜 이를 예측에 이용하는 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 학습이 완료된 예측 모델들의 리스트를 구성하고 리스트 내 예측 모델들 중에서 하나를 예측에 이용하거나 학습을 위한 초기 값으로 이용하는 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 피쳐 부호화 방법 또는 장치에 의해 생성된 비트스트림을 전송하는 방법을 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 피쳐 부호화 방법 또는 장치에 의해 생성된 비트스트림을 저장한 기록 매체를 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 피쳐 복호화 장치에 의해 수신되고 복호화되어 피쳐의 복원에 이용되는 비트스트림을 저장한 기록 매체를 제공하는 것을 목적으로 한다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 양상에 따른 피쳐 복호화 방법은, 피쳐 복호화 장치에 의해 수행되는 피쳐 복호화 방법으로서, 복원된 주변 샘플들에 기반하여 예측 모델을 학습시키는 단계; 상기 학습된 예측 모델을 이용하여 현재 블록을 예측하는 단계; 및 상기 현재 블록의 잔차 정보와 상기 예측된 현재 블록에 기반하여 상기 현재 블록을 복원하는 단계를 포함하는, 피쳐 복호화 방법일 수 있다.
본 개시의 또 다른 양상에 따른 피쳐 부호화 방법은, 피쳐 부호화 장치에 의해 수행되는 피쳐 부호화 방법으로서, 복원된 주변 샘플들에 기반하여 예측 모델을 학습시키는 단계; 상기 학습된 예측 모델을 이용하여 현재 블록을 예측하는 단계; 및 상기 현재 블록과 상기 예측된 현재 블록에 기반하여 유도되는 잔차 정보를 부호화하는 단계를 포함하는, 피쳐 부호화 방법일 수 있다.
본 개시의 또 다른 양상에 따른 기록 매체는, 본 개시의 피쳐 부호화 방법 또는 피쳐 부호화 장치에 의해 생성된 비트스트림을 저장할 수 있다.
본 개시의 또 다른 양상에 따른 비트스트림 전송 방법은, 본 개시의 피쳐 부호화 방법 또는 피쳐 부호화 장치에 의해 생성된 비트스트림을 피쳐 복호화 장치로 전송할 수 있다.
본 개시에 대하여 위에서 간략하게 요약된 특징들은 후술하는 본 개시의 상세한 설명의 예시적인 양상일 뿐이며, 본 개시의 범위를 제한하는 것은 아니다.
본 개시에 따르면, 부호화/복호화 효율이 향상된 피쳐 정보 부호화/복호화 방법 및 장치가 제공될 수 있다.
또한, 본 개시에 따르면, 예측에 이용될 수 있는 예측 모델의 수를 학습을 통해 실질적으로 확장시킬 수 있으므로 현재 블록의 특성에 적합한 예측 모델을 적용할 수 있다.
또한, 본 개시에 따르면, 가변적 예측 모델에 비해 비트스트림의 비트량이 절감될 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 실시예들이 적용될 수 있는 VCM 시스템을 개략적으로 나타낸 도면이다.
도 2는 본 개시의 실시예들이 적용될 수 있는 VCM 파이프라인 구조를 개략적으로 나타낸 도면이다.
도 3은 본 개시의 실시예들이 적용될 수 있는 영상/비디오 인코더를 개략적으로 나타낸 도면이다.
도 4는 본 개시의 실시예들이 적용될 수 있는 영상/비디오 디코더를 개략적으로 나타낸 도면이다.
도 5는 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 부호화 절차를 개략적으로 나타낸 흐름도이다.
도 6은 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 복호화 절차를 개략적으로 나타낸 흐름도이다.
도 7은 예측 모델의 학습에 이용될 수 있는 복원된 주변 샘플들 및 현재 부호화/복호화 대상 샘플들의 일 예를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 9는 본 개시의 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 10은 본 개시의 다른 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 11은 본 개시의 다른 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 12a 및 도 12b는 본 개시의 또 다른 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 13a 및 도 13b는 본 개시의 또 다른 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 14는 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 일 예를 나타내는 도면이다.
도 15는 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 다른 예를 나타내는 도면이다.
이하에서는 첨부한 도면을 참고로 하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
본 개시의 실시예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 개시에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 개시에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 개시의 범위 내에서 일 실시예에서의 제1 구성요소는 다른 실시예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 일 실시예에서의 제2 구성요소를 다른 실시예에서 제1 구성요소라고 칭할 수도 있다.
본 개시에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시예도 본 개시의 범위에 포함된다.
본 개시에 있어서, 다양한 실시예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들을 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시예도 본 개시의 범위에 포함된다. 또한, 다양한 실시예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시예도 본 개시의 범위에 포함된다.
본 개시는 영상의 부호화 및 복호화에 관한 것으로서, 본 개시에서 사용되는 용어는, 본 개시에서 새롭게 정의되지 않는 한 본 개시가 속한 기술 분야에서 통용되는 통상의 의미를 가질 수 있다.
본 개시는 VVC(Versatile Video Coding) 표준 및/또는 VCM(Video Coding for Machines) 표준에 개시되는 방법에 적용될 수 있다. 또한, 본 개시는 EVC (essential video coding) 표준, AV1 (AOMedia Video 1) 표준, AVS2 (2nd generation of audio video coding standard) 또는 차세대 비디오/영상 코딩 표준(e.g., H.267 or H.268 등)에 개시되는 방법에 적용될 수 있다.
본 개시는 비디오/영상 코딩에 관한 다양한 실시예들을 제시하며, 다른 언급이 없는 한 상기 실시예들은 서로 조합되어 수행될 수도 있다. 본 개시에서 "비디오(video)"는 시간의 흐름에 따른 일련의 영상(image)들의 집합을 의미할 수 있다. "영상(image)"은 AI(artificial intelligence)에 의해 생성된 정보일 수 있다. AI가 일련의 태스크를 수행하는 과정에서 사용하는 입력 정보, 정보 처리 과정 중에 발생하는 정보와 출력하는 정보가 영상(image)으로 쓰일 수 있다. "픽처(picture)"는 일반적으로 특정 시간대의 하나의 영상을 나타내는 단위를 의미하며, 슬라이스(slice)/타일(tile)은 부호화에 있어서 픽처의 일부를 구성하는 부호화 단위이다. 하나의 픽처는 하나 이상의 슬라이스/타일로 구성될 수 있다. 또한, 슬라이스/타일은 하나 이상의 CTU(coding tree unit)를 포함할 수 있다. 상기 CTU는 하나 이상의 CU로 분할될 수 있다. 타일은 픽처 내의 특정 타일 행(Tile Row) 및 특정 타일 열(Tile Column) 내에 존재하는 사각 영역으로, 복수의 CTU로 구성될 수 있다. 타일 열은 CTU들의 사각 영역으로 정의될 수 있으며, 픽쳐의 높이와 동일한 높이를 가지고, 픽쳐 파라미터 셋과 같은 비트스트림 부분으로부터 시그널링 되는 신택스 요소에 의하여 명세되는 너비를 가질 수 있다. 타일 행은 CTU들의 사각 영역으로 정의될 수 있으며, 픽쳐의 너비와 동일한 너비를 가지고, 픽쳐 파라미터 셋과 같은 비트스트림 부분으로부터 시그널링 되는 신택스 요소에 의하여 명세되는 높이를 가질 수 있다. 타일 스캔은 픽쳐를 분할하는 CTU들의 소정의 연속된 순서 지정 방법이다. 여기서, CTU들은 타일 내에서 CTU 래스터 스캔(raster scan)에 따라 연속적으로 순서를 부여받을 수 있고, 픽쳐 내의 타일들은 픽쳐의 타일들의 래스터 스캔 순서에 따라 연속적으로 순서를 부여받을 수 있다. 슬라이스는 정수개의 완전한 타일들을 포함하거나, 하나의 픽쳐의 하나의 타일 내의 연속하는 정수개의 완전한 CTU 행을 포함할 수 있다. 슬라이스는 하나의 싱글 NAL 유닛에 독점적으로 포함될 수 있다. 하나의 픽처는 하나 이상의 타일 그룹으로 구성될 수 있다. 하나의 타일 그룹은 하나 이상의 타일들을 포함할 수 있다. 브릭은 픽처 내 타일 이내의 CTU행들의 사각 영역을 나타낼 수 있다. 하나의 타일은 하나 이상의 브릭(Brick)을 포함할 수 있다. 브릭은 타일 내 CTU 행들의 사각 영역을 나타낼 수 있다. 하나의 타일은 복수의 브릭으로 분할될 수 있으며, 각각의 브릭은 타일에 속한 하나 이상의 CTU행을 포함할 수 있다. 복수의 브릭으로 분할되지 않는 타일 또한 브릭으로 취급될 수 있다.
본 개시에서 "픽셀(pixel)" 또는 "펠(pel)"은 하나의 픽처(또는 영상)를 구성하는 최소의 단위를 의미할 수 있다. 또한, 픽셀에 대응하는 용어로서 "샘플(sample)"이 사용될 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 루마(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 크로마(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다.
일 실시예에서, 특히 VCM에 적용되는 경우, 픽셀/픽셀값은 다른 특성 및 의미를 갖는 성분들의 집합으로 구성된 픽쳐가 있을 때 각 성분들의 독립적 정보 혹은 조합, 합성, 분석을 통해 생성된 성분의 픽셀/픽셀값을 나타낼 수도 있다. 예를 들어 RGB 입력에서 R의 픽셀/픽셀값만을 나타낼 수도 있고 G의 픽셀/픽셀값만을 나타낼 수도 있고 B의 픽셀/픽셀값만을 나타낼 수도 있다. 예를 들어 R, G, B 성분을 이용해 합성된 루마(Luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있다. 예를 들어 R, G, B 성분을 성분에서 분석을 통해 추출한 영상, 정보의 픽셀/픽셀 값만을 나타낼 수도 있다.
본 개시에서 "유닛(unit)"은 영상 처리의 기본 단위를 나타낼 수 있다. 유닛은 픽처의 특정 영역 및 해당 영역에 관련된 정보 중 적어도 하나를 포함할 수 있다. 하나의 유닛은 하나의 루마 블록 및 두개의 크로마(e.g., Cb, Cr) 블록을 포함할 수 있다. 유닛은 경우에 따라서 "샘플 어레이", "블록(block)" 또는 "영역(area)" 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들(또는 샘플 어레이) 또는 변환 계수(transform coefficient)들의 집합(또는 어레이)을 포함할 수 있다. 일 실시예에서, 특히 VCM에 적용되는 경우, 유닛은 특정 태스크를 수행하기 위한 정보를 담고 있는 기본 단위를 나타낼 수 있다.
본 개시에서 "현재 블록"은 "현재 코딩 블록", "현재 코딩 유닛", "부호화 대상 블록", "복호화 대상 블록" 또는 "처리 대상 블록" 중 하나를 의미할 수 있다. 예측이 수행되는 경우, "현재 블록"은 "현재 예측 블록" 또는 "예측 대상 블록"을 의미할 수 있다. 변환(역변환)/양자화(역양자화)가 수행되는 경우, "현재 블록"은 "현재 변환 블록" 또는 "변환 대상 블록"을 의미할 수 있다. 필터링이 수행되는 경우, "현재 블록"은 "필터링 대상 블록"을 의미할 수 있다.
또한, 본 개시에서 "현재 블록"은 크로마 블록이라는 명시적인 기재가 없는 한 "현재 블록의 루마 블록"을 의미할 수 있다. "현재 블록의 크로마 블록"은 명시적으로 "크로마 블록" 또는 "현재 크로마 블록"과 같이 크로마 블록이라는 명시적인 기재를 포함하여 표현될 수 있다.
본 개시에서 "/"와 ","는 "및/또는"으로 해석될 수 있다. 예를 들어, "A/B"와 "A, B"는 "A 및/또는 B"로 해석될 수 있다. 또한, "A/B/C"와 "A, B, C"는 "A, B 및/또는 C 중 적어도 하나"를 의미할 수 있다.
본 개시에서 "또는"은 "및/또는"으로 해석될 수 있다. 예를 들어, "A 또는 B"는, 1) "A" 만을 의미하거나 2) "B" 만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 또는, 본 개시에서 "또는"은 "추가적으로 또는 대체적으로(additionally or alternatively)"를 의미할 수 있다.
본 개시는 VCM(Video/image coding for machines)에 관한 것이다.
VCM은 머신 비전을 목적으로 하여 소스 영상/비디오의 일부 또는 소스 영상/비디오로부터 획득된 정보를 부호화/복호화하는 압축 기술을 일컫는다. VCM에서 부호화/복호화 대상은 피쳐(feature)로 지칭될 수 있다. 피쳐는 태스크 목적, 요구사항, 주변 환경 등에 기반하여 소스 영상/비디오로부터 추출된 정보를 의미할 수 있다. 피쳐는 소스 영상/비디오와는 상이한 정보 형태를 가질 수 있으며, 이에 따라 피쳐의 압축 방법 및 표현 형식 또한 비디오 소스와는 상이할 수 있다.
VCM은 다양한 응용 분야에 적용될 수 있다. 예를 들어, 물체나 사람을 인식하고 추적하는 감시 시스템(Surveillance system)에 있어서, VCM은 객체 인식 정보를 저장하거나 전송하기 위해 이용될 수 있다. 또한, 지능형 운송(Intelligent Transportation) 또는 스마트 트래픽 시스템(Smart Traffic system)에 있어서, VCM은 GPS로부터 수집한 차량의 위치 정보, 라이다(LIDAR), 레이더(Radar) 등으로부터 수집한 센싱 정보 및 각종 차량 제어 정보를 다른 차량이나 인프라 스트럭처(infrastructure)로 전송하기 위해 이용될 수 있다. 또한, 스마트 시트(Smart city) 분야에 있어서, VCM은 상호 연결된 센서 노드 또는 장치의 개별 태스크 수행을 위해 이용될 수 있다.
