WO2024135530A1 - 符号化装置、復号装置、ビットストリーム出力装置、符号化方法及び復号方法 - Google Patents

符号化装置、復号装置、ビットストリーム出力装置、符号化方法及び復号方法 Download PDF

Info

Publication number
WO2024135530A1
WO2024135530A1 PCT/JP2023/044858 JP2023044858W WO2024135530A1 WO 2024135530 A1 WO2024135530 A1 WO 2024135530A1 JP 2023044858 W JP2023044858 W JP 2023044858W WO 2024135530 A1 WO2024135530 A1 WO 2024135530A1
Authority
WO
WIPO (PCT)
Prior art keywords
video
speed
information
unit
block
Prior art date
Application number
PCT/JP2023/044858
Other languages
English (en)
French (fr)
Inventor
ハン ブン テオ
チョン スン リム
ジンイン ガオ
プラビーン クマール ヤーダブ
清史 安倍
孝啓 西
正真 遠間
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Publication of WO2024135530A1 publication Critical patent/WO2024135530A1/ja

Links

Images

Definitions

  • This disclosure relates to an encoding device, a decoding device, a bitstream output device, an encoding method, a decoding method, etc.
  • Video coding technology has progressed from H.261 and MPEG-1 to H.264/AVC (Advanced Video Coding), MPEG-LA, H.265/HEVC (High Efficiency Video Coding), and H.266/VVC (Versatile Video Codec). With this progress, there is a constant need to provide improvements and optimizations in video coding technology to handle the ever-increasing amount of digital video data in various applications.
  • the present disclosure relates to further advances, improvements, and optimizations in video coding.
  • Non-Patent Document 1 relates to an example of a conventional standard for the video coding technology mentioned above.
  • H. 265 (ISO/IEC 23008-2 HEVC)/HEVC (High Efficiency Video Coding)
  • the present disclosure provides a configuration or method that can contribute to one or more of the following, for example: improved coding efficiency, improved image quality, reduced processing volume, reduced circuit scale, improved processing speed, and appropriate selection of elements or operations. Note that the present disclosure may include a configuration or method that can contribute to benefits other than those mentioned above.
  • an encoding device includes a circuit and a memory connected to the circuit, and in operation, the circuit encodes video into a bitstream, the video being specified to be output at a first speed that is different from an original speed of the video, and in encoding the video, the circuit encodes original speed information associated with a second speed, which is the original speed of the video, into the bitstream.
  • each of the embodiments in the present disclosure, or a configuration or method that is a part thereof enables at least one of, for example, improved encoding efficiency, improved image quality, reduced encoding/decoding processing volume, reduced circuit size, or improved encoding/decoding processing speed.
  • each of the embodiments in the present disclosure, or a configuration or method that is a part thereof enables appropriate selection of components/operations such as filters, blocks, sizes, motion vectors, reference pictures, and reference blocks in encoding and decoding.
  • the present disclosure also includes disclosure of configurations or methods that can provide benefits other than those mentioned above. For example, a configuration or method that improves encoding efficiency while suppressing an increase in processing volume.
  • the configuration or method according to one aspect of the present disclosure may contribute to one or more of the following, for example: improved coding efficiency, improved image quality, reduced processing volume, reduced circuit scale, improved processing speed, and appropriate selection of elements or operations. Note that the configuration or method according to one aspect of the present disclosure may also contribute to benefits other than those mentioned above.
  • FIG. 1 is a schematic diagram illustrating an example of a configuration of a transmission system according to an embodiment.
  • FIG. 2 is a diagram showing an example of a hierarchical structure of data in a stream.
  • FIG. 3 is a diagram showing an example of a slice configuration.
  • FIG. 4 is a diagram showing an example of a tile configuration.
  • FIG. 5 is a diagram showing an example of a coding structure in scalable coding.
  • FIG. 6 is a diagram showing an example of a coding structure in scalable coding.
  • FIG. 7 is a block diagram illustrating an example of a configuration of an encoding device according to an embodiment.
  • FIG. 8 is a block diagram showing an example of implementation of the encoding device.
  • FIG. 1 is a schematic diagram illustrating an example of a configuration of a transmission system according to an embodiment.
  • FIG. 2 is a diagram showing an example of a hierarchical structure of data in a stream.
  • FIG. 3 is a diagram showing an example of
  • FIG. 9 is a flowchart showing an example of the overall encoding process performed by the encoding device.
  • FIG. 10 is a diagram showing an example of block division.
  • FIG. 11 is a diagram illustrating an example of the configuration of the division unit.
  • FIG. 12 is a diagram showing an example of a division pattern.
  • FIG. 13A is a diagram showing an example of a syntax tree of a division pattern.
  • FIG. 13B is a diagram showing another example of a syntax tree of a division pattern.
  • FIG. 14 is a table showing the transform basis functions corresponding to each transform type.
  • FIG. 15 is a diagram showing an example of an SVT.
  • FIG. 16 is a flowchart illustrating an example of a process performed by the conversion unit.
  • FIG. 10 is a diagram showing an example of block division.
  • FIG. 11 is a diagram illustrating an example of the configuration of the division unit.
  • FIG. 12 is a diagram showing an example of a division pattern.
  • FIG. 13A
  • FIG. 17 is a flowchart illustrating another example of the process performed by the conversion unit.
  • FIG. 18 is a block diagram showing an example of the configuration of the quantization unit.
  • FIG. 19 is a flowchart showing an example of quantization by the quantization unit.
  • FIG. 20 is a block diagram showing an example of the configuration of the entropy coding unit.
  • FIG. 21 is a diagram showing the flow of CABAC in the entropy coding unit.
  • FIG. 22 is a block diagram showing an example of the configuration of the loop filter unit.
  • FIG. 23A is a diagram showing an example of a filter shape used in an adaptive loop filter (ALF).
  • FIG. 23B is a diagram showing another example of the shape of the filter used in the ALF.
  • FIG. ALF adaptive loop filter
  • FIG. 23C is a diagram showing another example of the shape of the filter used in the ALF.
  • FIG. 23D is a diagram showing an example in which a Y sample (first component) is used for a Cb CCALF and a Cr CCALF (multiple components different from the first component).
  • FIG. 23E illustrates a diamond shaped filter.
  • FIG. 23F is a diagram showing an example of JC-CCALF.
  • FIG. 23G is a diagram showing examples of weight_index candidates of JC-CCALF.
  • FIG. 24 is a block diagram showing an example of a detailed configuration of a loop filter unit functioning as a DBF.
  • FIG. 25 is a diagram showing an example of a deblocking filter having filter characteristics that are symmetric with respect to block boundaries.
  • FIG. 26 is a diagram for explaining an example of a block boundary on which deblocking filter processing is performed.
  • FIG. 27 is a diagram showing an example of the Bs value.
  • FIG. 28 is a flowchart illustrating an example of processing performed by the prediction unit of the encoding device.
  • FIG. 29 is a flowchart showing another example of the process performed by the prediction unit of the encoding device.
  • FIG. 30 is a flowchart showing another example of the process performed by the prediction unit of the encoding device.
  • FIG. 31 is a diagram showing an example of 67 intra prediction modes in intra prediction.
  • FIG. 32 is a flowchart illustrating an example of processing by the intra prediction unit.
  • FIG. 33 is a diagram showing an example of each reference picture.
  • FIG. 34 is a conceptual diagram showing an example of a reference picture list.
  • FIG. 35 is a flowchart showing the flow of basic inter prediction processing.
  • FIG. 36 is a flowchart showing an example of MV derivation.
  • FIG. 37 is a flowchart showing another example of MV derivation.
  • FIG. 38A is a diagram showing an example of classification of each mode of MV derivation.
  • FIG. 38B is a diagram showing an example of classification of each mode of MV derivation.
  • FIG. 39 is a flowchart showing an example of inter prediction in the normal inter mode.
  • FIG. 40 is a flowchart showing an example of inter prediction in the normal merge mode.
  • FIG. 41 is a diagram for explaining an example of MV derivation processing in the normal merge mode.
  • FIG. 42 is a diagram illustrating an example of MV derivation processing using HMVP (History-based Motion Vector Prediction/Predictor) mode.
  • FIG. 43 is a flowchart showing an example of frame rate up conversion (FRUC).
  • FIG. 44 is a diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • FIG. 45 is a diagram for explaining an example of pattern matching (template matching) between a template in a current picture and a block in a reference picture.
  • FIG. 46A is a diagram for explaining an example of derivation of MVs on a sub-block basis in affine mode using two control points.
  • FIG. 46B is a diagram for explaining an example of derivation of MVs on a sub-block basis in affine mode using three control points.
  • FIG. 47A is a conceptual diagram for explaining an example of MV derivation of a control point in affine mode.
  • FIG. 47B is a conceptual diagram for explaining an example of MV derivation of a control point in affine mode.
  • FIG. 47C is a conceptual diagram for explaining an example of MV derivation of a control point in affine mode.
  • FIG. 48A is a diagram for explaining an affine mode having two control points.
  • FIG. 48B is a diagram for explaining an affine mode having three control points.
  • FIG. 49A is a conceptual diagram for explaining an example of a method for deriving MVs of control points when the number of control points in an encoded block is different from that in a current block.
  • FIG. 49B is a conceptual diagram for explaining another example of a method for deriving MVs of control points when the number of control points in an encoded block is different from that in a current block.
  • FIG. 50 is a flowchart showing an example of processing in the affine merge mode.
  • FIG. 51 is a flowchart showing an example of processing in the affine inter mode.
  • FIG. 52A is a diagram for explaining generation of predicted images of two triangles.
  • FIG. 52B is a conceptual diagram showing an example of a first portion of a first partition, and a first and second sample set.
  • FIG. 52C is a conceptual diagram showing a first portion of the first partition.
  • FIG. 53 is a flow chart showing an example of the triangle mode.
  • Figure 54 shows an example of ATMVP (Advanced Temporal Motion Vector Prediction/Predictor) mode in which MVs are derived on a subblock basis.
  • Figure 55 is a diagram showing the relationship between merge mode and DMVR (dynamic motion vector refreshing).
  • FIG. 56 is a conceptual diagram for explaining an example of a DMVR.
  • FIG. 57 is a conceptual diagram for explaining another example of DMVR for determining MV.