본 개시는 피쳐/피쳐맵 코딩에 관한 다양한 실시예들을 제공한다. 다른 특별한 언급이 없는 한, 본 개시의 실시예들은 각각 개별적으로 구현될 수도 있고, 또는 2 이상의 조합으로 구현될 수도 있다.
VCM 시스템 개요
도 1은 본 개시의 실시예들이 적용될 수 있는 VCM 시스템을 개략적으로 나타낸 도면이다.
도 1을 참조하면, VCM 시스템은 부호화 장치(10) 및 복호화 장치(20)를 포함할 수 있다.
부호화 장치(10)는 소스 영상/비디오로부터 추출된 피쳐/피쳐맵을 압축/부호화하여 비트스트림을 생성하고, 생성된 비트스트림을 저장매체 또는 네트워크를 통해 복호화 장치(20)로 전송할 수 있다. 부호화 장치(10)는 피쳐 부호화 장치로 지칭될 수도 있다. VCM 시스템에서, 피쳐/피쳐맵은 신경망의 각 은닉층(hidden layer)에서 생성될 수 있다. 생성된 피쳐맵의 크기 및 채널수는 신경망의 종류나 은닉층의 위치에 따라 달라질 수 있다. 본 개시에서, 피쳐맵은 피쳐셋으로 지칭될 수 있으며, 피쳐 또는 피쳐맵은 '피쳐 정보'로 지칭될 수 있다.
부호화 장치(10)는 피쳐 획득부(11), 부호화부(12) 및 전송부(13)를 포함할 수 있다.
피쳐 획득부(11)는 소스 영상/비디오에 대한 피쳐/피쳐맵을 획득할 수 있다. 실시예에 따라, 피쳐 획득부(11)는 외부 장치, 예컨대 피쳐 추출 네트워크로부터 피쳐/피쳐맵을 획득할 수 있다. 이 경우, 피쳐 획득부(11)는 피쳐 수신 인터페이스 기능을 수행하게 된다. 또는, 피쳐 획득부(11)는 소스 영상/비디오를 입력으로 하여 신경망(e.g., CNN, DNN 등)을 실행함으로써 피쳐/피쳐맵을 획득할 수도 있다. 이 경우, 피쳐 획득부(11)는 피쳐 추출 네트워크 기능을 수행하게 된다.
실시예에 따라, 부호화 장치(10)는 소스 영상/비디오를 획득하기 위한 소스 영상 생성부(미도시)를 더 포함할 수 있다. 소스 영상 생성부는 이미지 센서, 카메라 모듈 등으로 구현될 수 있으며, 영상/비디오의 캡쳐, 합성 또는 생성 과정 등을 통해 소스 영상/비디오를 획득할 수 있다. 이 경우, 생성된 소스 영상/비디오는 피쳐 추출 네트워크로 전달되어, 피쳐/피쳐맵을 추출하기 위한 입력 데이터로 이용될 수 있다.
부호화부(12)는 피쳐 획득부(11)에 의해 획득된 피쳐/피쳐맵을 부호화할 수 있다. 부호화부(12)는 부호화 효율을 높이기 위해 예측, 변환, 양자화 등 일련의 절차를 수행할 수 있다. 부호화된 데이터(부호화된 피쳐/피쳐맵 정보)는 비트스트림 형태로 출력될 수 있다. 부호화된 피쳐/피쳐맵 정보를 포함하는 비트스트림은 VCM 비트스트림으로 지칭될 수 있다.
전송부(13)는 비트스트림 형태로 출력된 피쳐/피쳐맵 정보 또는 데이터를 획득할 수 있으며, 이를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통해 복호화 장치(20) 또는 다른 외부 객체로 전달할 수 있다. 여기서, 디지털 저장 매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장 매체들을 포함할 수 있다. 전송부(13)는 소정의 파일 포맷을 갖는 미디어 파일을 생성하기 위한 엘리먼트들 또는 방송/통신 네트워크를 통한 데이터 전송을 위한 엘리먼트들을 포함할 수 있다. 전송부(13)는 부호화부(12)와는 별개의 전송 장치로 구비될 수 있으며, 이 경우 전송 장치는 비트스트림 형태로 출력된 피쳐/피쳐맵 정보 또는 데이터를 획득하는 적어도 하나의 프로세서와 이를 파일 또는 스트리밍 형태로 전달하는 전송부를 포함할 수 있다.
복호화 장치(20)는 부호화 장치(10)로부터 피쳐/피쳐맵 정보를 획득하고, 획득된 정보에 기반하여 피쳐/피쳐맵을 복원할 수 있다.
복호화 장치(20)는 수신부(21) 및 복호화부(22)를 포함할 수 있다.
수신부(21)는 부호화 장치(10)로부터 비트스트림을 수신하고, 수신된 비트스트림으로부터 피쳐/피쳐맵 정보를 획득하여 복호화부(22)로 전달할 수 있다.
복호화부(22)는 획득된 피쳐/피쳐맵 정보에 기반하여 피쳐/피쳐맵을 복호화할 수 있다. 복호화부(22)는 복호화 효율을 높이기 위해 부호화부(14)의 동작에 대응하는 역양자화, 역변환, 예측 등 일련의 절차를 수행할 수 있다.
실시예에 따라, 복호화 장치(20)는 태스크 분석/렌더링부(23)를 더 포함할 수 있다.
태스크 분석/렌더링부(23)는 복호화된 피쳐/피쳐맵에 기반하여 태스크 분석을 수행할 수 있다. 또한, 태스크 분석/렌더링부(23)는 복호화된 피쳐/피쳐맵을 태스크 수행에 적합한 형태로 렌더링(rendering)할 수 있다. 태스크 분석 결과 및 렌더링된 피쳐/피쳐맵에 기반하여 다양한 머신 (지향형) 태스크가 수행될 수 있다.
이상, VCM 시스템은 사용자 및/또는 머신의 요청, 태스크 목적 및 주변 환경에 따라 소스 영상/비디오로부터 추출된 피쳐를 부호화/복호화하고, 복호화된 피쳐에 기반하여 다양한 머신 (지향형) 태스크들을 수행할 수 있다. VCM 시스템은 비디오/영상 코딩 시스템을 확장/재설계함으로써 구현될 수도 있으며, VCM 표준에서 정의되는 다양한 부호화/복호화 방법들을 수행할 수 있다.
VCM 파이프라인
도 2는 본 개시의 실시예들이 적용될 수 있는 VCM 파이프라인 구조를 개략적으로 나타낸 도면이다.
도 2를 참조하면, VCM 파이프라인(200)은 영상/비디오의 부호화/복호화를 위한 제1 파이프라인(210) 및 피쳐/피쳐맵의 부호화/복호화를 위한 제2 파이프라인(220)을 포함할 수 있다. 본 개시에서, 제1 파이프라인(210)은 비디오 코덱 파이프라인으로 지칭될 수 있고, 제2 파이프라인(220)은 피쳐 코덱 파이프라인으로 지칭될 수 있다.
제1 파이프라인(210)은 입력된 영상/비디오를 부호화하는 제1 스테이지(211) 및 부호화된 영상/비디오를 복호화하여 복원된 영상/비디오를 생성하는 제2 스테이지(212)를 포함할 수 있다. 복원된 영상/비디오는 사람의 시청용, 즉 휴먼 비전을 위해 이용될 수 있다.
제2 파이프라인(220)은 입력된 영상/비디오로부터 피쳐/피쳐맵을 추출하는 제3 스테이지(221), 추출된 피쳐/피쳐맵을 부호화하는 제4 스테이지(222), 및 부호화된 피쳐/피쳐맵을 복호화하여 복원된 피쳐/피쳐맵을 생성하는 제5 스테이지(223)를 포함할 수 있다. 복원된 피쳐/피쳐맵은 머신 (비전) 태스크를 위해 이용될 수 있다. 여기서, 머신 (비전) 태스크란 머신에 의해 영상/비디오가 소비되는 형태의 태스크를 의미할 수 있다. 머신 (비전) 태스크는, 예컨대, 감시(Surveillance), 지능형 교통(Intelligent Transportation), 스마트 시티(Smart City), 지능형 산업(Intelligent Industry), 지능형 컨텐츠(Intelligent Content) 등과 같은 서비스 시나리오에 적용될 수 있다. 실시예에 따라, 복원된 피쳐/피쳐맵은 휴먼 비전을 위해 이용될 수도 있다.
실시예에 따라, 제4 스테이지(222)에서 부호화된 피쳐/피쳐맵은 제1 스테이지(221)로 전달되어 영상/비디오를 부호화하는 데 이용될 수 있다. 이 경우, 부호화된 피쳐/피쳐맵에 기반하여 부가 비트스트림이 생성될 수 있으며, 생성된 부가 비트스트림은 제2 스테이지(222)로 전달되어 영상/비디오를 복호화하는 데 이용될 수 있다.
실시예에 따라, 제5 스테이지(223)에서 복호화된 피쳐/피쳐맵은 제2 스테이지(222)로 전달되어 영상/비디오를 복호화하는 데 이용될 수 있다.
도 2에서는 VCM 파이프라인(200)이 제1 파이프라인(210) 및 제2 파이프라인(220)을 포함하는 경우를 도시하나, 이는 예시적인 것일 뿐 본 개시의 실시예들이 이에 제한되는 것은 아니다. 예를 들어, VCM 파이프라인(200)은 제2 파이프라인(220)만을 포함할 수도 있고, 또는 제2 파이프라인(220)이 복수의 피쳐 코덱 파이프라인들로 확장될 수도 있다.
한편, 제1 파이프라인(210)에서, 제1 스테이지(211)는 영상/비디오 인코더에 의해 수행되고, 제2 스테이지(212)는 영상/비디오 디코더에 의해 수행될 수 있다. 또한, 제2 파이프라인(220)에서, 제3 스테이지(221)는 VCM 인코더(또는, 피쳐/피쳐맵 인코더)에 의해 수행되고, 제4 스테이지(222)는 VCM 디코더(또는, 피쳐/피쳐맵 디코더)에 의해 수행될 수 있다. 이하, 인코더/디코더 구조를 상세히 설명한다.
인코더(Encoder)
도 3은 본 개시의 실시예들이 적용될 수 있는 영상/비디오 인코더를 개략적으로 나타낸 도면이다.
도 3을 참조하면, 영상/비디오 인코더(300)는 영상 분할부(image partitioner, 310), 예측부(predictor, 320), 레지듀얼 처리부(residual processor, 330), 엔트로피 인코딩부(entropy encoder, 340), 가산부(adder, 350), 필터링부(filter, 360), 및 메모리(memory, 370)를 포함할 수 있다. 예측부(320)는 인터 예측부(321) 및 인트라 예측부(322)를 포함할 수 있다. 레지듀얼 처리부(330)는 변환부(transformer, 332), 양자화부(quantizer, 333), 역양자화부(dequantizer, 334) 및 역변환부(inverse transformer, 335)를 포함할 수 있다. 레지듀얼 처리부(330)은 감산부(subtractor, 331)를 더 포함할 수 있다. 가산부(350)는 복원부(reconstructor) 또는 복원 블록 생성부(recontructged block generator)로 지칭될 수 있다. 상술한 영상 분할부(310), 예측부(320), 레지듀얼 처리부(330), 엔트로피 인코딩부(340), 가산부(350) 및 필터링부(360)는 실시예에 따라 하나 이상의 하드웨어 컴포넌트(예컨대, 인코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한, 메모리(370)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의해 구성될 수도 있다. 상술한 하드웨어 컴포넌트는 메모리(370)를 내/외부 컴포넌트로 더 포함할 수도 있다.
영상 분할부(310)는 영상/비디오 인코더(300)에 입력된 입력 영상(또는, 픽처, 프레임)을 하나 이상의 프로세싱 유닛(processing unit)으로 분할할 수 있다. 일 예로, 프로세싱 유닛은 코딩 유닛(coding unit, CU)으로 지칭될 수도 있다. 코딩 유닛은 코딩 트리 유닛(coding tree unit, CTU) 또는 최대 코딩 유닛(largest coding unit, LCU)으로부터 QTBTTT(Quad-tree binary-tree ternary-tree) 구조에 따라 재귀적으로(recursively) 분할될 수 있다. 예를 들어, 하나의 코딩 유닛은 쿼드 트리 구조, 바이너리 트리 구조, 및/또는 터너리 구조를 기반으로 하위(deeper) 뎁스의 복수의 코딩 유닛들로 분할될 수 있다. 이 경우, 예를 들어 쿼드 트리 구조가 먼저 적용되고 바이너리 트리 구조 및/또는 터너리 구조가 나중에 적용될 수 있다. 또는, 바이너리 트리 구조가 먼저 적용될 수도 있다. 더 이상 분할되지 않는 최종 코딩 유닛을 기반으로 본 개시에 따른 영상/비디오 코딩 절차가 수행될 수 있다. 이 경우, 영상 특성에 따른 코딩 효율 등을 기반으로 최대 코딩 유닛이 바로 최종 코딩 유닛으로 사용될 수도 있고, 또는 필요에 따라 코딩 유닛은 재귀적으로(recursively) 보다 하위 뎁스의 코딩 유닛들로 분할되어 최적의 사이즈의 코딩 유닛이 최종 코딩 유닛으로 사용될 수도 있다. 여기서, 코딩 절차라 함은 후술하는 예측, 변환, 및 복원 등의 절차를 포함할 수 있다. 다른 예로, 프로세싱 유닛은 예측 유닛(PU: Prediction Unit) 또는 변환 유닛(TU: Transform Unit)을 더 포함할 수 있다. 이 경우, 예측 유닛 및 변환 유닛은 각각 상술한 최종 코딩 유닛으로부터 분할 또는 파티셔닝될 수 있다. 예측 유닛은 샘플 예측의 단위일 수 있고, 변환 유닛은 변환 계수를 유도하는 단위 및/또는 변환 계수로부터 레지듀얼 신호(residual signal)를 유도하는 단위일 수 있다.
유닛은 경우에 따라 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들 또는 변환 계수들(transform coefficients)의 집합을 나타낼 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 휘도(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 채도(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다. 샘플은 픽셀(pixel) 또는 펠(pel)에 대응하는 용어로서 사용될 수 있다.
영상/비디오 인코더(300)는 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 인터 예측부(321) 또는 인트라 예측부(322)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)를 감산하여 레지듀얼 신호(residual signal, 잔여 블록, 잔여 샘플 어레이)를 생성할 수 있고, 생성된 레지듀얼 신호는 변환부(332)로 전송된다. 이 경우, 도시된 바와 같이 영상/비디오 인코더(300) 내에서 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 예측 신호(예측 블록, 예측 샘플 어레이)를 감산하는 유닛은 감산부(331)라고 지칭될 수 있다. 예측부는 처리 대상 블록(이하, 현재 블록이라 함)에 대한 예측을 수행하고, 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 현재 블록 또는 CU 단위로 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지를 결정할 수 있다. 예측부는 예측 모드 정보 등 예측에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(340)로 전달할 수 있다. 예측에 관한 정보는 엔트로피 인코딩부(340)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
인트라 예측부(322)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 이 때, 참조되는 샘플들은 예측 모드에 따라 현재 블록의 주변(neighbor)에 위치할 수도 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 비방향성 모드는, 예를 들어 DC 모드 및 플래너 모드(Planar 모드)를 포함할 수 있다. 방향성 모드는 예측 방향의 세밀한 정도에 따라, 예를 들어 33개의 방향성 예측 모드 또는 65개의 방향성 예측 모드를 포함할 수 있다. 다만 이는 예시로서, 설정에 따라 그 이상 또는 그 이하의 개수의 방향성 예측 모드들이 사용될 수 있다. 인트라 예측부(322)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(321)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이 때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 참조 블록을 포함하는 참조 픽처와 시간적 주변 블록을 포함하는 참조 픽처는 동일할 수도 있고, 다를 수도 있다. 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block), 동일 위치 CU(colCU) 등으로 지칭될 수 있으며, 시간적 주변 블록을 포함하는 참조 픽처는 동일 위치 픽처(collocated picture, colPic)로 지칭될 수도 있다. 예를 들어, 인터 예측부(321)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(321)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)을 시그널링함으로써 현재 블록의 움직임 벡터를 지시할 수 있다.
예측부(320)는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수도 있다. 이를 combined inter and intra prediction (CIIP)라고 부를 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 개시에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보를 기반으로 픽처 내 샘플 값을 시그널링할 수 있다.
예측부(320)에 의해 생성된 예측 신호는 복원 신호를 생성하기 위해 이용되거나 레지듀얼 신호를 생성하기 위해 이용될 수 있다. 변환부(332)는 레지듀얼 신호에 변환 기법을 적용하여 변환 계수들(transform coefficients)을 생성할 수 있다. 예를 들어, 변환 기법은 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform), KLT(Karhunen-Loeve Transform), GBT(Graph-Based Transform), 또는 CNT(Conditionally Non-linear Transform) 중 적어도 하나를 포함할 수 있다. 여기서, GBT는 픽셀 간의 관계 정보를 그래프로 표현한다고 할 때 이 그래프로부터 얻어진 변환을 의미한다. CNT는 이전에 복원된 모든 픽셀들(all previously reconstructed pixels)을 이용하여 예측 신호를 생성하고 그에 기초하여 획득되는 변환을 의미한다. 또한, 변환 과정은 정사각형의 동일한 크기를 갖는 픽셀 블록에 적용될 수도 있고, 정사각형이 아닌 가변 크기의 블록에도 적용될 수 있다.
양자화부(333)는 변환 계수들을 양자화하여 엔트로피 인코딩부(340)로 전송하고, 엔트로피 인코딩부(340)는 양자화된 신호(양자화된 변환 계수들에 관한 정보)를 인코딩하여 비트스트림으로 출력할 수 있다. 양자화된 변환 계수들에 관한 정보는 레지듀얼 정보라고 불릴 수 있다. 양자화부(333)는 계수 스캔 순서(scan order)를 기반으로 블록 형태의 양자화된 변환 계수들을 1차원 벡터 형태로 재정렬할 수 있고, 1차원 벡터 형태의 양자화된 변환 계수들을 기반으로 양자화된 변환 계수들에 관한 정보를 생성할 수도 있다. 엔트로피 인코딩부(340)는, 예를 들어 지수 골롬(exponential Golomb), CAVLC(context-adaptive variable length coding), CABAC(context-adaptive binary arithmetic coding) 등과 같은 다양한 인코딩 방법을 수행할 수 있다. 엔트로피 인코딩부(340)는 양자화된 변환 계수들 외 영상/비디오 복원에 필요한 정보들(e.g., 신택스 요소들(syntax elements)의 값 등)을 함께 또는 별도로 인코딩할 수도 있다. 인코딩된 정보(e.g., 인코딩된 영상/비디오 정보)는 비트스트림 형태로 NAL(network abstraction layer) 유닛 단위로 전송 또는 저장될 수 있다. 영상/비디오 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한, 영상/비디오 정보는 일반 제한 정보(general constraint information)를 더 포함할 수 있다. 또한, 영상/비디오 정보는 부호화된 정보의 생성 방법 및 사용 방법, 목적 등을 더 포함할 수 있다. 본 개시에서 영상/비디오 인코더에서 영상/비디오 디코더로 전달/시그널링되는 정보 및/또는 신택스 요소들은 영상/비디오 정보에 포함될 수 있다. 영상/비디오 정보는 상술한 인코딩 절차를 통하여 인코딩되어 비트스트림에 포함될 수 있다. 비트스트림은 네트워크를 통하여 전송될 수 있고, 또는 디지털 저장매체에 저장될 수 있다. 여기서, 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다. 엔트로피 인코딩부(340)로부터 출력된 신호를 전송하는 전송부(미도시) 및/또는 저장하는 저장부(미도시)가 영상/비디오 인코더(300)의 내/외부 엘리먼트로서 구성될 수 있고, 또는 전송부는 엔트로피 인코딩부(340)에 포함될 수도 있다.
양자화부(333)로부터 출력된 양자화된 변환 계수들은 예측 신호를 생성하기 위해 이용될 수 있다. 예를 들어, 양자화된 변환 계수들에 역양자화부(334) 및 역변환부(335)를 통해 역양자화 및 역변환을 적용함으로써 레지듀얼 신호(레지듀얼 블록 or 레지듀얼 샘플들)를 복원할 수 있다. 가산부(350)는 복원된 레지듀얼 신호를 인터 예측부(321) 또는 인트라 예측부(322)로부터 출력된 예측 신호에 더함으로써 복원(reconstructed) 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)가 생성될 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다. 가산부(350)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편 픽처 인코딩 및/또는 복원 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(360)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어, 필터링부(360)은 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 수정된 복원 픽처를 메모리(370), 구체적으로 메모리(370)의 DPB에 저장할 수 있다. 다양한 필터링 방법은, 예를 들어 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다. 필터링부(360)은 필터링에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(340)로 전달할 수 있다. 필터링 관한 정보는 엔트로피 인코딩부(340)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
메모리(370)에 전송된 수정된 복원 픽처는 인터 예측부(321)에서 참조 픽처로 사용될 수 있다. 이를 통해, 인코더단 및 디코더단에서의 예측 미스매치를 피할 수 있고, 부호화 효율도 향상시킬 수 있다.
메모리(370)의 DPB는 수정된 복원 픽처를 인터 예측부(321)에서의 참조 픽처로 사용하기 위해 저장할 수 있다. 메모리(370)는 현재 픽처 내 움직임 정보가 도출된(또는, 인코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(321)에 전달될 수 있다. 메모리(370)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 저장된 복원 샘플들을 인트라 예측부(322)에 전달할 수 있다.
한편, VCM 인코더(또는, 피쳐/피쳐맵 인코더)는, 피쳐/피쳐맵을 인코딩하기 위하여 예측, 변환, 양자화 등 일련의 절차를 수행한다는 점에서, 기본적으로 도 3을 참조하여 설명한 영상/비디오 인코더(300)와 동일/유사한 구조를 가질 수 있다. 다만, VCM 인코더는 피쳐/피쳐맵을 부호화 대상으로 한다는 점에서 영상/비디오 인코더(300)와는 차이가 있으며, 이에 따라 각 유닛(또는, 구성요소)의 명칭(e.g., 영상 분할부(310) 등)과 그 구체적 동작 내용에 있어서 영상/비디오 인코더(300)와는 상이할 수 있다. VCM 인코더의 구체적 동작 내용에 대해서는 상세히 후술하기로 한다.
디코더(Decoder)
도 4는 본 개시의 실시예들이 적용될 수 있는 영상/비디오 디코더를 개략적으로 나타낸 도면이다.
도 4를 참조하면, 영상/비디오 디코더(400)는 엔트로피 디코딩부(entropy decoder, 410), 레지듀얼 처리부(residual processor, 420), 예측부(predictor, 430), 가산부(adder, 440), 필터링부(filter, 450) 및 메모리(memoery, 460)를 포함할 수 있다. 예측부(430)는 인터 예측부(431) 및 인트라 예측부(432)를 포함할 수 있다. 레지듀얼 처리부(420)는 역양자화부(dequantizer, 421) 및 역변환부(inverse transformer, 422)를 포함할 수 있다. 상술한 엔트로피 디코딩부(410), 레지듀얼 처리부(420), 예측부(430), 가산부(440) 및 필터링부(450)는 실시예에 따라 하나의 하드웨어 컴포넌트(예컨대, 디코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한 메모리(460)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구성될 수도 있다. 하드웨어 컴포넌트는 메모리(460)을 내/외부 컴포넌트로 더 포함할 수도 있다.
비디오/영상 정보를 포함하는 비트스트림이 입력되면, 영상/비디오 디코더(400)는 도 3의 영상/비디오 인코더(300)에서 영상/비디오 정보가 처리된 프로세스에 대응하여 영상/비디오를 복원할 수 있다. 예를 들어, 영상/비디오 디코더(400)는 비트스트림으로부터 획득한 블록 분할 관련 정보를 기반으로 유닛들/블록들을 도출할 수 있다. 영상/비디오 디코더(400)는 영상/비디오 인코더에서 적용된 프로세싱 유닛을 이용하여 디코딩을 수행할 수 있다. 따라서, 디코딩의 프로세싱 유닛은, 예컨대 코딩 유닛일 수 있고, 코딩 유닛은 코딩 트리 유닛 또는 최대 코딩 유닛으로부터 쿼드 트리 구조, 바이너리 트리 구조 및/또는 터너리 트리 구조를 따라서 분할될 수 있다. 코딩 유닛으로부터 하나 이상의 변환 유닛이 도출될 수 있다. 그리고, 영상/비디오 디코더(400)를 통해 디코딩 및 출력된 복원 영상 신호는 재생 장치를 통해 재생될 수 있다.
영상/비디오 디코더(400)는 도 3의 인코더로부터 출력된 신호를 비트스트림 형태로 수신할 수 있고, 수신된 신호는 엔트로피 디코딩부(410)를 통해 디코딩될 수 있다. 예를 들어, 엔트로피 디코딩부(410)는 비트스트림을 파싱하여 영상 복원(또는, 픽처 복원)에 필요한 정보(e.g., 영상/비디오 정보)를 도출할 수 있다. 영상/비디오 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한, 영상/비디오 정보는 일반 제한 정보(general constraint information)을 더 포함할 수 있다. 또한, 영상/비디오 정보는 복호화된 정보의 생성 방법 및 사용 방법, 목적 등을 포함할 수 있다. 영상/비디오 디코더(400)는 파라미터 세트에 관한 정보 및/또는 일반 제한 정보를 더 기반으로 픽처를 디코딩할 수 있다. 시그널링/수신되는 정보 및/또는 신택스 요소들은 디코딩 절차를 통하여 디코딩되어 비트스트림으로부터 획득될 수 있다. 예를 들어, 엔트로피 디코딩부(410)는 지수 골롬 부호화, CAVLC 또는 CABAC 등의 코딩 방법을 기초로 비트스트림 내 정보를 디코딩하고, 영상 복원에 필요한 신택스 요소들의 값들, 레지듀얼에 관한 변환 계수의 양자화된 값들을 출력할 수 있다. 보다 상세하게, CABAC 엔트로피 디코딩 방법은, 비트스트림에서 각 구문 요소에 해당하는 빈(bin)을 수신하고, 디코딩 대상 구문 요소 정보와 주변 및 디코딩 대상 블록의 디코딩 정보 혹은 이전 단계에서 디코딩된 심볼/빈의 정보를 이용하여 문맥(context) 모델을 결정하고, 결정된 문맥 모델에 따라 빈의 발생 확률을 예측하여 빈의 산술 디코딩(arithmetic decoding)를 수행하여 각 신택스 요소의 값에 해당하는 심볼을 생성할 수 있다. 이 때, CABAC 엔트로피 디코딩 방법은 문맥 모델 결정 후 다음 심볼/빈의 문맥 모델을 위해 디코딩된 심볼/빈의 정보를 이용하여 문맥 모델을 업데이트할 수 있다. 엔트로피 디코딩부(410)에서 디코딩된 정보 중 예측에 관한 정보는 예측부(인터 예측부(432) 및 인트라 예측부(431))로 제공되고, 엔트로피 디코딩부(410)에서 엔트로피 디코딩이 수행된 레지듀얼 값, 즉 양자화된 변환 계수들 및 관련 파라미터 정보는 레지듀얼 처리부(420)로 입력될 수 있다. 레지듀얼 처리부(420)는 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플들, 레지듀얼 샘플 어레이)를 도출할 수 있다. 또한, 엔트로피 디코딩부(410)에서 디코딩된 정보 중 필터링에 관한 정보는 필터링부(450)로 제공될 수 있다. 한편, 영상/비디오 인코더로부터 출력된 신호를 수신하는 수신부(미도시)가 영상/비디오 디코더(400)의 내/외부 엘리먼트로서 더 구성될 수 있고, 또는 수신부는 엔트로피 디코딩부(410)의 구성요소일 수도 있다. 한편, 본 개시에 따른 영상/비디오 디코더는 영상/비디오 디코딩 장치라고 불릴 수 있고, 영상/비디오 디코더는 정보 디코더(영상/비디오 정보 디코더) 및 샘플 디코더(영상/비디오 샘플 디코더)로 구분될 수도 있다. 이 경우, 정보 디코더는 엔트로피 디코딩부(410)를 포함할 수 있고, 샘플 디코더는 역양자화부(321), 역변환부(322), 가산부(440), 필터링부(450), 메모리(460), 인터 예측부(432) 및 인트라 예측부(431) 중 적어도 하나를 포함할 수 있다.