  • FIG. 58A is a diagram showing an example of motion estimation in a DMVR.
  • FIG. 58B is a flowchart showing an example of motion estimation in a DMVR.
  • FIG. 59 is a flowchart showing an example of generation of a predicted image.
  • FIG. 60 is a flowchart showing another example of generation of a predicted image.
  • FIG. 61 is a flowchart illustrating an example of a predictive image correction process using overlapped block motion compensation (OBMC).
  • FIG. 62 is a conceptual diagram for explaining an example of a predictive image correction process using OBMC.
  • FIG. 63 is a diagram for explaining a model assuming uniform linear motion.
  • FIG. 64 is a flowchart showing an example of inter prediction according to BIO.
  • FIG. 65 is a diagram showing an example of the configuration of an inter prediction unit that performs inter prediction according to BIO.
  • Figure 66A is a diagram illustrating an example of a predicted image generation method using brightness correction processing by LIC (local illumination compensation).
  • FIG. 66B is a flowchart showing an example of a predicted image generating method using luminance correction processing by LIC.
  • FIG. 67 is a block diagram showing a configuration of a decoding device according to an embodiment.
  • FIG. 68 is a block diagram showing an implementation example of a decoding device.
  • FIG. 69 is a flowchart showing an example of the overall decoding process by the decoding device.
  • FIG. 70 is a diagram showing the relationship between the division determination unit and other components.
  • FIG. 71 is a block diagram showing an example of the configuration of an entropy decoding unit.
  • FIG. 72 is a diagram showing the flow of CABAC in the entropy decoding unit.
  • FIG. 73 is a block diagram showing an example of the configuration of the inverse quantization unit.
  • FIG. 74 is a flowchart showing an example of inverse quantization by the inverse quantization unit.
  • FIG. 75 is a flowchart showing an example of processing by the inverse conversion unit.
  • FIG. 76 is a flowchart showing another example of the process by the inverse conversion unit.
  • FIG. 77 is a block diagram showing an example of the configuration of the loop filter unit.
  • FIG. 78 is a flowchart showing an example of processing performed by a prediction unit of a decoding device.
  • FIG. 79 is a flowchart showing another example of the process performed by the prediction unit of the decoding device.
  • FIG. 80A is a flowchart showing a part of another example of processing performed in the prediction unit of the decoding device.
  • FIG. 80A is a flowchart showing a part of another example of processing performed in the prediction unit of the decoding device.
  • FIG. 80B is a flowchart showing the remaining part of another example of processing performed in the prediction unit of the decoding device.
  • FIG. 81 is a diagram showing an example of processing by an intra prediction unit of a decoding device.
  • FIG. 82 is a flowchart showing an example of MV derivation in a decoding device.
  • FIG. 83 is a flowchart showing another example of MV derivation in a decoding device.
  • FIG. 84 is a flowchart showing an example of inter prediction in the normal inter mode in the decoding device.
  • FIG. 85 is a flowchart showing an example of inter prediction in the normal merge mode in the decoding device.
  • FIG. 86 is a flowchart showing an example of inter prediction in the FRUC mode in the decoding device.
  • FIG. 87 is a flowchart showing an example of inter prediction in affine merge mode in a decoding device.
  • FIG. 88 is a flowchart showing an example of inter prediction in the affine inter mode in the decoding device.
  • FIG. 89 is a flowchart showing an example of inter prediction in the triangle mode in the decoding device.
  • FIG. 90 is a flowchart showing an example of motion estimation by DMVR in a decoding device.
  • FIG. 91 is a flowchart showing a detailed example of motion estimation by DMVR in the decoding device.
  • FIG. 92 is a flowchart showing an example of generation of a predicted image in a decoding device.
  • FIG. 93 is a flowchart showing another example of generation of a predicted image in the decoding device.
  • FIG. 94 is a flowchart showing an example of correction of a predicted image by OBMC in a decoding device.
  • FIG. 95 is a flowchart showing an example of correction of a predicted image by BIO in a decoding device.
  • FIG. 96 is a flowchart showing an example of correction of a predicted image by LIC in a decoding device.
  • FIG. 97 is a flowchart showing the encoding operation according to the embodiment.
  • FIG. 98 is a flowchart showing a decoding operation according to an embodiment.
  • FIG. 99 is a flowchart showing a first specific example of a decoding operation according to an embodiment.
  • FIG. 100 is a block diagram showing a configuration of a decoding system according to an embodiment.
  • FIG. 100 is a block diagram showing a configuration of a decoding system according to an embodiment.
  • FIG. 101A is a conceptual diagram showing an example of the location of original rate information in a bitstream.
  • FIG. 101B is a conceptual diagram showing another example of the position of original rate information in a bitstream.
  • FIG. 102 is a flowchart showing a second specific example of the decoding operation according to the embodiment.
  • FIG. 103A is a timing chart showing the time required for decoding and output when the magnification is 0.5.
  • FIG. 103B is a timing chart showing the time required for decoding and output when the magnification is 2.
  • FIG. 103C is a timing chart showing the time when selective decoding and output are performed when the magnification is two.
  • FIG. 103D is a conceptual diagram illustrating an example of multiple images encoded with multiple temporal sub-layers.
  • FIG. 104A is a syntax diagram showing an example of a syntax structure related to original speed information.
  • FIG. 104B is a syntax diagram showing another example of a syntax structure related to original speed information.
  • FIG. 104C is a syntax diagram showing yet another example of a syntax structure related to original speed information.
  • Figure 104D is a syntax diagram showing yet another example of a syntax structure related to original speed information.
  • FIG. 105 is a syntax diagram showing an example of a syntax structure related to speed information.
  • FIG. 106 is a flowchart showing basic processing in the encoding operation according to the embodiment.
  • FIG. 107 is a flowchart showing basic processing in a decoding operation according to an embodiment.
  • FIG. 108 is a diagram showing the overall configuration of a content supply system that realizes a content distribution service.
  • FIG. 109 is a diagram showing an example of a display screen of a web page.
  • FIG. 110 is a diagram showing an example of a display screen of a web page.
  • FIG. 111 is a diagram showing an example of a smartphone.
  • FIG. 112 is a block diagram showing an example configuration of a smartphone.
  • video may be played back at a speed slower than the original speed, i.e., in slow motion, or may be played back at a speed faster than the original speed, i.e., in fast motion (sometimes referred to as high speed motion).
  • Video may also be coded as slow motion video so as to be played back in slow motion, or coded as fast motion video so as to be played back in fast motion. This makes it possible to control the playback speed of video when coding the video.
  • an output time is assigned to each picture, and the pictures and output times are encoded so that the multiple pictures that make up the video are output sequentially at time intervals that are longer than the original time intervals. This allows the video to be decoded and played back smoothly as slow-motion video when it is decoded.
  • an output time is assigned to each picture, and the pictures and output times are encoded so that the multiple pictures that make up the video are output sequentially at time intervals that are shorter than the original time intervals. This allows the video to be decoded and played back smoothly as fast-motion video when it is decoded.
  • the encoding device of Example 1 thus comprises a circuit and a memory connected to the circuit, the circuit being operable to encode video into a bitstream, the video being specified to be output at a first rate that is different from an original rate of the video, and the circuit being operable to encode original rate information associated with a second rate, which is the original rate of the video, into the bitstream in encoding the video.
  • This may make it possible to encode original speed information into the bitstream that relates to an original speed that is different from the first speed specified as the speed of the video, i.e., a second speed that is the original speed of the video. Thus, it may be possible to play the video from the bitstream at its original speed.
  • the encoding device of Example 2 may also be the encoding device of Example 1, in which the circuit encodes time information and scale information into the bit stream as the original speed information, and the second speed is calculated based on the time information and the scale information.
  • the encoding device of Example 3 may be the encoding device of Example 1 or Example 2, and the circuit may further encode output time information related to the output time of the video into the bit stream.
  • the encoding device of Example 4 may be the encoding device of Example 3, in which the circuit further uses the output time information to derive first timing information indicating a processing timing for playing back the video at the first speed, and uses the original speed information to derive second timing information indicating a processing timing for playing back the video at the second speed.
  • the encoding device of Example 5 may be any of the encoding devices of Examples 1 to 4, and the circuit may be an encoding device that encodes the original speed information into a header included in the bitstream.
  • the encoding device of Example 6 may be the encoding device of Examples 1 to 4, and the circuit may be an encoding device that encodes the original speed information into SEI (Supplemental Enhancement Information) included in the bitstream.
  • SEI Supplemental Enhancement Information
  • the encoding device of Example 7 may be any of the encoding devices of Examples 1 to 6, in which the original speed information indicates the picture interval of the video for playing the video at the second speed.
  • the encoding device of Example 8 may be any of the encoding devices of Examples 1 to 7, in which the original speed information indicates the ratio of the second speed to the first speed.
  • the encoding device of Example 9 may also be the encoding device of Example 8, in which the original speed information includes a numerator parameter and a denominator parameter, and the scaling factor is indicated by dividing the numerator parameter by the denominator parameter.
  • magnification may be precisely specified according to the numerator and denominator parameters.
  • the encoding device of Example 10 may be any of the encoding devices of Examples 1 to 9, and the circuit may be an encoding device that, in encoding the video, encodes into the bitstream, for each temporal sublayer contained in the bitstream, a level of conformance required of a decoding device when the video is played back at the second speed.
  • the encoding device of Example 11 may be any of the encoding devices of Examples 1 to 10, and the circuit may be an encoding device that, in encoding the video, encodes into the bitstream a first conformance level required of the decoding device when the video is played back at the first speed, and a second conformance level required of the decoding device when the video is played back at the second speed.
  • This may make it possible to encode a compatibility level for playing the video at a first speed and a compatibility level for playing the video at a second speed. Therefore, it may be possible to efficiently determine whether the video can be played at the first speed and whether the video can be played at the second speed according to the compatibility level of the decoding device.
  • the encoding device of Example 12 may be any of the encoding devices of Examples 1 to 11, in which the first speed corresponds to slow motion or fast motion, and the circuit encodes the video into the bitstream as the slow motion video or the fast motion video.
  • the encoding device of Example 13 may be any of the encoding devices of Examples 1 to 12, and the circuit may further encode information indicating the relationship between the first speed and the second speed into the bit stream.