역양자화부(421)에서는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 출력할 수 있다. 역양자화부(421)는 양자화된 변환 계수들을 2차원의 블록 형태로 재정렬할 수 있다. 이 경우, 재정렬은 영상/비디오 인코더에서 수행된 계수 스캔 순서를 기반하여 재정렬을 수행할 수 있다. 역양자화부(321)는 양자화 파라미터(e.g., 양자화 스텝 사이즈 정보)를 이용하여 양자화된 변환 계수들에 대한 역양자화를 수행하고, 변환 계수들(transform coefficients)을 획득할 수 있다.
역변환부(422)에서는 변환 계수들을 역변환하여 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플 어레이)를 획득하게 된다.
예측부(430)는 현재 블록에 대한 예측을 수행하고, 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 엔트로피 디코딩부(410)로부터 출력된 예측에 관한 정보를 기반으로 현재 블록에 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있고, 구체적인 인트라/인터 예측 모드를 결정할 수 있다.
예측부(420)는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 이를 combined inter and intra prediction (CIIP)라고 부를 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 문서에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보가 영상/비디오 정보에 포함되어 시그널링될 수 있다.
인트라 예측부(431)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 참조되는 샘플들은 예측 모드에 따라 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 인트라 예측부(431)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(432)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이 때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 예를 들어, 인터 예측부(432)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 수신한 후보 선택 정보를 기반으로 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예측에 관한 정보는 현재 블록에 대한 인터 예측의 모드를 지시하는 정보를 포함할 수 있다.
가산부(440)는 획득된 레지듀얼 신호를 예측부(인터 예측부(432) 및/또는 인트라 예측부(431) 포함)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)에 더함으로써 복원 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)를 생성할 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다.
가산부(440)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 출력될 수도 있고 또는 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편, 픽처 디코딩 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(450)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어, 필터링부(450)는 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 수정된 복원 픽처를 메모리(460), 구체적으로 메모리(460)의 DPB에 전송할 수 있다. 다양한 필터링 방법은, 예컨대 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다.
메모리(460)의 DPB에 저장된 (수정된) 복원 픽처는 인터 예측부(432)에서 참조 픽처로 사용될 수 있다. 메모리(460)는 현재 픽처 내 움직임 정보가 도출된(또는 디코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(432)에 전달할 수 있다. 메모리(460)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(431)에 전달할 수 있다.
한편, VCM 디코더(또는, 피쳐/피쳐맵 디코더)는, 피쳐/피쳐맵을 디코딩하기 위하여 예측, 역변환, 역양자화 등 일련의 절차를 수행한다는 점에서, 기본적으로 도 4를 참조하여 상술한 영상/비디오 디코더(400)와 동일/유사한 구조를 가질 수 있다. 다만, VCM 디코더는 피쳐/피쳐맵을 복호화 대상으로 한다는 점에서 영상/비디오 디코더(400)와는 차이가 있으며, 이에 따라 각 유닛(또는, 구성요소)의 명칭(e.g., DPB 등)과 그 구체적 동작 내용에 있어서 영상/비디오 디코더(400)와는 상이할 수 있다. VCM 디코더의 동작은 VCM 인코더의 동작에 대응할 수 있으며, 그 구체적 동작 내용에 대해서는 상세히 후술하기로 한다.
피쳐/피쳐맵 인코딩 절차
도 5는 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 인코딩 절차를 개략적으로 나타낸 흐름도이다.
도 5를 참조하면, 피쳐/피쳐맵 인코딩 절차는 예측 절차(S510), 레지듀얼 처리 절차(S520) 및 정보 인코딩 절차(S530)를 포함할 수 있다.
예측 절차(S510)는 도 3을 참조하여 전술한 예측부(320)에 의해 수행될 수 있다.
구체적으로, 인트라 예측부(322)는 현재 피쳐/피쳐맵 내의 피쳐 엘리먼트들을 참조하여 현재 블록(즉, 현재 부호화 대상이 되는 피쳐 엘리먼트들의 집합)을 예측할 수 있다. 인트라 예측은 피쳐/피쳐맵을 구성하는 피쳐 엘리먼트들의 공간적 유사성에 기반하여 수행될 수 있다. 예를 들어, 영상/비디오 내에서 동일한 관심 영역(Region of Interest, RoI)에 포함된 피쳐 엘리먼트들은 유사한 데이터 분포 특성을 갖는 것으로 추정될 수 있다. 따라서, 인트라 예측부(322)는 현재 블록을 포함하는 관심 영역 내에서 기복원된 피쳐 엘리먼트들을 참조하여 현재 블록을 예측할 수 있다. 이 때, 참조되는 피쳐 엘리먼트들은 예측 모드에 따라 현재 블록과 인접하여 위치할 수도 있고, 또는 현재 블록과 이격하여 위치할 수도 있다. 피쳐/피쳐맵 부호화를 위한 인트라 예측 모드들은 복수의 비방향성 예측 모드들 및 복수의 방향성 예측 모드들을 포함할 수 있다. 비방향성 예측 모드들은, 예컨대 영상/비디오 인코딩 절차의 DC 모드 및 플래너 모드에 대응하는 예측 모드들을 포함할 수 있다. 또한, 방향성 모드들은, 예컨대 영상/비디오 인코딩 절차의 33개의 방향성 모드들 또는 65개의 방향성 모드들에 대응하는 예측 모드들을 포함할 수 있다. 다만 이는 예시로서, 인트라 예측 모드들의 유형 및 개수는 실시예에 따라 다양하게 설정/변경될 수 있다.
인터 예측부(321)는 참조 피쳐/피쳐맵 상에서 움직임 정보에 의해 특정되는 참조 블록(즉, 참조되는 피쳐 엘리먼트들의 집합)을 기반으로, 현재 블록을 예측할 수 있다. 인터 예측은 피쳐/피쳐맵을 구성하는 피쳐 엘리먼트들의 시간적 유사성에 기반하여 수행될 수 있다. 예를 들어, 시간적으로 연속된 피쳐들은 유사한 데이터 분포 특성을 가질 수 있다. 따라서, 인터 예측부(321)는 현재 피쳐와 시간적으로 인접한 피쳐의 기복원된 피쳐 엘리먼트들을 참조하여 현재 블록을 예측할 수 있다. 이 때, 참조되는 피쳐 엘리먼트들을 특정하기 위한 움직임 정보는 움직임 벡터 및 참조 피쳐/피쳐맵 인덱스를 포함할 수 있다. 움직임 정보는 인터 예측 방향(e.g., L0 예측, L1 예측, Bi 예측 등)에 관한 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 피쳐/피쳐맵 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 피쳐/피쳐맵 내에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 참조 블록을 포함하는 참조 피쳐/피쳐맵과 시간적 주변 블록을 포함하는 참조 피쳐/피쳐맵은 동일할 수도 있고, 다를 수도 있다. 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block) 등으로 지칭될 수 있으며, 시간적 주변 블록을 포함하는 참조 피쳐/피쳐맵은 동일 위치 피쳐/피쳐맵(collocated feature/feature map)으로 지칭될 수도 있다. 인터 예측부(321)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 현재 블록의 움직임 벡터 및/또는 참조 피쳐/피쳐맵 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드들을 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(321)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)을 시그널링함으로써 현재 블록의 움직임 벡터를 지시할 수 있다. 예측부(320)는 상술한 인트라 예측 및 인터 예측 이외에도 다양한 예측 방법에 기반하여 예측 신호를 생성할 수 있다.
예측부(320)에 의해 생성된 예측 신호는 레지듀얼 신호(레지듀얼 블록, 레지듀얼 피쳐 엘리먼트들)을 생성하기 위해 이용될 수 있다(S520). 레지듀얼 처리 절차(S520)는 도 3을 참조하여 전술한 레지듀얼 처리부(330)에 의해 수행될 수 있다. 그리고, 레지듀얼 신호에 대한 변환 및/또는 양자화 절차를 통해 (양자화된) 변환 계수들이 생성될 수 있으며, 엔트로피 인코딩부(340)는 (양자화된) 변환 계수들에 관한 정보를 레지듀얼 정보로서 비트스트림 내에 인코딩할 수 있다(S530). 또한, 엔트로피 인코딩부(340)는 레지듀얼 정보 외에 피쳐/피쳐맵 복원에 필요한 정보, 예컨대 예측 정보(e.g., 예측 모드 정보, 움직임 정보 등)를 비트스트림 내에 인코딩할 수 있다.
한편, 피쳐/피쳐맵 인코딩 절차는 피쳐/피쳐맵 복원을 위한 정보(e.g., 예측 정보, 레지듀얼 정보, 파티셔닝 정보 등)를 인코딩하여 비트스트림 형태로 출력하는 절차(S530)뿐만 아니라, 현재 피쳐/피쳐맵에 대한 복원 피쳐/피쳐맵을 생성하는 절차 및 복원 피쳐/피쳐맵에 대해 인루프 필터링을 적용하는 절차(optional)를 더 포함할 수 있다.
VCM 인코더는 역양자화 및 역변환을 통해 양자화된 변환 계수(들)로부터 (수정된) 레지듀얼 피쳐(들)을 도출할 수 있으며, 단계 S510의 출력인 예측 피쳐(들)과 (수정된) 레지듀얼 피쳐(들)을 기반으로 복원 피쳐/피쳐맵을 생성할 수 있다. 이렇게 생성된 복원 피쳐/피쳐맵은 VCM 디코더에서 생성된 복원 피쳐/피쳐맵과 동일할 수 있다. 복원 피쳐/피쳐맵에 대해 인루프 필터링 절차가 수행되는 경우, 복원 피쳐/피쳐맵에 대한 인루프 필터링 절차를 통해 수정된 복원 피쳐/피쳐맵이 생성될 수 있다. 수정된 복원 피쳐/피쳐맵은 복호 피쳐 버퍼(decoded feature buffer, DFB) 또는 메모리에 저장되어, 이후 피쳐/피쳐맵의 예측 절차에서 참조 피쳐/피쳐맵으로 이용될 수 있다. 또한, (인루프) 필터링 관련 정보(파라미터)가 인코딩되어 비트스트림 형태로 출력될 수 있다. 인루프 필터링 절차를 통해 피쳐/피쳐맵 코딩시 발생할 수 있는 노이즈를 제거할 수 있으며, 피쳐/피쳐맵 기반의 태스크 수행 성능을 향상시킬 수 있다. 또한, 인코더단 및 디코더단 모두에서 인루프 필터링 절차를 수행함으로써, 예측 결과의 동일성을 보장하고 피쳐/피쳐맵 코딩의 신뢰성을 향상시킬 수 있으며, 피쳐/피쳐맵 코딩을 위한 데이터 전송량을 감소시킬 수 있다.
피쳐/피쳐맵 디코딩 절차
도 6은 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 디코딩 절차를 개략적으로 나타낸 흐름도이다.
도 6을 참조하면, 피쳐/피쳐맵 디코딩 절차는 영상/비디오 정보 획득 절차(S610), 피쳐/피쳐맵 복원 절차(S620~S640) 및 복원된 피쳐/피쳐맵에 대한 인루프 필터링 절차(S650)를 포함할 수 있다. 피쳐/피쳐맵 복원 절차는 본 개시에서 설명된 인터/인트라 예측(S620) 및 레지듀얼 처리(S630), 양자화된 변환 계수에 대한 역양자화, 역변환) 과정을 통해 획득되는 예측 신호 및 레지듀얼 신호에 기반하여 수행될 수 있다. 복원 피쳐/피쳐맵에 대한 인루프 필터링 절차를 통해 수정된(modified) 복원 피쳐/피쳐맵이 생성될 수 있으며, 수정된 복원 피쳐/피쳐맵은 디코딩된 피쳐/피쳐맵으로서 출력될 수 있다. 디코딩된 피쳐/피쳐맵은 복호 피쳐 버퍼(DFB) 또는 메모리에 저장되어 이후 피쳐/피쳐맵의 디코딩시 인터 예측 절차에서 참조 피쳐/피쳐맵으로 사용될 수 있다. 경우에 따라, 상술한 인루프 필터링 절차는 생략될 수 있다. 이 경우, 복원 피쳐/피쳐맵이 디코딩된 피쳐/피쳐맵으로서 그대로 출력될 수 있고, 복호 피쳐 버퍼(DFB) 또는 메모리에 저장되어 이후 피처/피쳐맵의 디코딩시 인터 예측 절차에서 참조 피쳐/피쳐맵으로 사용될 수 있다.