  • This may make it possible to specify the relationship between the speed of the video in the bitstream and the original speed of the video. Therefore, it may be possible to accurately derive the original speed of the video from the speed of the video in the bitstream according to this relationship.
  • the encoding device of Example 14 may be any of the encoding devices of Examples 1 to 13, and the circuit may encode speed information into the bit stream, the speed information being information related to a plurality of speeds including the second speed, information for playing back the video at each of the plurality of speeds, and information including the original speed information, in encoding the video.
  • the decoding device of Example 15 includes a circuit and a memory connected to the circuit, the circuit, in operation, decodes video from a bitstream, the video being specified to be output at a first speed different from an original speed of the video, and the circuit, in decoding the video, decodes original speed information from the bitstream relating to a second speed that is the original speed of the video.
  • the decoding device of Example 16 may also be an encoding device that is the decoding device of Example 15, in which the circuit decodes time information and scale information from the bit stream as the original speed information, and the second speed is calculated based on the time information and the scale information.
  • the decoding device of Example 17 may be the decoding device of Example 15 or Example 16, and the circuit may be an encoding device that further decodes output time information related to the output time of the video from the bitstream.
  • the decoding device of Example 18 may be the decoding device of Example 17, in which the circuit further acquires a signal, and if the signal indicates that the video is to be played at the first speed, plays the video at the first speed using the output time information, and if the signal indicates that the video is to be played at the second speed, plays the video at the second speed using the original speed information.
  • the decoding device of Example 19 may be any of the decoding devices of Examples 15 to 18, and the circuit may be a decoding device that decodes the original speed information from a header included in the bitstream.
  • the decoding device of Example 20 may be any of the decoding devices of Examples 15 to 18, and the circuit may be a decoding device that decodes the original speed information from SEI (Supplemental Enhancement Information) included in the bitstream.
  • SEI Supplemental Enhancement Information
  • the decoding device of Example 21 may be any of the decoding devices of Examples 15 to 20, in which the original speed information indicates the picture interval of the video for playing the video at the second speed.
  • the decoding device of Example 22 may be any of the decoding devices of Examples 15 to 21, in which the original speed information indicates the ratio of the second speed to the first speed.
  • the decoding device of Example 23 may also be the decoding device of Example 22, in which the original rate information includes a numerator parameter and a denominator parameter, and the scaling factor is indicated by dividing the numerator parameter by the denominator parameter.
  • magnification may be precisely specified according to the numerator and denominator parameters.
  • the decoding device of Example 24 may be any of the decoding devices of Examples 15 to 23, and the circuit may be a decoding device that, in decoding the video, decodes from the bitstream, for each temporal sublayer contained in the bitstream, a conformance capability level required of the decoding device when the video is played back at the second speed.
  • the decoding device of Example 25 may be any of the decoding devices of Examples 15 to 24, and the circuit may decode from the bitstream a first conformance level required of the decoding device when the video is played back at the first speed, and a second conformance level required of the decoding device when the video is played back at the second speed.
  • the decoding device of Example 26 may be any of the decoding devices of Examples 15 to 25, in which the first speed corresponds to slow motion or fast motion, and the circuit decodes from the bitstream the video that has been encoded in the bitstream as the slow motion video or the fast motion video.
  • the decoding device of Example 27 may be any of the decoding devices of Examples 15 to 26, and the circuit may further decode information indicating the relationship between the first speed and the second speed from the bit stream.
  • This may make it possible to specify the relationship between the speed of the video in the bitstream and the original speed of the video. Therefore, it may be possible to accurately derive the original speed of the video from the speed of the video in the bitstream according to this relationship.
  • the decoding device of Example 28 may be any of the decoding devices of Examples 15 to 27, and the circuit may decode speed information from the bitstream, the speed information being information related to a plurality of speeds including the second speed, information for playing back the video at each of the plurality of speeds, and information including the original speed information, in decoding the video.
  • the bitstream output device of Example 29 includes a circuit and a memory connected to the circuit, and the circuit, in operation, encodes a video into a bitstream and outputs the bitstream, the video being specified to be output at a first speed that is different from the original speed of the video, and the circuit, in encoding the video, encodes original speed information related to a second speed, which is the original speed of the video, into the bitstream.
  • This may make it possible to encode original speed information into the bitstream that relates to an original speed that is different from the first speed specified as the speed of the video, i.e., a second speed that is the original speed of the video. Thus, it may be possible to play the video from the bitstream at its original speed.
  • the encoding method of Example 30 encodes video into a bitstream, the video being specified to be output at a first speed that is different from the original speed of the video, and in encoding the video, original speed information relating to a second speed that is the original speed of the video is encoded into the bitstream.
  • This may make it possible to encode original speed information into the bitstream that relates to an original speed that is different from the first speed specified as the speed of the video, i.e., a second speed that is the original speed of the video. Thus, it may be possible to play the video from the bitstream at its original speed.
  • the decoding method of Example 31 decodes video from a bitstream, the video being specified to be output at a first speed that is different from the original speed of the video, and in decoding the video, original speed information relating to a second speed that is the original speed of the video is decoded from the bitstream.
  • the non-transitory computer-readable recording medium of Example 32 is a non-transitory computer-readable recording medium that stores a bitstream, the bitstream including the image that is specified to be output at a first speed that is different from the original speed of the image, and original speed information related to a second speed that is the original speed of the image.
  • the encoding device of Example 33 also includes an input unit, a division unit, an intra prediction unit, an inter prediction unit, a loop filter unit, a transformation unit, a quantization unit, an entropy encoding unit, and an output unit.
  • the current picture is input to the input unit.
  • the division unit divides the current picture into a plurality of blocks.
  • the intra prediction unit generates a prediction signal of a current block included in the current picture using reference pixels included in the current picture.
  • the inter prediction unit generates a prediction signal of a current block included in the current picture using a reference block included in a reference picture other than the current picture.
  • the loop filter unit applies a filter to a reconstructed block of the current block included in the current picture.
  • the transform unit transforms a prediction error between an original signal of a current block included in the current picture and a prediction signal generated by the intra prediction unit or the inter prediction unit to generate transform coefficients.
  • the quantization unit quantizes the transform coefficients to generate quantized coefficients.
  • the entropy coding unit applies variable length coding to the quantized coefficients to generate an encoded bitstream. Then, the output unit outputs the encoded bitstream including the quantized coefficients to which variable length coding has been applied and control information.
  • the entropy coding unit encodes video into a bitstream, and the video is specified to be output at a first speed that is different from the original speed of the video, and in encoding the video, the entropy coding unit encodes original speed information related to a second speed, which is the original speed of the video, into the bitstream.
  • the decoding device of Example 34 also includes an input unit, an entropy decoding unit, an inverse quantization unit, an inverse transform unit, an intra prediction unit, an inter prediction unit, a loop filter unit, and an output unit.
  • the input unit receives an encoded bitstream.
  • the entropy decoding unit applies variable length decoding to the encoded bitstream to derive quantization coefficients.
  • the inverse quantization unit inversely quantizes the quantization coefficients to derive transform coefficients.
  • the inverse transform unit inversely transforms the transform coefficients to derive prediction errors.
  • the intra prediction unit generates a prediction signal of a current block included in the current picture using reference pixels included in the current picture.
  • the inter prediction unit generates a prediction signal of a current block included in the current picture using a reference block included in a reference picture other than the current picture.
  • the loop filter unit applies a filter to a reconstructed block of the current block included in the current picture. Then, the current picture is output from the output unit.
  • the entropy decoding unit decodes video from a bitstream, and the video is specified to be output at a first speed that is different from the original speed of the video, and in decoding the video, the entropy decoding unit decodes original speed information related to a second speed, which is the original speed of the video, from the bitstream.
  • each term may be defined as follows:
  • Image A unit of data composed of a set of pixels, which consists of pictures or blocks smaller than a picture, and includes both moving images and still images.
  • Picture A processing unit of an image composed of a set of pixels. It is also called a frame or field.
  • Block A processing unit of a set containing a specific number of pixels, and can be named in any way, as shown in the following examples.
  • any shape can be used, including, for example, a rectangle made of M ⁇ N pixels, a square made of M ⁇ M pixels, a triangle, a circle, and other shapes.
  • a pixel/sample is the smallest unit point that constitutes an image, and includes not only pixels at integer positions but also pixels at decimal positions that are generated based on pixels at integer positions.
  • Pixel Value/Sample Value A value inherent to a pixel, including not only brightness value, color difference value, and RGB gradation, but also depth value or the binary values 0 and 1.
  • flags may be multi-bit, for example, parameters or indexes of two or more bits.
  • flags may be multi-valued using other base numbers as well as two values using binary numbers.
  • Signal Something that is symbolized or coded to transmit information, including discrete digital signals as well as analog signals that take continuous values.
  • a stream/Bit Stream A data string of digital data or a flow of digital data.
  • a stream/bit stream may be a single stream or may be divided into multiple layers and composed of multiple streams. It also includes cases where the data is transmitted by serial communication over a single transmission line, as well as cases where the data is transmitted by packet communication over multiple transmission lines.
  • Color difference It is an adjective, denoted by the symbols Cb and Cr, that specifies that a sample array or a single sample represents one of two colour difference signals associated with a primary colour.
  • the term chrominance can also be used.
  • Luminance It is an adjective, denoted by the symbol or subscript Y or L, that specifies that the sample array or a single sample represents a monochrome signal associated with a primary color. Instead of the term luma, the term luminance can also be used.
  • an encoding device and a decoding device are described.
  • the embodiments are examples of encoding devices and decoding devices to which the processes and/or configurations described in each aspect of the present disclosure can be applied.
  • the processes and/or configurations can also be implemented in encoding devices and decoding devices that are different from the embodiments.
  • any of the following may be implemented.
  • any change may be made to the functions or processes performed by some of the multiple components of the encoding device or decoding device, such as adding, replacing, or deleting a function or process.
  • any function or process may be replaced or combined with another function or process described in any of the aspects of the present disclosure.
  • Some of the components among the multiple components constituting the encoding device or decoding device of the embodiment may be combined with components described in any of the aspects of the present disclosure, may be combined with components having some of the functions described in any of the aspects of the present disclosure, or may be combined with components that perform some of the processing performed by the components described in any of the aspects of the present disclosure.