실시예
머신 태스크의 수행을 위한 영상의 압축 비트스트림을 생성하는 경우, 인트라 예측 수행에 대한 종래 기술은 사전에 정해진 예측 모델 중에서 어느 하나를 선택하여 예측을 수행한다.
선택 가능한 예측 모델의 수에는 한계가 존재하므로, 이러한 종래 기술은 현재 블록의 특성에 적합한 예측 모델을 적용하기에는 부족할 수 있으며, 결과적으로 비트스트림의 비트량을 증가시킬 수 있다.
현재 블록의 특성에 적합한 예측을 수행하기 위하여 가변적 예측 모델을 적용하는 경우, 피쳐 부호화 장치(10) 및 피쳐 복호화 장치(20) 양측에서 동일한 파라미터를 사용해야 한다. 따라서, 피쳐 부호화 장치(10)에서 사용한 예측 모델의 파라미터를 피쳐 복호화 장치(20)로 전송해야 하는 필요성이 생기며, 예측 모델의 가변성이 증가할수록 해당 파라미터의 수는 늘어날 수 있으므로, 이는 비트스트림의 비트량을 증가시키는 요인이 될 수 있다.
본 개시는 현재 블록의 인트라 예측 시에 이미 학습이 완료되어 파라미터가 결정된 예측 모델을 사용하는 것 이외에, 복원이 완료된 주변 참조 샘플들(복원된 주변 샘플들)을 이용하여 예측 모델의 파라미터를 학습시키고 학습된 새로운 파라미터를 이용한 예측 모델을 통해 예측을 수행하는 방법을 제안한다.
또한, 본 개시는 학습이 완료된 파라미터를 리스트에 저장하고, 이후 현재 블록의 부호화 및 복호화 시에 리스트 내 파라미터들 중 하나를 현재 블록의 예측을 위한 파라미터로 사용하는 방법을 제안한다. 나아가, 본 개시는 리스트 내 파라미터들 중에서 하나를 현재 블록의 예측을 위한 학습의 초기 값으로 사용하는 방법을 제안한다.
이러한 본 개시를 통해, 머신 태스크의 수행을 위한 영상의 압축 비트스트림을 생성하는 경우 기존 방법 대비 작은 크기의(작은 비트량의) 비트스트림으로도 유사 수준의 정확도를 가지는 머신 태스크 수행이 가능해질 수 있다.
본 개시에서 설명되는 실시예들은 각각 동작할 수 있고, 실시예들 간의 조합을 통해 동작할 수도 있다.
도 8은 본 개시의 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 8을 참조하면, 피쳐 부호화 장치(10)는 복원된 주변 샘플들에 기반하여 예측 모델을 학습시킬 수 있다(S810). '예측 모델'은 '예측 모델의 파라미터'일 수 있으며, '예측 모델의 학습'은 '예측 모델의 파라미터에 대한 학습'일 수 있다. 예측 모델에 대한 학습은 n(n은 0 이상의 정수)회 이상 수행될 수 있다.
복원된 주변 샘플들은 학습 기반 인트라 예측을 통해 복호화된 샘플들일 수 있고, 기존 인트라 예측 방법을 활용하여 복호화된 샘플들일 수 있다. 또한, 복원된 주변 샘플들은 인터 예측과 같은 다른 예측 방법들을 활용하여 복호화된 샘플들일 수 있다.
예측 모델의 학습에 이용될 수 있는 복원된 주변 샘플들 및 현재 부호화/복호화 대상 샘플들(현재 샘플들 또는 현재 블록)의 일 예가 도 7에 나타나 있다. 도 7을 참조하면, 벡터 x로 표시된 영역의 샘플들은 현재 부호화/복호화 대상 샘플들을 나타내며, r, r0, r1, r2, r3, x0, x1, x2, x3로 표시된 영역의 샘플들은 현재 블록의 위쪽과 왼쪽에 인접한 복원된 주변 샘플들을 나타낸다.
도 7에서 학습의 데이터로 사용되는 주변 샘플들의 위치적인 분포, 형태, 개수 등은 설명의 편의를 위한 하나의 예로서, 실제 주변 샘플들은 도 7의 예시와는 다른 분포, 형태, 개수 등을 가질 수 있다. 예를 들어, 인트라 예측 모드의 부호화 및 복호화의 독립성을 보장하기 위하여 학습 데이터로 사용되는 복원된 주변 샘플들은 그 부호화 및 복호화 모드가 인트라인 경우에만 사용할 수 있게 제한되거나, 사전에 정의된 타일, 슬라이스 등의 동일 부호화 및 복호화 단위 내에서만 사용할 수 있게 제한될 수 있다.
복원된 주변 샘플들 r의 값들을 이용하여 현재 블록의 샘플들(현재 샘플들) x의 값들을 예측하고자 하는 경우, 파라미터 θt를 가지는 예측 모델 f에 의해 예측된 예측 샘플들의 값 xpred는 수식 1과 같이 나타낼 수 있다.
Figure PCTKR2023013396-appb-img-000001
수식 1에서, θt는 소정의 학습 방법에 따라 t번의 학습 과정이 반복 적용된 예측 모델의 파라미터의 값을 나타낸다.
θt를 학습시키는 과정은 L2 Norm의 합으로 나타낼 수 있는 손실함수(Loss Function) Ltr을 최소화하는 θt를 반복적으로 찾는 수식 2와 같은 최적화(Optimization) 과정으로 설명될 수 있다.
Figure PCTKR2023013396-appb-img-000002
수식 2와 같이, θt를 학습시키는 과정은 초기값으로부터 시작하여, 복원된 N개의 참조 샘플들의 쌍 {ro, x0}, {r1, x1}, {r2, x2}, {r3, x3}, ..., {rN, xN}을 학습 데이터로 하고, 복원된 xN을 입력으로 할 수 있다. 수식 2의 손실 함수는 설명의 편의를 위한 하나의 예로서, 다른 수식이 사용될 수 있다.
피쳐 부호화 장치(10)는 학습된 예측 모델을 이용하여 현재 블록을 예측할 수 있다(S820). 피쳐 부호화 장치(10)는 예측된 현재 블록(예측 블록)과 현재 블록에 기반하여 현재 블록에 대한 잔차 정보를 생성하고, 생성된 잔차 정보를 부호화할 수 있다(S830).
도 9는 본 개시의 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 9를 참조하면, 피쳐 복호화 장치(20)는 복원된 주변 샘플들에 기반하여 예측 모델을 학습시킬 수 있다(S910).
예측 모델은 예측 모델의 파라미터일 수 있으며, 예측 모델의 학습은 예측 모델의 파라미터에 대한 학습일 수 있다. 예측 모델에 대한 학습은 n(n은 0 이상의 정수)회 이상 수행될 수 있다.
복원된 주변 샘플들은 학습 기반 인트라 예측을 통해 복호화된 샘플들일 수 있고, 기존 인트라 예측 방법을 활용하여 복호화된 샘플들일 수 있다. 또한, 복원된 주변 샘플들은 인터 예측과 같은 다른 예측 방법들을 활용하여 복호화된 샘플들일 수 있다. 예측 모델의 학습에 이용될 수 있는 복원된 주변 샘플들 및 현재 부호화/복호화 대상 샘플들의 일 예는 도 7의 예시와 같을 수 있다.
피쳐 복호화 장치(20)는 학습된 예측 모델을 이용하여 현재 블록을 예측할 수 있다(S920). 피쳐 복호화 장치(20)는 현재 블록에 대한 예측 블록과 잔차 블록에 기반하여 현재 블록을 복원할 수 있다(S930). 잔차 블록은 피쳐 부호화 장치(10)로부터 시그널링된 잔차 정보에 기반하여 유도될 수 있다.
실시예 1
실시예 1은 복원된 주변 샘플들을 이용하여 예측 모델을 학습시키고, 학습된 예측 모델을 통해 예측을 수행하는 방법에 해당한다.
도 10은 실시예 1에 따른 피쳐 부호화 방법을 나타내는 흐름도이다. 도 10의 피쳐 부호화 방법은 예측 모델의 파라미터 θt의 학습, 현재 샘플들의 예측 및 그 차분의 부호화 과정을 나타낸다.
도 10을 참조하면, 예측 모델의 학습에 이용되는 다양한 변수들이 설정될 수 있으며(S1002), 복원된 주변 샘플들에 기반하여 예측 모델이 학습될 수 있다(S1004). 예측 모델의 파라미터 θt의 학습(S1004)은 초기 값 θ0로부터 시작하여 수식 2의 예시와 같은 손실 함수 Ltr을 감소시키는 방향으로 진행될 수 있다.
초기 값 θ0을 가지는 예측 모델은 '제1 예측 모델'일 수 있다. 실시예들에 따라, 제1 예측 모델은 초기 값 θ0-를 가지는 예측이거나, 예측 모델의 학습이 반복되는 경우에 이전 학습의 결과로 도출된 예측 모델일 수 있다. 따라서, 예측 모델의 학습은 복원된 주변 샘플과 제1 예측 모델에 기반하여 현재 블록을 예측하는 과정을 포함할 수 있다.
수식 2의 예시와 같은 손실 함수 Ltr은 예측 샘플들과 복원된 주변 샘플들 간의 차이에 기반하여 도출되는 값에 해당할 수 있다. 따라서, 예측 모델의 학습은 예측 샘플들과 복원된 주변 샘플들 간의 차이에 기반하여 도출되는 값이 감소하도록 제1 예측 모델을 학습시키는 과정을 포함할 수 있다.
학습된 결과는 θt+1로 저장될 수 있으며, 이러한 과정들은 반복적으로(t=t+1) 수행될 수 있다(S1006). 위 과정들이 미리 정의된 최대 횟수 Tmax만큼 반복적으로 수행되어(S1012), 복원된 주변 샘플 r과 학습 결과 θt가 적용된 예측 모델을 이용하여 수식 1의 예측 값 xpred가 유도될 수 있다(S1006). 또한, 수식 3과 같이 L2 Norm으로 나타낼 수 있는 현재 샘플들 x 값과의 손실함수 L(x, xpred)가 유도될 수 있다(S1008).
Figure PCTKR2023013396-appb-img-000003
수식 3의 손실함수는 설명의 편의를 위한 하나의 예로서, 다른 수식이 사용될 수 있다.
해당 손실함수 L(x, xpred)의 최소 값을 Lmin이라 하고 해당 시점의 θt 값이 θopt로 설정될 수 있으며, 해당 시점의 t가 t_opt(횟수 정보)로 설정될 수 있다(S1016). 또는, 손실함수 L(x, xpred)의 값이 미리 정의된 문턱 값 Lthr 보다 작은 경우(S1008) 최대 횟수 Tmax까지 학습이 진행되지 않을 수 있으며(S1012), 이 경우 해당 시점의 θt 값이 θopt로 설정될 수 있으며, 해당 시점의 t가 t_opt로 설정될 수 있다(S1014).
부호화를 위한 인트라 예측 결과 xpred는 수식 4와 같이 유도될 수 있으며, 현재 샘플들의 값 x와 예측 값 xpred 간의 차분 xdiff는 수식 5와 같이 유도될 수 있다.
Figure PCTKR2023013396-appb-img-000004
Figure PCTKR2023013396-appb-img-000005
차분 xdiff이 부호화되어(S1024) 피쳐 부호화 장치(10)로부터 피쳐 복호화 장치(20)로 시그널링될 수 있다. 또한, 복호화 시에 부호화와 동일한 횟수만큼 학습 과정을 반복하면 부호화와 동일한 학습 결과 θt가 도출될 수 있으며, 이를 적용하여 예측이 수행될 수 있으므로, t_opt도 부호화되어(S1020) 피쳐 부호화 장치(10)로부터 피쳐 복호화 장치(20)로 시그널링될 수 있다.
t_opt==0(S1018)인 경우, 복호화 과정에서 예측 모델의 학습 과정이 수행될 필요가 없음을 나타내는 플래그인 f_skip(제1 플래그)가 부호화되어(S1022) 피쳐 부호화 장치(10)로부터 피쳐 복호화 장치(20)로 시그널링될 수 있다. 이 경우, t_opt의 부호화는 생략될 수 있다.
실시예들에 따라, 피쳐 부호화 장치(10)와 피쳐 복호화 장치(20)에서 t_opt의 기본 값이 사전에 정의될 수 있다. 이 경우, t_opt는 부호화되지 않을 수 있다. 또한, 도 10을 통해 예측 모델이 하나만 정의되어 있는 경우에 대해 설명하였으나, 예측 모델은 복수 개가 정의되어 있을 수도 있으며, 이러한 경우에는 복수 개의 예측 모델들 중에서 어느 하나를 선택하기 위한 인덱스가 부호화될 수 있다.
도 11은 실시예 1에 따른 피쳐 복호화 방법을 나타내는 흐름도이다. 도 11의 피쳐 복호화 방법은 예측 모델의 파라미터 θt의 학습, 현재 샘플들의 예측 및 복호화된 차분을 이용하여 현재 샘플들을 복원하는 과정을 나타낸다.
도 11을 참조하면, 예측 모델의 학습에 이용되는 다양한 변수들이 설정될 수 있으며(S1100), 복원된 주변 샘플들에 기반하여 예측 모델이 학습될 수 있다(S1030). 예측 모델의 파라미터 θt의 학습은 피쳐 부호화 방법의 경우와 동일하게 초기 값 θ0로부터 시작하여 수식 2의 예시와 같은 손실 함수 Ltr을 감소시키는 방향으로 진행되어 학습된 결과가 θt+1로 저장되는 과정(S1140)이 반복적으로 수행될 수 있다.