  • a component having part of the functionality of the encoding device or decoding device of the embodiment, or a component performing part of the processing of the encoding device or decoding device of the embodiment may be combined or replaced with a component described in any of the aspects of the present disclosure, a component having part of the functionality described in any of the aspects of the present disclosure, or a component performing part of the processing described in any of the aspects of the present disclosure.
  • any of the multiple processes included in the method may be replaced or combined with any of the processes described in any of the aspects of the present disclosure or any similar processes.
  • FIG. 1 is a schematic diagram showing an example of the configuration of a transmission system according to the present embodiment.
  • the transmission system Trs is a system that transmits a stream generated by encoding an image and decodes the transmitted stream.
  • Such a transmission system Trs includes, for example, an encoding device 100, a network Nw, and a decoding device 200, as shown in FIG. 1.
  • An image is input to the encoding device 100.
  • the encoding device 100 generates a stream by encoding the input image, and outputs the stream to the network Nw.
  • the stream includes, for example, the encoded image and control information for decoding the encoded image.
  • the image is compressed by this encoding.
  • the original image before encoding that is input to the encoding device 100 is also called an original image, an original signal, or an original sample.
  • the image may be a video image or a still image.
  • An image is a higher-level concept than a sequence, a picture, or a block, and is not limited in spatial and temporal domains unless otherwise specified.
  • An image is composed of an array of pixels or pixel values, and a signal representing the image, or the pixel values, is also called a sample.
  • a stream may be called a bit stream, an encoded bit stream, a compressed bit stream, or an encoded signal.
  • the encoding device may be called an image encoding device or a video encoding device, and the encoding method by the encoding device 100 may be called an encoding method, an image encoding method, or a video encoding method.
  • the network Nw transmits the stream generated by the encoding device 100 to the decoding device 200.
  • the network Nw may be the Internet, a wide area network (WAN), a small area network (LAN), or a combination of these.
  • the network Nw is not necessarily limited to a two-way communication network, and may be a one-way communication network that transmits broadcast waves such as terrestrial digital broadcasting or satellite broadcasting.
  • the network Nw may also be replaced by a storage medium that records streams, such as a DVD (Digital Versatile Disc) or a BD (Blu-Ray Disc (registered trademark)).
  • the decoding device 200 generates a decoded image, which is, for example, an uncompressed image, by decoding the stream transmitted by the network Nw. For example, the decoding device decodes the stream according to a decoding method that corresponds to the encoding method used by the encoding device 100.
  • the decoding device may be called an image decoding device or a video decoding device, and the decoding method performed by the decoding device 200 may be called a decoding method, an image decoding method, or a video decoding method.
  • [data structure] 2 is a diagram showing an example of a hierarchical structure of data in a stream.
  • the stream includes, for example, a video sequence.
  • the video sequence includes a video parameter set (VPS), a sequence parameter set (SPS), a picture parameter set (PPS), supplemental enhancement information (SEI), and a plurality of pictures.
  • VPS video parameter set
  • SPS sequence parameter set
  • PPS picture parameter set
  • SEI Supplemental Enhancement Information
  • the VPS For a video that is composed of multiple layers, the VPS includes coding parameters that are common to the multiple layers, and coding parameters related to the multiple layers or individual layers included in the video.
  • the SPS includes parameters used for the sequence, i.e., the encoding parameters referenced by the decoding device 200 to decode the sequence.
  • the encoding parameters may indicate the width or height of a picture. Note that there may be multiple SPSs.
  • the PPS includes parameters used for a picture, i.e., encoding parameters referenced by the decoding device 200 to decode each picture in a sequence.
  • the encoding parameters may include a reference value of the quantization width used in decoding the picture and a flag indicating the application of weighted prediction.
  • the SPS and PPS may simply be referred to as parameter sets.
  • a picture may include a picture header and one or more slices, as shown in FIG. 2B.
  • the picture header includes coding parameters that are referenced by the decoding device 200 to decode the one or more slices.
  • a slice includes a slice header and one or more bricks.
  • the slice header includes coding parameters that are referenced by the decoding device 200 to decode the one or more bricks.
  • a brick contains one or more coding tree units (CTUs), as shown in (d) of Figure 2.
  • CTUs coding tree units
  • a picture may not contain slices, but may instead contain tile groups.
  • a tile group contains one or more tiles.
  • a brick may contain slices.
  • a CTU is also called a superblock or a basic division unit.
  • Such a CTU includes a CTU header and one or more coding units (CUs), as shown in FIG. 2(e).
  • the CTU header includes coding parameters that are referenced by the decoding device 200 to decode one or more CUs.
  • a CU may be divided into multiple smaller CUs. As shown in FIG. 2(f), a CU includes a CU header, prediction information, and residual coefficient information.
  • the prediction information is information for predicting the CU
  • the residual coefficient information is information indicating a prediction residual, which will be described later.
  • a CU is basically the same as a PU (Prediction Unit) and a TU (Transform Unit), but may include multiple TUs smaller than the CU, for example, in an SBT, which will be described later.
  • a CU may be processed for each VPDU (Virtual Pipeline Decoding Unit) that constitutes the CU.
  • a VPDU is a fixed unit that can be processed in one stage, for example, when performing pipeline processing in hardware.
  • a picture that is currently the subject of processing performed by a device such as the encoding device 100 or the decoding device 200 is called a current picture. If the processing is encoding, the current picture is synonymous with a picture to be encoded, and if the processing is decoding, the current picture is synonymous with a picture to be decoded.
  • a block, such as a CU or CU, that is currently the subject of processing performed by a device such as the encoding device 100 or the decoding device 200 is called a current block. If the processing is encoding, the current block is synonymous with a block to be encoded, and if the processing is decoding, the current block is synonymous with a block to be decoded.
  • Picture Composition Slices/Tiles
  • the pictures may be organized into slices or tiles.
  • a slice is the basic coding unit that makes up a picture.
  • a picture for example, is composed of one or more slices.
  • a slice is also composed of one or more consecutive CTUs.
  • FIG. 3 is a diagram showing an example of the configuration of a slice.
  • a picture includes 11 ⁇ 8 CTUs and is divided into four slices (slices 1-4).
  • Slice 1 includes, for example, 16 CTUs
  • slice 2 includes, for example, 21 CTUs
  • slice 3 includes, for example, 29 CTUs
  • slice 4 includes, for example, 22 CTUs.
  • each CTU in a picture belongs to one of the slices.
  • the shape of a slice is obtained by dividing the picture horizontally.
  • the boundary of a slice does not need to be the edge of the screen, and may be any boundary of the CTUs in the screen.
  • the processing order (encoding order or decoding order) of the CTUs in a slice is, for example, raster scan order.
  • a slice includes a slice header and encoded data.
  • the slice header may describe the characteristics of the slice, such as the CTU address at the beginning of the slice and the slice type.
  • a tile is a rectangular unit that makes up a picture.
  • Each tile may be assigned a number called a TileId in raster scan order.
  • FIG. 4 is a diagram showing an example of a tile configuration.
  • a picture includes 11 ⁇ 8 CTUs and is divided into four rectangular tiles (tiles 1-4).
  • the processing order of the CTUs is changed compared to when tiles are not used.
  • the multiple CTUs in a picture are processed, for example, in raster scan order.
  • the processing order of the multiple CTUs included in tile 1 is from the left end of the first column of tile 1 to the right end of the first column of tile 1, and then from the left end of the second column of tile 1 to the right end of the second column of tile 1.
  • one tile may contain one or more slices, and one slice may contain one or more tiles.
  • a picture may be composed of tile sets.
  • a tile set may include one or more tile groups, and may include one or more tiles.
  • a picture may be composed of only one of tile sets, tile groups, and tiles. For example, the order in which multiple tiles for each tile set are scanned in raster order is set as the basic coding order for the tiles. A collection of one or more tiles in consecutive basic coding orders within each tile set is set as a tile group.
  • Such a picture may be composed by the division unit 102 (see FIG. 7), which will be described later.
  • [Scalable Coding] 5 and 6 are diagrams showing an example of a scalable stream structure.
  • the encoding device 100 may generate a temporally/spatially scalable stream by encoding each of a plurality of pictures separately into one of a plurality of layers.
  • the encoding device 100 realizes scalability in which an enhancement layer exists above a base layer by encoding pictures for each layer.
  • Such encoding of each picture is called scalable encoding.
  • This allows the decoding device 200 to switch the image quality of the image displayed by decoding the stream.
  • the decoding device 200 determines up to which layer to decode depending on an internal factor, namely its own performance, and an external factor, such as the state of the communication band.
  • the decoding device 200 can freely switch and decode the same content between low-resolution content and high-resolution content.
  • a user of the stream watches the video of the stream halfway using a smartphone while on the move, and watches the rest of the video using a device such as an Internet TV after returning home.
  • the above-mentioned smartphone and device each incorporate a decoding device 200 with the same or different performance. In this case, if the device decodes up to the upper layers of the stream, the user can watch high-quality video after returning home. This eliminates the need for the encoding device 100 to generate multiple streams with the same content but different image quality, thereby reducing the processing load.
  • the enhancement layer may include meta-information based on statistical information of the image, etc.
  • the decoding device 200 may generate a high-quality moving image by super-resolving the pictures of the base layer based on the meta-information.
  • Super-resolution may mean either an improvement in the signal-to-noise (SN) ratio at the same resolution, or an increase in resolution.
  • the meta-information may include information for specifying linear or nonlinear filter coefficients to be used in the super-resolution process, or information for specifying parameter values in the filter process, machine learning, or least squares calculation to be used in the super-resolution process.
  • the picture may be divided into tiles or the like according to the meaning of each object in the picture.
  • the decoding device 200 may decode only a part of the picture by selecting a tile to be decoded.
  • the attribute of the object person, car, ball, etc.
  • the position in the picture may be stored as meta information.
  • the decoding device 200 can identify the position of the desired object based on the meta information and determine the tile containing the object. For example, as shown in FIG. 6, the meta information is stored using a data storage structure different from the image data, such as SEI in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
  • meta information may be stored in units consisting of multiple pictures, such as streams, sequences, or random access units. This allows the decoding device 200 to obtain the time at which a specific person appears in a video, and by using this time and picture-by-picture information, it is possible to identify the picture in which an object exists and the position of the object within that picture.