초기 값 θ0을 가지는 예측 모델은 '제1 예측 모델'일 수 있다. 실시예들에 따라, 제1 예측 모델은 초기 값 θ0를 가지는 예측이거나, 예측 모델의 학습이 반복되는 경우에 이전 학습의 결과로 도출된 예측 모델일 수 있다. 따라서, 예측 모델의 학습은 복원된 주변 샘플과 제1 예측 모델에 기반하여 현재 블록을 예측하는 과정을 포함할 수 있다.
수식 2의 예시와 같은 손실 함수 Ltr는 예측 샘플들과 복원된 주변 샘플들 간의 차이에 기반하여 도출되는 값에 해당할 수 있다. 따라서, 예측 모델의 학습은 예측 샘플들과 복원된 주변 샘플들 간의 차이에 기반하여 도출되는 값이 감소하도록 제1 예측 모델을 학습시키는 과정을 포함할 수 있다.
학습 과정이 복호화된 t_opt(S1120)가 나타내는 횟수만큼 반복되면(S1150), 결과적으로 피쳐 복호화 장치(20)는 피쳐 부호화 장치(10)에서 예측 시 사용한 θt_opt와 동일한 예측 모델 파라미터를 얻을 수 있다. t_opt가 나타내는 횟수만큼 학습 과정을 반복하고 그 결과를 이용하여 예측을 수행함으로써 수식 6과 같이 피쳐 부호화 장치(10)에서와 동일한 예측 값 xpred가 유도될 수 있다(S1160).
Figure PCTKR2023013396-appb-img-000006
또는, 별도의 예측 모델 파라미터 학습 과정이 필요 없음을 나타내는 플래그인 f_skip(제1 플래그)이 1의 값을 가지는 경우(S1110), t_opt의 복호화(S1120) 및 θt_opt의 학습 과정(S1130, S1140, S1150)은 생략되고, 예측 모델의 기본 초기 값을 그대로 사용하여 예측이 수행됨으로써 예측 값 xpred가 유도될 수 있다(S1160).
예측 값 xpred와 복호화된 차분
Figure PCTKR2023013396-appb-img-000007
를 이용하여 수식 7과 같이 현재 샘플들의 복원된 값
Figure PCTKR2023013396-appb-img-000008
가 유도될 수 있다.
Figure PCTKR2023013396-appb-img-000009
실시예들에 따라, 피쳐 부호화 장치(10)와 피쳐 복호화 장치(20)에서 t_opt의 기본 값이 사전에 정의될 수 있다. 이 경우, t_opt는 복호화되지 않을 수 있다. 또한, 도 11을 통해 예측 모델이 하나만 정의되어 있는 경우에 대해 설명하였으나, 예측 모델은 복수 개가 정의되어 있을 수도 있으며, 이러한 경우에는 복수 개의 예측 모델들 중에서 어느 하나를 선택하기 위한 인덱스가 복호화될 수 있다.
표 1 및 표 2는 실시예 1에 따른 피쳐 부호화 방법 및 피쳐 복호화 방법을 수행하기 위해 시그널링되는 신택스 요소들에 대한 일 예를 나타낸다. 구체적으로, 표 1은 비디오 시퀀스(video sequence) 내에서 학습 기반 인트라 예측이 사용되는지 여부를 나타내는 신택스 요소들을 나타낸다. 표 1은 학습 기반 인트라 예측의 사용 여부 및 사용 가능 블록의 사이즈를 나타내는 SPS 레벨의 신택스 요소들을 나타내나, 이는 하나의 예에 해당할 뿐이며, 해당 신택스 요소들은 PPS, Picture Header, Slice header 등 다른 레벨에 정의될 수도 있다. 표 2는 개별 CU의 인트라 예측 모드가 학습 기반 인트라 예측인지 여부, 사용된 예측 모델의 인덱스, 추가적인 예측 모델 파라미터의 학습 진행 여부, 및 학습의 횟수를 나타내는 신택스 요소들을 나타낸다.
Figure PCTKR2023013396-appb-img-000010
Figure PCTKR2023013396-appb-img-000011
sps_lip_enabled_flag는 Video Sequence 내에서 학습 기반 인트라 예측이 사용되었는지 여부를 나타낸다. sps_lip_enabled_greater_flag는 Video Sequence 내에서 사전 정의된 사이즈보다 큰 블록에도 학습 기반 인트라 예측이 사용될 수 있는지 여부를 나타낸다. 표 2에서는 사전 정의된 사이즈가 4이고 sps_lip_enabled_greater_flag의 개수가 한 개인 것으로 설명되어 있으나, 이는 편의를 위한 설명에 해당할 뿐이다. 즉, 사전 정의된 사이즈는 다른 값으로 정의될 수 있으며, 다양한 블록 사이즈들에 대하여 sps_lip_enabled_greater_flag이 다수 개 존재할 수 있다.
intra_lip_flag(예측 모드 정보)는 해당 CU의 예측 모드가 학습 기반 인트라 예측인지 여부를 나타낸다. intra_lip_model_idx(예측 모델 정보)는 해당 CU에 학습 기반 인트라 예측이 적용될 때 사용할 사전 정의된 예측 모델의 인덱스를 나타낸다. intra_lip_model_idx는 적어도 하나의 후보 예측 모델 중에서 제1 예측 모델로 이용될 예측 모델을 나타낼 수 있다. intra_lip_skip_learning_flag(제1 플래그)는 해당 CU의 복호화 시에 추가적인 예측 모델 파라미터의 학습 과정이 필요한지 여부를 나타내며, f_skip에 대응되는 신택스 요소이다. intra_lip_skip_learning_flag의 값 0은 추가적인 학습이 진행되어야 함을 나타내며, intra_lip_skip_learning_flag의 값 1은 별도의 학습 없이 해당 예측 모델 파라미터의 기본 초기 값을 사용하여 예측이 수행됨을 나타낸다. intra_lip_num_itr는 해당 CU의 복호화 시에 이미 복원된 CU의 샘플들과 결정된 예측 모델을 사용하여 학습을 진행할 횟수(횟수 정보)를 나타낸다. intra_lip_num_itr는 t_opt에 대응되는 신택스 요소이다. intra_lip_num_itr는 t_opt의 값이 그대로 부호화 되거나, t_opt=기본 값 + intra_lip_num_itr과 같이 기본 값(기본 횟수)과의 차분을 나타내는 등 다양한 방식으로 부호화될 수 있다.
실시예 2
실시예 2는 학습된 파라미터(또는, 학습된 예측 모델)를 리스트에 저장하는 방법, 리스트에 저장된 예측 모델들 중에서 어느 하나를 학습의 초기 값으로 활용하여 학습을 수행하는 방법, 및 학습 수행의 과정 없이 리스트에 저장된 예측 모델들 중에서 어느 하나를 이용하여 예측을 수행하는 방법을 제안한다.
학습된 예측 모델 또는 학습되지 않은 예측 모델이 저장되는 리스트는 '예측 모델 후보 리스트' 또는 '파라미터 리스트 T(parameter list T)'로 지칭될 수 있으며, 예측 모델 후보 리스트 내 예측 모델들 중에서 선택된 예측 모델은 '제1 예측 모델'로 지칭될 수 있다.
도 12a 및 도 12b는 실시예 2에 따른 피쳐 부호화 방법을 나타내는 흐름도이다. 도 12의 피쳐 부호화 방법은 예측 모델의 파라미터 θt의 선택과 학습, 현재 샘플들의 예측 및 그 차분의 부호화 과정을 나타낸다.
도 12a 및 도 12b를 참조하면, 이미 복원된 블록들의 예측에 사용된 예측 모델들이 예측 모델 후보 리스트(또는, Parameter list T)에 저장될 수 있다(S1228). 즉, 예측 모델 후보 리스트는 적어도 하나의 주변 블록의 예측에 이용된 적어도 하나의 예측 모델 후보를 포함할 수 있다. 예를 들어, n번 블록이 이미 부호화 완료되었다고 하고 해당 블록의 부호화 시 예측에 사용된 파라미터를
Figure PCTKR2023013396-appb-img-000012
이라 하면, N번 블록이 부호화되는 시점에서 예측 모델 후보 리스트에는
Figure PCTKR2023013396-appb-img-000013
의 값들이 저장되어 있을 수 있다. 도 12a 및 도 12b에서는 설명의 편의를 위해 모든
Figure PCTKR2023013396-appb-img-000014
들이 예측 모델 후보 리스트에 저장되는 것으로 설명하였으나, 정해진 규칙에 의해
Figure PCTKR2023013396-appb-img-000015
들 중에서 일부만 저장되거나 오래된 항목은 삭제될 수 있다.
예측 모델의 파라미터 θt의 학습은 수식 2와 같이 손실함수 Ltr을 감소시키는 방향으로 진행될 수 있으며(S1214), 학습된 결과는 θt+1로 저장될 수 있다(S1216). 또한, 이러한 과정들은 반복적으로 수행될 수 있다. 이 경우, 학습의 초기 값 θ0는 실시예 1과 같이 기본 초기 값으로부터 시작되거나, 예측 모델 후보 리스트 내에 저장된 파라미터들 중에서 n_idx번째 파라미터인
Figure PCTKR2023013396-appb-img-000016
로부터 시작될 수 있다. 즉, 제1 예측 모델은 예측 모델 후보 리스트 또는 소정의 예측 모델 중에서 하나에 기반하여 결정될 수 있다. 구체적으로, 학습의 초기 값에 해당하는 제1 예측 모델은 소정의 예측 모델(기본 초기 값)로 결정되거나, 예측 모델 후보 리스트 내에 저장된 예측 모델들 중에서 n_idx번째 예측 모델로 결정될 수 있다.
해당 과정들이 미리 정의된 최대 횟수 Tmax만큼 반복되면서(S1222). 복원된 주변 샘플들 r과 학습 결과 θt가 적용된 예측 모델을 이용하여 수식 1의 예시와 같이 예측 값 xpred가 도출될 수 있다(S1216). 또한, 수식 3의 예시와 같이, 현재 샘플들 x의 값과의 손실함수 L(x, xpred)가 도출될 수 있다(S1218).
해당 손실함수 L(x, xpred)의 최소 값을 Lmin이라 하고 해당 시점의 θt 값이 θopt로 설정될 수 있으며, 해당 시점의 t가 t_opt(횟수 정보)로 설정될 수 있다(S1226). 또는, 손실함수 L(x, xpred)의 값이 미리 정의된 문턱 값 Lthr 보다 작은 경우(S1218) 최대 횟수 Tmax까지 학습이 진행되지 않을 수 있으며(S1222), 이 경우 해당 시점의 θt 값이 θopt로 설정될 수 있으며, 해당 시점의 t가 t_opt로 설정될 수 있다(S1224).
실시예들에 따라, 예측 모델의 학습 과정이 수행되지 않고, 사전 정의된 기본 초기 값을 그대로 사용하여 예측이 수행되거나, 예측 모델 후보 리스트 내 예측 모델들 중에서 n_idx번째 예측 모델인
Figure PCTKR2023013396-appb-img-000017
를 그대로 사용하여 예측이 수행될 수도 있다(S1204).
수식 4 및 수식 5의 예시와 같이, 예측 결과 xpred, 현재 샘플들의 값 x과 xpred의 차분 xdiff가 유도될 수 있다. 차분 xdiff이 부호화되어(S1232) 피쳐 부호화 장치(10)로부터 피쳐 복호화 장치(20)로 시그널링될 수 있다. 또한, 복호화 시에 부호화와 동일한 횟수만큼 학습 과정을 반복하면 부호화와 동일한 학습 결과 θt가 도출될 수 있으며, 이를 적용하여 예측이 수행될 수 있으므로, t_opt도 부호화되어(S1230) 피쳐 부호화 장치(10)로부터 피쳐 복호화 장치(20)로 시그널링될 수 있다. t_opt==0인 경우(S1208), 복호화 과정에서 예측 모델의 학습 과정이 수행될 필요가 없음을 나타내는 플래그인 f_skip(제1 플래그)가 부호화되어(S1212) 피쳐 부호화 장치(10)로부터 피쳐 복호화 장치(20)로 시그널링될 수 있다. 이 경우, t_opt의 부호화는 생략될 수 있다.
도 12a 및 도 12b에 나타낸 바와 같이, 예측 모델 학습의 초기 값 θ0를 기본 초기 값으로부터 시작할지, 아니면 예측 모델 후보 리스트 내 예측 모델 중 하나로부터 시작할지, 아니면 학습 과정을 생략하고 예측 모델 후보 리스트 내 예측 모델을 그래도 사용할지 여부(S1202, S1203)가 학습 과정 이전에 미리 결정될 수 있다. 그러나, 이는 일 예시일 뿐, 부호화 과정(학습 과정)의 일부 또는 전부를 수행한 후에, 더욱 효율적인 방법이 선택되어 수행될 수 있다. 이러한 예에서, 예측에 사용된 θopt가 추가적인 학습 과정을 거친 결과 값인 경우, 해당 θopt는 예측 모델 후보 리스트에 추가될 수 있다.
도 12a 및 도 12b에는 표현되지 않았으나, θopt가 예측 모델 후보 리스트에 추가되기 위한 조건들이 존재할 수 있다. 또한, 예측 모델 후보 리스트에 저장되어 있는
Figure PCTKR2023013396-appb-img-000018
들 중에서 일부가 예측 모델 후보 리스트로부터 삭제되기 위한 조건들이 존재할 수 있다.