  • Fig. 7 is a block diagram showing an example of the configuration of the encoding device 100 according to the embodiment.
  • the encoding device 100 encodes an image on a block-by-block basis.
  • the encoding device 100 is a device that encodes an image in units of blocks, and includes a division unit 102, a subtraction unit 104, a transformation unit 106, a quantization unit 108, an entropy encoding unit 110, an inverse quantization unit 112, an inverse transformation unit 114, an addition unit 116, a block memory 118, a loop filter unit 120, a frame memory 122, an intra prediction unit 124, an inter prediction unit 126, a prediction control unit 128, and a prediction parameter generation unit 130.
  • each of the intra prediction unit 124 and the inter prediction unit 126 is configured as part of a prediction processing unit.
  • FIG. 8 is a block diagram showing an implementation example of the encoding device 100.
  • the encoding device 100 includes a processor a1 and a memory a2.
  • the encoding device 100 shown in Fig. 7 are implemented by the processor a1 and the memory a2 shown in Fig. 8.
  • Processor a1 is a circuit that performs information processing and is a circuit that can access memory a2.
  • processor a1 is a dedicated or general-purpose electronic circuit that encodes images.
  • Processor a1 may be a processor such as a CPU.
  • Processor a1 may also be a collection of multiple electronic circuits.
  • processor a1 may also fulfill the roles of multiple components of the encoding device 100 shown in FIG. 7, excluding the components for storing information.
  • Memory a2 is a dedicated or general-purpose memory in which information for processor a1 to encode an image is stored.
  • Memory a2 may be an electronic circuit and may be connected to processor a1.
  • Memory a2 may also be included in processor a1.
  • Memory a2 may also be a collection of multiple electronic circuits.
  • Memory a2 may also be a magnetic disk or optical disk, etc., and may be expressed as storage or recording medium, etc.
  • Memory a2 may also be a non-volatile memory or a volatile memory.
  • the memory a2 may store an image to be encoded, or a stream corresponding to the encoded image.
  • the memory a2 may also store a program for the processor a1 to encode the image.
  • the memory a2 may play the role of a component for storing information among the multiple components of the encoding device 100 shown in FIG. 7. Specifically, the memory a2 may play the role of the block memory 118 and the frame memory 122 shown in FIG. 7. More specifically, the memory a2 may store a reconstructed image (specifically, a reconstructed block or a reconstructed picture, etc.).
  • FIG. 9 is a flowchart showing an example of the overall encoding process performed by the encoding device 100.
  • the division unit 102 of the encoding device 100 divides the picture included in the original image into multiple fixed-size blocks (128 x 128 pixels) (step Sa_1). Then, the division unit 102 selects a division pattern for the fixed-size blocks (step Sa_2). In other words, the division unit 102 further divides the fixed-size block into multiple blocks that constitute the selected division pattern. Then, the encoding device 100 performs the processes of steps Sa_3 to Sa_9 for each of the multiple blocks.
  • the prediction processing unit which is composed of the intra prediction unit 124 and the inter prediction unit 126, and the prediction control unit 128 generate a predicted image of the current block (step Sa_3).
  • the predicted image is also called a predicted signal, a predicted block, or a predicted sample.
  • the subtraction unit 104 generates the difference between the current block and the predicted image as a prediction residual (step Sa_4).
  • the prediction residual is also called a prediction error.
  • the transform unit 106 and the quantization unit 108 perform transform and quantization on the predicted image to generate multiple quantization coefficients (step Sa_5).
  • the entropy coding unit 110 generates a stream by performing coding (specifically, entropy coding) on the multiple quantization coefficients and the prediction parameters related to the generation of the predicted image (step Sa_6).
  • the inverse quantization unit 112 and the inverse transform unit 114 perform inverse quantization and inverse transform on the multiple quantized coefficients to restore the prediction residual (step Sa_7).
  • the adder 116 reconstructs the current block by adding the predicted image to the restored prediction residual (step Sa_8). This generates a reconstructed image.
  • the reconstructed image is also called a reconstructed block, and in particular, the reconstructed image generated by the encoding device 100 is also called a locally decoded block or a locally decoded image.
  • the loop filter unit 120 performs filtering on the reconstructed image as necessary (step Sa_9).
  • the encoding device 100 determines whether encoding of the entire picture is complete (step Sa_10), and if it determines that encoding is not complete (No in step Sa_10), it repeats the process from step Sa_2.
  • the encoding device 100 selects one division pattern for fixed-size blocks and encodes each block according to that division pattern, but it may also encode each block according to each of multiple division patterns. In this case, the encoding device 100 may evaluate the cost for each of the multiple division patterns and select, for example, the stream obtained by encoding according to the division pattern with the smallest cost as the final stream to be output.
  • steps Sa_1 to Sa_10 may be performed sequentially by the encoding device 100, or some of the processing may be performed in parallel, or the order may be changed.
  • the coding process performed by such a coding device 100 is hybrid coding that uses predictive coding and transform coding. Furthermore, predictive coding is performed by a coding loop consisting of the subtraction unit 104, transform unit 106, quantization unit 108, inverse quantization unit 112, inverse transform unit 114, addition unit 116, loop filter unit 120, block memory 118, frame memory 122, intra prediction unit 124, inter prediction unit 126, and prediction control unit 128. In other words, the prediction processing unit consisting of the intra prediction unit 124 and inter prediction unit 126 forms part of the coding loop.
  • the division unit 102 divides each picture included in the original image into a plurality of blocks, and outputs each block to the subtraction unit 104.
  • the division unit 102 first divides the picture into blocks of a fixed size (e.g., 128x128 pixels).
  • the fixed-size blocks may be called coding tree units (CTUs).
  • the division unit 102 then divides each of the fixed-size blocks into blocks of a variable size (e.g., 64x64 pixels or less) based on, for example, recursive quadtree and/or binary tree block division. That is, the division unit 102 selects a division pattern.
  • the variable-size blocks may be called coding units (CUs), prediction units (PUs), or transform units (TUs). Note that in various implementation examples, CUs, PUs, and TUs do not need to be distinguished, and some or all of the blocks in a picture may be the processing units of CUs, PUs, or TUs.
  • FIG. 10 is a diagram showing an example of block division in an embodiment.
  • solid lines represent block boundaries based on quadtree block division
  • dashed lines represent block boundaries based on binary tree block division.
  • block 10 is a square block of 128x128 pixels. This block 10 is first divided into four square blocks of 64x64 pixels (quadtree block division).
  • the upper left 64x64 pixel square block is further divided vertically into two rectangular blocks of 32x64 pixels each, and the left 32x64 pixel rectangular block is further divided vertically into two rectangular blocks of 16x64 pixels each (binary tree block division).
  • the upper left 64x64 pixel square block is divided into two 16x64 pixel rectangular blocks 11 and 12, and a 32x64 pixel rectangular block 13.
  • the upper right 64x64 pixel square block is divided horizontally into two rectangular blocks 14 and 15, each of 64x32 pixels (binary tree block division).
  • the lower left square block of 64x64 pixels is divided into four square blocks of 32x32 pixels each (quadtree block division). Of the four square blocks of 32x32 pixels each, the upper left and lower right blocks are further divided.
  • the upper left square block of 32x32 pixels is divided vertically into two rectangular blocks of 16x32 pixels each, and the right rectangular block of 16x32 pixels is further divided horizontally into two square blocks of 16x16 pixels each (binary tree block division).
  • the lower right square block of 32x32 pixels is divided horizontally into two rectangular blocks of 32x16 pixels each (binary tree block division).
  • the lower left square block of 64x64 pixels is divided into a rectangular block 16 of 16x32 pixels, two square blocks 17 and 18 each of 16x16 pixels, two square blocks 19 and 20 each of 32x32 pixels, and two rectangular blocks 21 and 22 each of 32x16 pixels.
  • block 10 is divided into 13 variable-sized blocks 11 to 23 based on recursive quad-tree and binary-tree block division.
  • This type of division is sometimes called QTBT (quad-tree plus binary tree) division.
  • one block is divided into four or two blocks (quadtree or binary tree block division), but the division is not limited to this.
  • one block may be divided into three blocks (ternary tree block division). Divisions that include such ternary tree block division are sometimes called MBT (multi type tree) divisions.
  • MBT multi type tree
  • FIG. 11 is a diagram showing an example of the configuration of the division unit 102.
  • the division unit 102 may include a block division determination unit 102a.
  • the block division determination unit 102a may perform the following processing.
  • the block division determination unit 102a collects block information from the block memory 118 or the frame memory 122, and determines the above-mentioned division pattern based on the block information.
  • the division unit 102 divides the original image according to the division pattern, and outputs one or more blocks obtained by the division to the subtraction unit 104.
  • the block division determination unit 102a also outputs, for example, parameters indicating the above-mentioned division pattern to the transformation unit 106, the inverse transformation unit 114, the intra prediction unit 124, the inter prediction unit 126, and the entropy coding unit 110.
  • the transformation unit 106 may transform the prediction residual based on the parameters, and the intra prediction unit 124 and the inter prediction unit 126 may generate a predicted image based on the parameters.
  • the entropy coding unit 110 may also perform entropy coding on the parameters.
  • parameters related to the splitting pattern may be written to the stream as follows:
  • FIG. 12 shows examples of division patterns.
  • the division patterns include, for example, 4-way division (QT) in which a block is divided into two parts in each of the horizontal and vertical directions, 3-way division (HT or VT) in which a block is divided in the same direction in a 1:2:1 ratio, 2-way division (HB or VB) in which a block is divided in the same direction in a 1:1 ratio, and no division (NS).
  • QT 4-way division
  • HT or VT 3-way division
  • HB or VB 2-way division
  • NS no division
  • the division pattern does not have a block division direction, but in the case of division into two or three, the division pattern has division direction information.
  • FIG. 13A and 13B are diagrams showing an example of a syntax tree of a splitting pattern.