예측 모델 후보 리스트에 저장된 예측 모델을 이용하여 학습 및 예측이 수행되었는지, 아니면 기본 초기 값을 사용하여 예측이 수행되었는지 여부를 나타내는 값 f_list가 부호화되어(S1203, S1204) 피쳐 부호화 장치(10)로부터 피쳐 복호화 장치(20)로 시그널링될 수 있다. 이 경우, 예측에 사용된 예측 모델을 나타내는 인덱스 n_idx(선택 정보)도 부호화되어(S1204) 피쳐 부호화 장치(10)로부터 피쳐 복호화 장치(20)로 시그널링될 수 있다.
실시예들에 따라, 피쳐 부호화 장치(10)와 피쳐 복호화 장치(20)에서 t_opt의 기본 값이 사전에 정의될 수 있다. 이 경우, t_opt는 부호화되지 않을 수 있다. 또한, 도 12a 및 도 12b를 통해 예측 모델이 하나만 정의되어 있는 경우에 대해 설명하였으나, 예측 모델은 복수 개가 정의되어 있을 수도 있으며, 이러한 경우에는 복수 개의 예측 모델들 중에서 어느 하나를 선택하기 위한 인덱스가 부호화될 수 있다. 또한, 예측 모델 후보 리스트도 복수 개일 수 있다.
도 13a 및 도 13b는 실시예 2에 따른 피쳐 복호화 방법을 나타내는 흐름도이다. 도 13a 및 도 13b의 피쳐 복호화 방법은 예측 모델의 파라미터 θt의 선택 및 학습, 현재 샘플들의 예측 및 복호화된 차분을 이용하여 현재 샘플들을 복원하는 과정을 나타낸다.
도 13a 및 도 13b를 참조하면, xdiff가 복호화되며 t=0으로 설정될 수 있다(S1302). 예측 모델 후보 리스트에 저장된 예측 모델을 이용하여 학습 및 예측이 수행되었는지 여부를 나타내는 플래그인 f_list의 값에 따라(S1304), 예측 모델 파라미터의 초기 값 θ0이 결정될 수 있다. 구체적으로, f_list==1인 경우에 인덱스 n_idx(선택 정보)가 복호화되며 예측 모델 후보 리스트 내 n_idx가 나타내는 예측 모델
Figure PCTKR2023013396-appb-img-000019
로 예측 모델 파라미터의 초기 값 θ0가 결정될 수 있다. f_list==0인 경우에는 예측 모델 파라미터의 초기 값 θ0가 사전 정의된 기본 값으로 결정될 수 있다(S1308).
예측 모델의 파라미터 θt의 학습(S1314)은 피쳐 부호화 방법의 경우와 동일하게 수식 3의 예시와 같이 손실 함수 Ltr을 감소시키는 방향으로 진행되어 학습된 결과가 θt+1로 저장되는 과정(S1316)이 반복적으로 수행될 수 있다. 학습 과정이 복호화된 t_opt(S1312)가 나타내는 횟수만큼 반복되면(S1318), 결과적으로 피쳐 복호화 장치(20)는 피쳐 부호화 장치(10)에서 예측 시 사용한 θopt와 동일한 예측 모델 파라미터를 얻을 수 있다. 또는, 별도의 학습 과정이 필요하지 않음을 나타내는 플래그인 f_skip(제1 플래그)이 1의 값으로 복호화된 경우(S1310), f_list의 값에 따라(S1304), t_opt의 복호화 및 예측 모델 파라미터의 학습은 수행되지 않으며, 예측 모델의 기본 값 또는 예측 모델 후보 리스트 내 n_idx번째 예측 모델인
Figure PCTKR2023013396-appb-img-000020
가 θopt로 사용될 수 있다.
t_opt가 나타내는 횟수만큼 학습 과정을 반복하고 그 결과를 이용하여 예측을 수행함으로써, 수식 6과 같이 피쳐 부호화 장치(10)에서와 동일한 예측 값 xpred가 유도될 수 있다(S1322). 또한, 예측 값 xpred와 복호화된 차분
Figure PCTKR2023013396-appb-img-000021
를 이용하여 수식 7과 같이 현재 샘플들의 복원된 값
Figure PCTKR2023013396-appb-img-000022
가 유도될 수 있다(S1322).
실시예들에 따라, 피쳐 부호화 장치(10)와 피쳐 복호화 장치(20)에서 t_opt의 기본 값이 사전에 정의될 수 있다. 이 경우, t_opt는 복호화되지 않을 수 있다. 또한, 도 13a 및 도 13b를 통해 예측 모델이 하나만 정의되어 있는 경우에 대해 설명하였으나, 예측 모델은 복수 개가 정의되어 있을 수도 있으며, 이러한 경우에는 복수 개의 예측 모델들 중에서 어느 하나를 선택하기 위한 인덱스가 복호화될 수 있다. 또한, 예측 모델 후보 리스트도 복수 개일 수 있다.
f_skip==0인 경우(S1310), 예측에 사용된 θopt는 예측 모델 후보 리스트에 추가될 수 있다(S1320). 도 13a 및 도 13b에는 표현되어 있지 않으나, θopt가 예측 모델 후보 리스트에 추가되기 위한 조건이 존재할 수 있다. 또한, 예측 모델 후보 리스트에 저장되어 있는
Figure PCTKR2023013396-appb-img-000023
들 중에서 일부가 예측 모델 후보 리스트로부터 삭제되기 위한 조건들이 존재할 수 있다.
표 3 및 표 4는 실시예 2에 따른 피쳐 부호화 방법 및 피쳐 복호화 방법을 수행하기 위해 시그널링되는 신택스 요소들에 대한 일 예를 나타낸다. 구체적으로, 표 3은 비디오 시퀀스(video sequence) 내에서 학습 기반 인트라 예측이 사용되는지 여부를 나타내는 신택스 요소들과, 학습 기반 인트라 예측이 적용 가능한 블록의 사이즈를 나타낸다. 표 3은 SPS 레벨의 신택스 요소들을 나타내나, 이는 하나의 예에 해당할 뿐이며, 해당 신택스 요소들은 PPS, Picture Header, Slice header 등 다른 레벨에 정의될 수도 있다. 표 4는 개별 CU의 인트라 예측 모드가 학습 기반 인트라 예측인지 여부, 사용된 예측 모델의 인덱스, 예측 모델 후보 리스트에 저장된 예측 모델의 사용 여부, 추가적인 예측 모델 파라미터의 학습 진행 여부, 및 학습의 횟수를 나타내는 신택스 요소들을 나타낸다.
Figure PCTKR2023013396-appb-img-000024
Figure PCTKR2023013396-appb-img-000025
sps_lip_enabled_flag는 Video Sequence 내에서 학습 기반 인트라 예측이 사용되었는지 여부를 나타낸다. sps_lip_enabled_greater_flag는 Video Sequence 내에서 사전 정의된 사이즈보다 큰 블록에도 학습 기반 인트라 예측이 사용될 수 있는지 여부를 나타낸다. 표 3에서는 사전 정의된 사이즈가 4이고 sps_lip_enabled_greater_flag의 개수가 한 개인 것으로 설명되어 있으나, 이는 편의를 위한 설명에 해당할 뿐이다. 즉, 사전 정의된 사이즈는 다른 값으로 정의될 수 있으며, 다양한 블록 사이즈들에 대하여 sps_lip_enabled_greater_flag이 다수 개 존재할 수 있다. sps_lip_parm_list_flag(제1 플래그)는 Video Sequence 내 예측 모델 후보 리스트에 저장된 예측 모델의 사용 여부를 나타낸다.
intra_lip_flag(예측 모드 정보)는 해당 CU의 예측 모드가 학습 기반 인트라 예측인지 여부를 나타낸다. intra_lip_model_idx(예측 모델 정보)는 해당 CU에 학습 기반 인트라 예측이 적용될 때 사용할 사전 정의된 예측 모델의 인덱스를 나타낸다. intra_lip_model_idx는 적어도 하나의 후보 예측 모델 중에서 제1 예측 모델로 이용될 예측 모델을 나타낼 수 있다. intra_lip_parm_from_list_flag는 해당 CU의 복호화 시에 예측 모델 후보 리스트 내에 저장된 값을 예측 모델 파라미터의 초기 값으로 사용할지 여부를 나타낸다. intra_lip_parm_from_list_flag는 f_lst에 대응되는 신택스 요소이다. intra_lip_parm_from_list_flag==0인 경우 기본 초기 값이 사용되고, intra_lip_parm_from_list_flag==1인 경우에는 예측 모델 후보 리스트 내에 저장된 값을 나타내는 인덱스가 추가적으로 복호화된다. intra_lip_parm_idx는 예측 모델 후보 리스트에 저장된 예측 모델들 중에서 현재 CU의 복호화 시에 초기 값으로 이용될 예측 모델을 나타내는 신택스 요소이다. intra_lip_parm_idx는 n_idx(선택 정보)에 대응되는 신택스 요소이다. intra_lip_skip_learning_flag(제1 플래그)는 해당 CU의 복호화 시에 추가적인 예측 모델 파라미터의 학습 과정이 필요한지 여부를 나타내며, f_skip에 대응되는 신택스 요소이다. intra_lip_skip_learning_flag의 값 0은 추가적인 학습이 진행되어야 함을 나타내며, intra_lip_skip_learning_flag의 값 1은 별도의 학습 없이 해당 예측 모델 파라미터의 기본 초기 값을 사용하여 예측이 수행됨을 나타낸다. intra_lip_num_itr는 해당 CU의 복호화 시에 이미 복원된 CU의 샘플들과 결정된 예측 모델을 사용하여 학습을 진행할 횟수(횟수 정보)를 나타낸다. intra_lip_num_itr는 t_opt에 대응되는 신택스 요소이다. intra_lip_num_itr는 t_opt의 값이 그대로 부호화 되거나, t_opt=기본 값 + intra_lip_num_itr과 같이 기본 값(기본 횟수)과의 차분을 나타내는 등 다양한 방식으로 부호화될 수 있다.
실시예 3
이상의 실시예들에서는 t_opt==0인 경우에 복호화 과정에서 예측 모델의 학습 과정이 수행될 필요가 없음을 나타내는 플래그인 f_skip(제1 플래그)가 부호화되는 것으로 설명하였다.
실시예들에 따라, t_opt==0은 학습이 0회 진행되지 않음을 나타내며, 이는 학습이 진행되지 않음을 나타낼 수 있다. 따라서, 피쳐 부호화 장치(10)는 학습이 진행되지 않은 경우에 t_opt의 값을 0으로 부호화할 수 있으며, 피쳐 복호화 장치(20)는 t_opt의 값이 0인 경우에 학습을 수행하지 않을 수 있다. 또한, t_opt의 값이 0인 경우에, f_skip은 부호화 복호화되지 않을 수 있다.
본 개시의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.
본 개시에 있어서, 소정의 동작(단계)을 수행하는 영상 부호화 장치 또는 영상 복호화 장치는 해당 동작(단계)의 수행 조건이나 상황을 확인하는 동작(단계)을 수행할 수 있다. 예를 들어, 소정의 조건이 만족되는 경우 소정의 동작을 수행한다고 기재된 경우, 영상 부호화 장치 또는 영상 복호화 장치는 상기 소정의 조건이 만족되는지 여부를 확인하는 동작을 수행한 후, 상기 소정의 동작을 수행할 수 있다.
본 개시의 다양한 실시예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.
본 개시에서 설명한 실시예들은 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 예를 들어, 각 도면에서 도시한 기능 유닛들은 컴퓨터, 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 이 경우 구현을 위한 정보(e.g., information on instructions) 또는 알고리즘이 디지털 저장 매체에 저장될 수 있다.
또한, 본 개시의 실시예(들)이 적용되는 디코더(디코딩 장치) 및 인코더(인코딩 장치)는 멀티미디어 방송 송수신 장치, 모바일 통신 단말, 홈 시네마 비디오 장치, 디지털 시네마 비디오 장치, 감시용 카메라, 비디오 대화 장치, 비디오 통신과 같은 실시간 통신 장치, 모바일 스트리밍 장치, 저장 매체, 캠코더, 주문형 비디오(VoD) 서비스 제공 장치, OTT 비디오(Over the top video) 장치, 인터넷 스트리밍 서비스 제공 장치, 3차원(3D) 비디오 장치, VR(virtual reality) 장치, AR(argumente reality) 장치, 화상 전화 비디오 장치, 운송 수단 단말 (ex. 차량(자율주행차량 포함) 단말, 로보트 단말, 비행기 단말, 선박 단말 등) 및 의료용 비디오 장치 등에 포함될 수 있으며, 비디오 신호 또는 데이터 신호를 처리하기 위해 사용될 수 있다. 예를 들어, OTT 비디오(Over the top video) 장치로는 게임 콘솔, 블루레이 플레이어, 인터넷 접속 TV, 홈시어터 시스템, 스마트폰, 태블릿 PC, DVR(Digital Video Recorder) 등을 포함할 수 있다.
또한, 본 개시의 실시예(들)이 적용되는 처리 방법은 컴퓨터로 실행되는 프로그램의 형태로 생산될 수 있으며, 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 본 문서의 실시예(들)에 따른 데이터 구조를 가지는 멀티미디어 데이터도 또한 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 컴퓨터가 판독할 수 있는 기록 매체는 컴퓨터로 읽을 수 있는 데이터가 저장되는 모든 종류의 저장 장치 및 분산 저장 장치를 포함한다. 컴퓨터가 판독할 수 있는 기록 매체는, 예를 들어, 블루레이 디스크(BD), 범용 직렬 버스(USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크 및 광학적 데이터 저장 장치를 포함할 수 있다. 또한, 컴퓨터가 판독할 수 있는 기록 매체는 반송파(예를 들어, 인터넷을 통한 전송)의 형태로 구현된 미디어를 포함한다. 또한, 인코딩 방법으로 생성된 비트스트림이 컴퓨터가 판독할 수 있는 기록 매체에 저장되거나 유무선 통신 네트워크를 통해 전송될 수 있다.