  • S Split flag
  • QT QT flag
  • TT TT flag or BT: BT flag
  • BT flag BT flag
  • the split direction Ver: Vertical flag or Hor: Horizontal flag
  • the information is arranged in the order S, QT, TT, Ver, but the information may also be arranged in the order S, QT, Ver, BT. That is, in the example of FIG. 13B, first there is information indicating whether or not to split (S: Split flag), then there is information indicating whether or not to split into four (QT: QT flag). Next there is information indicating the split direction (Ver: Vertical flag or Hor: Horizontal flag), and finally there is information indicating whether to split into two or three (BT: BT flag or TT: TT flag).
  • division patterns described here are just examples, and division patterns other than those described may be used, or only some of the division patterns described may be used.
  • the subtraction unit 104 subtracts the predicted image (the predicted image input from the prediction control unit 128) from the original image for each block input from the division unit 102. That is, the subtraction unit 104 calculates a prediction residual of the current block. Then, the subtraction unit 104 outputs the calculated prediction residual to the conversion unit 106.
  • the original image is an input signal to the encoding device 100, and is, for example, a signal representing the image of each picture that constitutes a moving image (e.g., a luma signal and two chroma signals).
  • a signal representing the image of each picture that constitutes a moving image e.g., a luma signal and two chroma signals.
  • the transform unit 106 transforms the spatial domain prediction residual into a transform coefficient in the frequency domain, and outputs the transform coefficient to the quantization unit 108. Specifically, the transform unit 106 performs a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) on the spatial domain prediction residual, for example.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the multiple transform types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I, and DST-VII. These transform types may be written as DCT2, DCT5, DCT8, DST1, and DST7, respectively.
  • FIG. 14 is a table showing the transform basis functions corresponding to each transform type. In FIG. 14, N indicates the number of input pixels. The selection of a transform type from among these multiple transform types may depend, for example, on the type of prediction (such as intra prediction and inter prediction) or on the intra prediction mode.
  • EMT flag or an AMT flag Information indicating whether such EMT or AMT is applied (e.g., called an EMT flag or an AMT flag) and information indicating the selected transformation type are typically signaled at the CU level. Note that signaling of this information does not need to be limited to the CU level, but may also be at other levels (e.g., sequence level, picture level, slice level, brick level, or CTU level).
  • the transform unit 106 may also retransform the transform coefficients (i.e., the transform results). Such retransformation may be called AST (adaptive secondary transform) or NSST (non-separable secondary transform). For example, the transform unit 106 performs retransformation for each subblock (e.g., a subblock of 4x4 pixels) included in a block of transform coefficients corresponding to intra-prediction residuals.
  • Information indicating whether or not to apply NSST and information regarding the transform matrix used for NSST are usually signaled at the CU level. Note that the signaling of these pieces of information does not need to be limited to the CU level, and may be at other levels (e.g., sequence level, picture level, slice level, brick level, or CTU level).
  • the conversion unit 106 may apply a separable conversion and a non-separable conversion.
  • a separable conversion is a method in which the conversion is performed multiple times by separating the input into directions for the number of dimensions
  • a non-separable conversion is a method in which, when the input is multidimensional, two or more dimensions are combined and treated as one dimension, and the conversion is performed collectively.
  • one example of a non-separable transformation would be one in which, if the input is a 4x4 pixel block, it is treated as a single array with 16 elements, and a transformation process is performed on that array using a 16x16 transformation matrix.
  • a 4x4 pixel input block may be treated as a single array with 16 elements, and then a transformation (Hypercube Givens Transform) may be performed on the array by performing Givens rotation multiple times.
  • a transformation Hypercube Givens Transform
  • the conversion unit 106 In the conversion performed by the conversion unit 106, it is also possible to switch the type of conversion basis function used to convert to the frequency domain depending on the area within the CU.
  • One example is SVT (Spatially Varying Transform).
  • FIG. 15 shows an example of an SVT.
  • a CU is divided into two equal parts in the horizontal or vertical direction, and only one of the regions is transformed into the frequency domain.
  • the transformation type may be set for each region, and for example, DST7 and DCT8 are used.
  • DST7 and DCT8 may be used for the region at position 0.
  • DST7 is used for the region at position 1.
  • DST7 and DCT8 are used for the region at position 0.
  • DST7 is used for the region at position 1.
  • the division method may be not only divided into two but also into four equal parts. It is also possible to make it more flexible by encoding information indicating the division method and signaling it in the same way as CU division. SVT is also sometimes called SBT (Sub-block Transform).
  • IMTS may be available only for intra-predicted blocks, or for both intra-predicted and inter-predicted blocks.
  • the above describes three processes, MTS, SBT, and IMTS, as selection processes for selectively switching the transform type used in the orthogonal transform. All three selection processes may be enabled, or only some of the selection processes may be selectively enabled. Whether each selection process is enabled can be identified by flag information in a header such as SPS. For example, if all three selection processes are enabled, one of the three selection processes is selected on a CU-by-CU basis to perform the orthogonal transform. Note that the selection process for selectively switching the transform type may use a selection process different from the above three selection processes, or each of the above three selection processes may be replaced with a different process, as long as at least one of the following four functions [1] to [4] can be realized.
  • Function [1] is a function for orthogonally transforming the entire range in the CU and encoding information indicating the transform type used for the transform.
  • Function [2] is a function for orthogonally transforming the entire range of the CU and determining the transform type based on a predetermined rule without encoding information indicating the transform type.
  • Function [3] is a function that performs an orthogonal transform on a portion of a CU and encodes information indicating the type of transform used for the transform.
  • Function [4] is a function that performs an orthogonal transform on a portion of a CU and determines the type of transform used for the transform based on a predetermined rule without encoding information indicating the type of transform used for the transform.
  • the application of MTS, IMTS, and SBT may be determined for each processing unit.
  • the application of each may be determined for each sequence, picture, brick, slice, CTU, or CU.
  • the tool for selectively switching the transformation type in this disclosure may be rephrased as a method for adaptively selecting a basis to be used in the transformation process, a selection process, or a process for selecting a basis. Also, the tool for selectively switching the transformation type may be rephrased as a mode for adaptively selecting a transformation type.
  • FIG. 16 is a flowchart showing an example of processing by the conversion unit 106.
  • the transform unit 106 determines whether or not to perform an orthogonal transform (step St_1).
  • the transform unit 106 determines to perform an orthogonal transform (Yes in step St_1), it selects a transform type to be used for the orthogonal transform from among a plurality of transform types (step St_2).
  • the transform unit 106 performs an orthogonal transform by applying the selected transform type to the prediction residual of the current block (step St_3).
  • the transform unit 106 outputs information indicating the selected transform type to the entropy coding unit 110, thereby causing the information to be coded (step St_4).
  • the transform unit 106 determines not to perform an orthogonal transform (No in step St_1), it outputs information indicating that an orthogonal transform is not performed to the entropy coding unit 110, thereby causing the information to be coded (step St_5).
  • the determination of whether or not to perform an orthogonal transform in step St_1 may be determined based on, for example, the size of the transform block, the prediction mode applied to the CU, and the like.
  • information indicating the transform type used for the orthogonal transform may not be coded, and the orthogonal transform may be performed using a predefined transform type.
  • FIG. 17 is a flowchart showing another example of processing by the transform unit 106. Note that the example shown in FIG. 17 is an example of orthogonal transform in which a method of selectively switching the transform type used for the orthogonal transform is applied, similar to the example shown in FIG. 16.
  • the first group of transform types may include DCT2, DST7, and DCT8.
  • the second group of transform types may include DCT2.
  • the transform types included in the first group of transform types and the second group of transform types may partially overlap, or may all be different transform types.
  • the transform unit 106 determines whether the transform size is equal to or smaller than a predetermined value (step Su_1). If it is determined that the transform size is equal to or smaller than the predetermined value (Yes in step Su_1), the transform unit 106 performs an orthogonal transform on the prediction residual of the current block using a transform type included in the first transform type group (step Su_2). Next, the transform unit 106 outputs information indicating which transform type to use from the one or more transform types included in the first transform type group to the entropy coding unit 110, thereby causing the information to be coded (step Su_3).
  • the transform unit 106 determines that the transform size is not equal to or smaller than the predetermined value (No in step Su_1), the transform unit 106 performs an orthogonal transform on the prediction residual of the current block using the second transform type group (step Su_4).
  • the information indicating the transform type used for the orthogonal transform may be information indicating a combination of a transform type to be applied in the vertical direction and a transform type to be applied in the horizontal direction of the current block.
  • the first transform type group may include only one transform type, and the information indicating the transform type to be used for the orthogonal transform may not be encoded.
  • the second transform type group may include multiple transform types, and the information indicating the transform type to be used for the orthogonal transform, among the one or more transform types included in the second transform type group, may be encoded.
  • the transform type may also be determined based only on the transform size. Note that as long as the process determines the transform type to be used for the orthogonal transform based on the transform size, it is not limited to determining whether the transform size is equal to or smaller than a predetermined value.
  • the quantization unit 108 quantizes the transform coefficients output from the transform unit 106. Specifically, the quantization unit 108 scans the transform coefficients of the current block in a predetermined scanning order and quantizes the transform coefficients based on a quantization parameter (QP) corresponding to the scanned transform coefficients. The quantization unit 108 then outputs the quantized transform coefficients of the current block (hereinafter, referred to as quantized coefficients) to the entropy coding unit 110 and the inverse quantization unit 112.
  • QP quantization parameter
  • the predetermined scanning order is the order for quantizing/dequantizing the transform coefficients.
  • the predetermined scanning order is defined as ascending frequency (low to high frequency) or descending frequency (high to low frequency).
  • the quantization parameter is a parameter that defines the quantization step (quantization width). For example, as the value of the quantization parameter increases, the quantization step also increases. In other words, as the value of the quantization parameter increases, the error in the quantization coefficient (quantization error) increases.
  • a quantization matrix that is directly set on the encoding device 100 side There are two methods for using a quantization matrix: one is to use a quantization matrix that is directly set on the encoding device 100 side, and the other is to use a default quantization matrix (default matrix).
  • a quantization matrix that corresponds to the characteristics of the image can be set by directly setting the quantization matrix.
  • a quantization matrix to be used for quantizing the current block may be generated based on the default quantization matrix or the encoded quantization matrix.
  • the quantization matrix may be coded, for example, at the sequence level, picture level, slice level, brick level or CTU level.
  • the quantization width calculated from the quantization parameters for each transform coefficient is scaled using the value of the quantization matrix.
  • the quantization process performed without using a quantization matrix may be a process in which the transform coefficient is quantized based on the quantization width calculated from the quantization parameters. Note that in the quantization process performed without using a quantization matrix, the quantization width may be multiplied by a predetermined value that is common to all transform coefficients in the block.
  • FIG. 18 is a block diagram showing an example of the configuration of the quantization unit 108.
  • the quantization unit 108 includes, for example, a differential quantization parameter generation unit 108a, a predicted quantization parameter generation unit 108b, a quantization parameter generation unit 108c, a quantization parameter storage unit 108d, and a quantization processing unit 108e.
  • FIG. 19 is a flowchart showing an example of quantization by the quantization unit 108.
  • the quantization unit 108 may perform quantization for each CU based on the flowchart shown in FIG. 19. Specifically, the quantization parameter generation unit 108c determines whether or not to perform quantization (step Sv_1). If it is determined that quantization is to be performed (Yes in step Sv_1), the quantization parameter generation unit 108c generates a quantization parameter for the current block (step Sv_2) and stores the quantization parameter in the quantization parameter storage unit 108d (step Sv_3).
  • the quantization processing unit 108e quantizes the transform coefficients of the current block using the quantization parameters generated in step Sv_2 (step Sv_4).
  • the predicted quantization parameter generation unit 108b acquires a quantization parameter of a processing unit different from the current block from the quantization parameter storage unit 108d (step Sv_5).
  • the predicted quantization parameter generation unit 108b generates a predicted quantization parameter of the current block based on the acquired quantization parameter (step Sv_6).
  • the differential quantization parameter generation unit 108a calculates the difference between the quantization parameter of the current block generated by the quantization parameter generation unit 108c and the predicted quantization parameter of the current block generated by the predicted quantization parameter generation unit 108b (step Sv_7).
  • the differential quantization parameter is generated by calculating this difference.
  • the differential quantization parameter generation unit 108a outputs the differential quantization parameter to the entropy coding unit 110, thereby causing the differential quantization parameter to be coded (step Sv_8).
  • the differential quantization parameter may be coded at the sequence level, picture level, slice level, brick level, or CTU level.
  • the initial value of the quantization parameter may be coded at the sequence level, picture level, slice level, brick level, or CTU level.
  • the quantization parameter may be generated using the initial value of the quantization parameter and the differential quantization parameter.
  • the quantization unit 108 may be equipped with multiple quantizers and may apply dependent quantization, which quantizes the transform coefficients using a quantization method selected from multiple quantization methods.
  • the entropy coding unit 110 generates a stream by performing entropy coding on the quantization coefficients input from the quantization unit 108 and the prediction parameters input from the prediction parameter generation unit 130.
  • CABAC Context-based Adaptive Binary Arithmetic Coding
  • the entropy coding unit 110 includes, for example, a binarization unit 110a, a context control unit 110b, and a binary arithmetic coding unit 110c.
  • the binarization unit 110a performs binarization to convert multi-value signals such as the quantization coefficients and the prediction parameters into binary signals.
  • the context control unit 110b derives a context value, i.e., the probability of occurrence of a binary signal, according to the characteristics of the syntax element or the surrounding circumstances. Methods for deriving this context value include, for example, bypass, referencing syntax elements, referencing upper and left adjacent blocks, referencing hierarchical information, and others.
  • the binary arithmetic coding unit 110c performs arithmetic coding on the binary signal using the derived context value.
  • initialization is performed.
  • initialization is performed in the binary arithmetic coding unit 110c and initial context values are set.
  • the binarization unit 110a and the binary arithmetic coding unit 110c perform binarization and arithmetic coding, for example, for each of the multiple quantization coefficients of a CTU in turn.
  • the context control unit 110b updates the context value every time arithmetic coding is performed.
  • the context control unit 110b saves the context value. This saved context value is used, for example, as the initial context value for the next CTU.
  • the inverse quantization unit 112 inverse quantizes the quantized coefficients input from the quantization unit 108. Specifically, the inverse quantization unit 112 inverse quantizes the quantized coefficients of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inverse quantized transform coefficients of the current block to the inverse transform unit 114.
  • the inverse transform unit 114 restores the prediction residual by inverse transforming the transform coefficients input from the inverse quantization unit 112. Specifically, the inverse transform unit 114 restores the prediction residual of the current block by performing an inverse transform on the transform coefficients corresponding to the transform by the transform unit 106. Then, the inverse transform unit 114 outputs the restored prediction residual to the adder unit 116.
  • the restored prediction residual usually does not match the prediction error calculated by the subtraction unit 104 because information is lost due to quantization. In other words, the restored prediction residual usually contains quantization error.
  • the adder 116 reconstructs the current block by adding the prediction residual input from the inverse transformer 114 and the prediction image input from the prediction control unit 128. As a result, a reconstructed image is generated. The adder 116 then outputs the reconstructed image to the block memory 118 and the loop filter unit 120.
  • the block memory 118 is a storage unit for storing, for example, blocks in the current picture that are referenced in intra prediction. Specifically, the block memory 118 stores the reconstructed image output from the adder 116.
  • the frame memory 122 is a storage unit for storing, for example, a reference picture used in inter prediction, and is also called a frame buffer. Specifically, the frame memory 122 stores the reconstructed image filtered by the loop filter unit 120.
  • the loop filter unit 120 performs loop filtering on the reconstructed image output from the adder unit 116, and outputs the filtered reconstructed image to the frame memory 122.
  • the loop filter is a filter (in-loop filter) used in the encoding loop, and includes, for example, an adaptive loop filter (ALF), a deblocking filter (DF or DBF), and a sample adaptive offset (SAO).
  • ALF adaptive loop filter
  • DF or DBF deblocking filter
  • SAO sample adaptive offset
  • FIG. 22 is a block diagram showing an example of the configuration of the loop filter unit 120.
  • the loop filter unit 120 includes a deblocking filter processing unit 120a, an SAO processing unit 120b, and an ALF processing unit 120c, as shown in FIG. 22, for example.
  • the deblocking filter processing unit 120a performs the above-mentioned deblocking filter processing on the reconstructed image.
  • the SAO processing unit 120b performs the above-mentioned SAO processing on the reconstructed image after the deblocking filter processing.
  • the ALF processing unit 120c applies the above-mentioned ALF processing to the reconstructed image after the SAO processing. Details of the ALF and the deblocking filter will be described later.
  • the SAO processing is a process that improves image quality by reducing ringing (a phenomenon in which pixel values are distorted in a wavy manner around edges) and correcting pixel value deviations.
  • Examples of this SAO processing include edge offset processing and band offset processing.
  • the loop filter unit 120 does not need to include all of the processing units disclosed in FIG. 22, and may include only some of the processing units. Furthermore, the loop filter unit 120 may be configured to perform the above-mentioned processes in an order different from the processing order disclosed in FIG. 22.
  • loop filter section > Adaptive loop filter In ALF, a least squared error filter is applied to remove coding artifacts, for example for each 2x2 pixel sub-block in the current block, one filter selected from among multiple filters based on local gradient direction and activity is applied.
  • a subblock e.g., a 2x2 pixel subblock
  • the subblocks are classified, for example, based on the gradient direction and activity.
  • D e.g., 0-2 or 0-4
  • the gradient activity value A e.g., 0-4
  • the gradient direction value D is derived, for example, by comparing gradients in multiple directions (e.g., horizontal, vertical, and two diagonal directions).
  • the gradient activity value A is derived, for example, by adding gradients in multiple directions and quantizing the sum.
  • a filter for the subblock is selected from among multiple filters.
  • the filter shape used in ALF is, for example, a circularly symmetric shape.
  • Figures 23A to 23C are diagrams showing several examples of filter shapes used in ALF.
  • Figure 23A shows a 5x5 diamond-shaped filter
  • Figure 23B shows a 7x7 diamond-shaped filter
  • Figure 23C shows a 9x9 diamond-shaped filter.
  • Information indicating the filter shape is usually signaled at the picture level. Note that signaling of information indicating the filter shape does not need to be limited to the picture level, and may be at other levels (e.g., sequence level, slice level, brick level, CTU level, or CU level).
  • the on/off state of ALF may be determined, for example, at the picture level or at the CU level. For example, whether or not to apply ALF for luminance may be determined at the CU level, and whether or not to apply ALF for chrominance may be determined at the picture level.
  • Information indicating whether ALF is on/off is usually signaled at the picture level or at the CU level. Note that the signaling of information indicating whether ALF is on/off does not need to be limited to the picture level or the CU level, and may be at other levels (for example, the sequence level, slice level, brick level, or CTU level).
  • one filter is selected from the plurality of filters to perform ALF processing on the subblock.
  • a coefficient set consisting of a plurality of coefficients used in that filter is typically signaled at the picture level. Note that the signaling of the coefficient set does not need to be limited to the picture level, but may be at other levels (e.g., sequence level, slice level, brick level, CTU level, CU level, or subblock level).
  • FIG. 23D shows an example where a Y sample (first component) is used for Cb CCALF and Cr CCALF (multiple components different from the first component), and Fig. 23E shows a diamond shaped filter.
  • CC-ALF works by applying a linear diamond-shaped filter ( Figures 23D, 23E) to the luma channel of each chroma component.
  • the filter coefficients are sent in APS, scaled by a factor of 2 ⁇ 10, and rounded for fixed-point representation.
  • the application of the filters is controlled by variable block sizes and signaled by context-coded flags received for each block of samples.
  • Block sizes and CC-ALF enable flags are received at the slice level for each chroma component.
  • the syntax and semantics of CC-ALF are provided in the Appendix. The contribution supports block sizes of 16x16, 32x32, 64x64, and 128x128 (for chroma samples).
  • Fig. 23F is a diagram showing an example of JC-CCALF
  • Fig. 23G is a diagram showing an example of weight_index candidates of JC-CCALF.
  • JC-CCALF uses only one CCALF filter to generate one CCALF filter output as a chrominance adjustment signal for only one color component, and applies an appropriately weighted version of the same chrominance adjustment signal to the other color component. In this way, the complexity of existing CCALF is roughly halved.