또한, 본 개시의 실시예(들)는 프로그램 코드에 의한 컴퓨터 프로그램 제품으로 구현될 수 있고, 프로그램 코드는 본 개시의 실시예(들)에 의해 컴퓨터에서 수행될 수 있다. 프로그램 코드는 컴퓨터에 의해 판독가능한 캐리어 상에 저장될 수 있다.
도 14는 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 일 예를 나타내는 도면이다.
도 14를 참조하면, 본 개시의 실시예가 적용된 컨텐츠 스트리밍 시스템은 크게 인코딩 서버, 스트리밍 서버, 웹 서버, 미디어 저장소, 사용자 장치 및 멀티미디어 입력 장치를 포함할 수 있다.
인코딩 서버는 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들로부터 입력된 컨텐츠를 디지털 데이터로 압축하여 비트스트림을 생성하고 이를 스트리밍 서버로 전송하는 역할을 한다. 다른 예로, 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들이 비트스트림을 직접 생성하는 경우, 인코딩 서버는 생략될 수 있다.
비트스트림은 본 개시의 실시예가 적용된 영상 부호화 방법 및/또는 영상 부호화 장치에 의해 생성될 수 있고, 스트리밍 서버는 비트스트림을 전송 또는 수신하는 과정에서 일시적으로 비트스트림을 저장할 수 있다.
스트리밍 서버는 웹 서버를 통한 사용자 요청에 기반하여 멀티미디어 데이터를 사용자 장치에 전송하고, 웹 서버는 사용자에게 어떠한 서비스가 있는지를 알려주는 매개체 역할을 할 수 있다. 사용자가 웹 서버에 원하는 서비스를 요청하면, 웹 서버는 이를 스트리밍 서버에 전달하고, 스트리밍 서버는 사용자에게 멀티미디어 데이터를 전송할 수 있다. 이 때, 컨텐츠 스트리밍 시스템은 별도의 제어 서버를 포함할 수 있고, 이 경우 제어 서버는 컨텐츠 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 수행할 수 있다.
스트리밍 서버는 미디어 저장소 및/또는 인코딩 서버로부터 컨텐츠를 수신할 수 있다. 예를 들어, 인코딩 서버로부터 컨텐츠를 수신하는 경우, 컨텐츠를 실시간으로 수신할 수 있다. 이 경우, 원활한 스트리밍 서비스를 제공하기 위하여 스트리밍 서버는 비트스트림을 일정 시간동안 저장할 수 있다.
사용자 장치의 예로는, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 디지털 TV, 데스크탑 컴퓨터, 디지털 사이니지 등이 있을 수 있다.
컨텐츠 스트리밍 시스템 내 각 서버들은 분산 서버로 운영될 수 있으며, 이 경우 각 서버에서 수신하는 데이터는 분산 처리될 수 있다.
도 15는 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 다른 예를 나타내는 도면이다.
도 15를 참조하면, VCM과 같은 실시예에서, 기기의 성능, 사용자의 요청, 수행하고자 하는 태스크의 특성 등에 따라 사용자 단말에서 태스크를 수행할 수도 있고 외부 기기(e.g., 스트리밍 서버, 분석 서버 등)에서 태스크를 수행할 수도 있다. 이와 같이, 태스크 수행에 필요한 정보를 외부 기기로 전송하기 위하여, 사용자 단말은 태스크 수행에 필요한 정보(e.g., 태스크, 신경망 네트워크 및/또는 용도와 같은 정보)를 포함하는 비트스트림을 직접 또는 인코딩 서버를 통해 생성할 수 있다.
분석 서버는 사용자 단말로부터(또는, 인코딩 서버로부터) 전송받은 부호화된 정보를 복호화한 후, 사용자 단말의 요청 태스크를 수행할 수 있다. 분석 서버는 태스크 수행을 통해 얻은 결과를 사용자 단말에게 다시 전송하거나 연계된 다른 서비스 서버(e.g., 웹 서버)에 전송할 수 있다. 예를 들어, 분석 서버는 화재를 판별하는 태스크를 수행하여 얻은 결과를 소방 관련 서버로 전송할 수 있다. 분석 서버는 별도의 제어 서버를 포함할 수 있고, 이 경우 제어 서버는 분석 서버와 연관된 각 장치와 서버 간 명령/응답을 제어하는 역할을 할 수 있다. 또한, 분석 서버는 사용자 기기가 수행하고자 하는 태스크와 수행할 수 있는 태스크 정보를 기반으로 웹 서버에게 원하는 정보를 요청할 수도 있다. 분석 서버가 웹 서버에 원하는 서비스를 요청하면, 웹 서버는 이를 분석 서버에 전달하고, 분석 서버는 사용자 단말로 그에 대한 데이터를 전송할 수 있다. 이 때, 컨텐츠 스트리밍 시스템의 제어 서버는 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 수행할 수 있다.
본 개시에 따른 실시예는 피쳐/피쳐맵을 부호화/복호화하는데 이용될 수 있다.

Claims (12)

  1. 피쳐 복호화 장치에 의해 수행되는 피쳐 복호화 방법으로서,
    복원된 주변 샘플들에 기반하여 예측 모델을 학습시키는 단계;
    상기 학습된 예측 모델을 이용하여 현재 블록을 예측하는 단계; 및
    상기 현재 블록의 잔차 정보와 상기 예측된 현재 블록에 기반하여 상기 현재 블록을 복원하는 단계를 포함하는, 피쳐 복호화 방법.
  2. 제1항에 있어서,
    상기 학습시키는 단계는,
    상기 복원된 주변 샘플들과 제1 예측 모델에 기반하여 상기 현재 블록을 예측하는 단계; 및
    상기 예측된 현재 블록과 상기 복원된 주변 샘플들 간의 차이에 기반하여 도출되는 값이 감소하도록, 상기 제1 예측 모델을 학습시키는 단계를 포함하는, 피쳐 복호화 방법.
  3. 제2항에 있어서,
    상기 제1 예측 모델은 횟수 정보에 기반하여 유도되는 횟수만큼 학습되며,
    상기 횟수 정보는 비트스트림으로부터 획득되는, 피쳐 복호화 방법.
  4. 제3항에 있어서,
    상기 횟수 정보는 상기 제1 예측 모델이 학습되는 횟수로부터 소정의 기본 횟수를 차감한 횟수를 나타내는, 피쳐 복호화 방법.
  5. 제1항에 있어서,
    상기 학습시키는 단계는 비트스트림으로부터 획득되는 예측 모드 정보가 상기 현재 블록의 예측 모드가 학습 기반 예측임을 나타내는 것에 기반하여 수행되는, 피쳐 복호화 방법.
  6. 제2항에 있어서,
    상기 제1 예측 모델은 적어도 하나의 후보 예측 모델 중에서 비트스트림으로부터 획득되는 예측 모델 정보가 나타내는 예측 모델인, 피쳐 복호화 방법.
  7. 제2항에 있어서,
    상기 제1 예측 모델은 예측 모델 후보 리스트 또는 소정의 예측 모델 중 하나에 기반하여 결정되는, 피쳐 복호화 방법.
  8. 제7항에 있어서,
    상기 제1 예측 모델은 비트스트림으로부터 획득되는 제1 플래그의 값이 제1 값인 것에 기반하여 상기 예측 모델 후보 리스트에 기반하여 결정되며, 상기 제1 플래그의 값이 제2 값인 것에 기반하여 상기 소정의 예측 모델에 기반하여 결정되는, 피쳐 복호화 방법.
  9. 제7항에 있어서,
    예측 모델 후보 리스트는 적어도 하나의 주변 블록의 예측에 이용된 적어도 하나의 예측 모델 후보를 포함하고,
    상기 제1 예측 모델은 상기 적어도 하나의 예측 모델 후보 중에서 비트스트림으로부터 획득되는 선택 정보가 나타내는 예측 모델 후보로 결정되는, 피쳐 복호화 방법.
  10. 피쳐 부호화 장치에 의해 수행되는 피쳐 부호화 방법으로서,
    복원된 주변 샘플들에 기반하여 예측 모델을 학습시키는 단계;
    상기 학습된 예측 모델을 이용하여 현재 블록을 예측하는 단계; 및
    상기 현재 블록과 상기 예측된 현재 블록에 기반하여 유도되는 잔차 정보를 부호화하는 단계를 포함하는, 피쳐 부호화 방법.
  11. 제10항의 피쳐 부호화 방법에 의해 생성된 비트스트림을 저장하는 컴퓨터 판독 가능한 기록 매체.
  12. 피쳐 부호화 방법에 의해 생성된 비트스트림을 전송하는 방법으로서, 상기 피쳐 부호화 방법은,
    복원된 주변 샘플들에 기반하여 예측 모델을 학습시키는 단계;
    상기 학습된 예측 모델을 이용하여 현재 블록을 예측하는 단계; 및
    상기 현재 블록과 상기 예측된 현재 블록에 기반하여 유도되는 잔차 정보를 부호화하는 단계를 포함하는, 방법.
PCT/KR2023/013396 2022-09-13 2023-09-07 예측 모델의 학습에 기반한 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 WO2024058494A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0114925 2022-09-13
KR20220114925 2022-09-13

Publications (1)

Publication Number Publication Date
WO2024058494A1 true WO2024058494A1 (ko) 2024-03-21

Family

ID=90275347

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/013396 WO2024058494A1 (ko) 2022-09-13 2023-09-07 예측 모델의 학습에 기반한 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체

Country Status (1)

Country Link
WO (1) WO2024058494A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200128586A (ko) * 2018-03-29 2020-11-13 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. 블록 단위의 화상 코딩을 위한 인트라 예측 모드 개념
KR20210066707A (ko) * 2019-11-28 2021-06-07 울산과학기술원 무손실 이미지 압축을 위한 데이터 압축 및 복원 장치
KR20210119514A (ko) * 2019-03-18 2021-10-05 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 픽처 컴포넌트 예측 방법, 인코더, 디코더 및 저장 매체
KR20220027436A (ko) * 2020-08-27 2022-03-08 한국전자기술연구원 송신, 수신 장치 및 방법
US20220210435A1 (en) * 2020-12-30 2022-06-30 Hyundai Motor Company Method and apparatus for coding machine vision data using prediction

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200128586A (ko) * 2018-03-29 2020-11-13 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. 블록 단위의 화상 코딩을 위한 인트라 예측 모드 개념
KR20210119514A (ko) * 2019-03-18 2021-10-05 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 픽처 컴포넌트 예측 방법, 인코더, 디코더 및 저장 매체
KR20210066707A (ko) * 2019-11-28 2021-06-07 울산과학기술원 무손실 이미지 압축을 위한 데이터 압축 및 복원 장치
KR20220027436A (ko) * 2020-08-27 2022-03-08 한국전자기술연구원 송신, 수신 장치 및 방법
US20220210435A1 (en) * 2020-12-30 2022-06-30 Hyundai Motor Company Method and apparatus for coding machine vision data using prediction

Similar Documents

Publication Publication Date Title
WO2020071829A1 (ko) 히스토리 기반 영상 코딩 방법 및 그 장치
WO2020071830A1 (ko) 히스토리 기반 움직임 정보를 이용한 영상 코딩 방법 및 그 장치
WO2020256344A1 (ko) 영상 코딩에서 변환 커널 세트를 나타내는 정보의 시그널링
WO2020189960A1 (ko) 크로마 포맷에 대한 정보를 시그널링 하는 방법 및 장치
WO2020145604A1 (ko) Mpm 리스트를 사용하는 인트라 예측 기반 영상 코딩 방법 및 장치
WO2020141928A1 (ko) 영상 코딩 시스템에서 mmvd 에 따른 예측에 기반한 영상 디코딩 방법 및 장치
WO2020071879A1 (ko) 변환 계수 코딩 방법 및 그 장치
WO2021225338A1 (ko) 영상 디코딩 방법 및 그 장치
WO2020071832A1 (ko) 변환 계수 코딩 방법 및 그 장치
WO2020256346A1 (ko) 변환 커널 세트에 관한 정보에 대한 코딩
WO2020145620A1 (ko) Mpm 리스트를 사용하는 인트라 예측 기반 영상 코딩 방법 및 장치
WO2020180043A1 (ko) Lmcs에 기반한 영상 코딩 방법 및 그 장치
WO2020141856A1 (ko) 영상 코딩 시스템에서 레지듀얼 정보를 사용하는 영상 디코딩 방법 및 그 장치
WO2020013497A1 (ko) 영상 코딩 시스템에서 인트라 예측 정보를 사용하는 영상 디코딩 방법 및 그 장치
WO2021137588A1 (ko) 픽처 헤더를 포함하는 영상 정보를 코딩하는 영상 디코딩 방법 및 그 장치
WO2021107622A1 (ko) 영상/비디오 코딩 방법 및 장치
WO2021137589A1 (ko) 영상 디코딩 방법 및 그 장치
WO2021137591A1 (ko) Ols dpb 파라미터 인덱스를 포함하는 영상 정보 기반 영상 디코딩 방법 및 그 장치
WO2020180044A1 (ko) Lmcs에 기반한 영상 코딩 방법 및 그 장치
WO2024058494A1 (ko) 예측 모델의 학습에 기반한 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2020071672A1 (ko) 움직임 벡터를 압축하는 방법 및 그 장치
WO2023172014A1 (ko) 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2023172090A1 (ko) 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2023075564A1 (ko) 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2024063559A1 (ko) 프로파일을 정의하는 하이 레벨 신택스에 기반한 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23865792

Country of ref document: EP

Kind code of ref document: A1