  • the weight value is coded into a sign flag and a weight index.
  • the weight index (denoted weight_index) is coded into 3 bits and specifies the magnitude of the JC-CCALF weight JcCcWeight. It cannot be equal to 0.
  • the magnitude of JcCcWeight is determined as follows:
  • JcCcWeight is equal to 4/(weight_index-4).
  • loop filter unit 120 reduces distortion occurring at block boundaries of the reconstructed image by applying filtering to the block boundaries.
  • FIG. 24 is a block diagram showing an example of a detailed configuration of the deblocking filter processing unit 120a.
  • the deblocking filter processing unit 120a includes, for example, a boundary determination unit 1201, a filter determination unit 1203, a filter processing unit 1205, a processing determination unit 1208, a filter characteristic determination unit 1207, and switches 1202, 1204, and 1206.
  • the boundary determination unit 1201 determines whether or not the pixel to be deblocking filtered (i.e., the target pixel) is located near a block boundary. The boundary determination unit 1201 then outputs the determination result to the switch 1202 and the processing determination unit 1208.
  • the switch 1202 If the boundary determination unit 1201 determines that the target pixel is near the block boundary, the switch 1202 outputs the image before filtering to the switch 1204. Conversely, if the boundary determination unit 1201 determines that the target pixel is not near the block boundary, the switch 1202 outputs the image before filtering to the switch 1206. Note that the image before filtering is an image consisting of the target pixel and at least one surrounding pixel surrounding the target pixel.
  • the filter determination unit 1203 determines whether or not to perform deblocking filter processing on the target pixel based on the pixel value of at least one surrounding pixel around the target pixel. The filter determination unit 1203 then outputs the determination result to the switch 1204 and the processing determination unit 1208.
  • the switch 1204 If the filter determination unit 1203 determines that deblocking filter processing is to be performed on the target pixel, the switch 1204 outputs the pre-filter image acquired via the switch 1202 to the filter processing unit 1205. Conversely, if the filter determination unit 1203 determines that deblocking filter processing is not to be performed on the target pixel, the switch 1204 outputs the pre-filter image acquired via the switch 1202 to the switch 1206.
  • the filter processing unit 1205 acquires an image before filtering via the switches 1202 and 1204, it executes deblocking filter processing on the target pixel, with the filter characteristics determined by the filter characteristics determination unit 1207. Then, the filter processing unit 1205 outputs the pixel after filtering to the switch 1206.
  • the switch 1206 selectively outputs pixels that have not been deblocking filtered and pixels that have been deblocking filtered by the filter processing unit 1205, according to the control of the processing determination unit 1208.
  • the process determination unit 1208 controls the switch 1206 based on the results of the determinations made by the boundary determination unit 1201 and the filter determination unit 1203. That is, when the boundary determination unit 1201 determines that the target pixel is located near a block boundary and the filter determination unit 1203 determines that the target pixel is to be deblocking filtered, the process determination unit 1208 causes the switch 1206 to output a pixel that has been deblocking filtered. In cases other than those described above, the process determination unit 1208 causes the switch 1206 to output a pixel that has not been deblocking filtered. By repeatedly outputting pixels in this way, the filter-processed image is output from the switch 1206. Note that the configuration shown in FIG. 24 is an example of the configuration of the deblocking filter processing unit 120a, and the deblocking filter processing unit 120a may have other configurations.
  • Figure 25 shows an example of a deblocking filter that has filter characteristics that are symmetric with respect to block boundaries.
  • deblocking filter processing for example, pixel values and quantization parameters are used to select one of two deblocking filters with different characteristics, namely a strong filter and a weak filter.
  • a strong filter as shown in FIG. 25, when pixels p0 to p2 and pixels q0 to q2 exist on either side of a block boundary, the pixel values of pixels q0 to q2 are changed to pixel values q'0 to q'2 by performing the calculation shown in the following formula.
  • p0 to p2 and q0 to q2 are the pixel values of pixels p0 to p2 and pixels q0 to q2, respectively.
  • q3 is the pixel value of pixel q3, which is adjacent to pixel q2 on the opposite side of the block boundary.
  • the coefficients by which the pixel values of each pixel used in the deblocking filter process are multiplied are the filter coefficients.
  • clipping may be performed so that the pixel value after the calculation does not change beyond a threshold.
  • the pixel value after the calculation according to the above formula is clipped to "pixel value before the calculation ⁇ 2 ⁇ threshold" using a threshold determined from the quantization parameter. This makes it possible to prevent excessive smoothing.
  • FIG. 26 is a diagram for explaining an example of a block boundary where deblocking filter processing is performed.
  • FIG. 27 is a diagram showing an example of a BS value.
  • the block boundaries on which the deblocking filter process is performed are, for example, the boundaries of CU, PU, or TU in an 8x8 pixel block as shown in FIG. 26.
  • the deblocking filter process is performed, for example, in units of 4 rows or 4 columns.
  • the Bs (Boundary Strength) value is determined for block P and block Q shown in FIG. 26 as shown in FIG. 27.
  • Deblocking filter processing for color difference signals is performed when the Bs value is 2.
  • Deblocking filter processing for luminance signals is performed when the Bs value is 1 or greater and certain conditions are satisfied. Note that the conditions for determining the Bs value are not limited to those shown in FIG. 27, and may be determined based on other parameters.
  • [Prediction unit (intra prediction unit, inter prediction unit, prediction control unit)] 28 is a flowchart showing an example of processing performed in the prediction unit of the encoding device 100.
  • the prediction unit is made up of all or some of the components of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction processing unit includes, for example, the intra prediction unit 124 and the inter prediction unit 126.
  • the prediction unit generates a predicted image of the current block (step Sb_1).
  • the predicted image may be, for example, an intra-predicted image (intra-predicted signal) or an inter-predicted image (inter-predicted signal).
  • the prediction unit generates a predicted image of the current block using a reconstructed image that has already been obtained by generating predicted images for other blocks, generating prediction residuals, generating quantization coefficients, restoring the prediction residuals, and adding the predicted images.
  • the reconstructed image may be, for example, an image of a reference picture, or an image of an encoded block (i.e., the other block mentioned above) in the current picture, which is a picture that includes the current block.
  • the encoded block in the current picture is, for example, an adjacent block of the current block.
  • FIG. 29 is a flowchart showing another example of processing performed by the prediction unit of the encoding device 100.
  • the prediction unit generates a predicted image using a first method (step Sc_1a), generates a predicted image using a second method (step Sc_1b), and generates a predicted image using a third method (step Sc_1c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, and may be, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. These prediction methods may use the reconstructed image described above.
  • the prediction unit evaluates the predicted images generated in steps Sc_1a, Sc_1b, and Sc_1c (step Sc_2). For example, the prediction unit calculates a cost C for each of the predicted images generated in steps Sc_1a, Sc_1b, and Sc_1c, and evaluates the predicted images by comparing the costs C of the predicted images.
  • D is the coding distortion of the predicted image, and is represented by, for example, the sum of absolute differences between the pixel values of the current block and the pixel values of the predicted image.
  • R is the bit rate of the stream.
  • ⁇ is, for example, an undetermined Lagrange multiplier.
  • the prediction unit selects one of the predicted images generated in each of steps Sc_1a, Sc_1b, and Sc_1c (step Sc_3). That is, the prediction unit selects a method or mode for obtaining a final predicted image. For example, the prediction unit selects a predicted image with the smallest cost C based on the costs C calculated for those predicted images. Alternatively, the evaluation in step Sc_2 and the selection of the predicted image in step Sc_3 may be performed based on parameters used in the encoding process.
  • the encoding device 100 may signal information for identifying the selected predicted image, method, or mode in the stream. The information may be, for example, a flag.
  • the decoding device 200 to generate a predicted image according to the method or mode selected in the encoding device 100 based on the information.
  • the prediction unit generates a predicted image in each method and then selects one of the predicted images.
  • the prediction unit may select a method or mode based on the parameters used in the encoding process described above, and generate the predicted images according to that method or mode.
  • the first method and the second method may be intra prediction and inter prediction, respectively, and the prediction unit may select a final predicted image for the current block from predicted images generated according to these prediction methods.
  • FIG. 30 is a flowchart showing another example of processing performed by the prediction unit of the encoding device 100.
  • the prediction unit generates a predicted image by intra prediction (step Sd_1a), and generates a predicted image by inter prediction (step Sd_1b).
  • the predicted image generated by intra prediction is also called an intra predicted image
  • the predicted image generated by inter prediction is also called an inter predicted image.
  • the prediction unit then evaluates each of the intra-predicted image and the inter-predicted image (step Sd_2).
  • the above-mentioned cost C may be used for this evaluation.
  • the prediction unit may then select the predicted image for which the smallest cost C has been calculated from the intra-predicted image and the inter-predicted image as the final predicted image for the current block (step Sd_3). In other words, a prediction method or mode for generating a predicted image for the current block is selected.
  • the intra prediction unit 124 generates a predicted image (i.e., an intra prediction image) of the current block by performing intra prediction (also called intra-screen prediction) of the current block with reference to a block in the current picture stored in the block memory 118. Specifically, the intra prediction unit 124 generates an intra prediction image by performing intra prediction with reference to pixel values (e.g., luminance values, chrominance values) of blocks adjacent to the current block, and outputs the intra prediction image to the prediction control unit 128.
  • pixel values e.g., luminance values, chrominance values
  • the intra prediction unit 124 performs intra prediction using one of a number of predefined intra prediction modes.
  • the multiple intra prediction modes typically include one or more non-directional prediction modes and a number of directional prediction modes.
  • the one or more non-directional prediction modes include, for example, the planar prediction mode and the DC prediction mode defined in the H.265/HEVC standard.
  • the multiple directional prediction modes include, for example, the 33 prediction modes defined in the H.265/HEVC standard.
  • the multiple directional prediction modes may include 32 prediction modes in addition to the 33 directions (a total of 65 directional prediction modes).
  • FIG. 31 is a diagram showing all 67 intra prediction modes (2 non-directional prediction modes and 65 directional prediction modes) in intra prediction.
  • the solid arrows represent the 33 directions defined in the H.265/HEVC standard, and the dashed arrows represent the additional 32 directions (the 2 non-directional prediction modes are not shown in FIG. 31).
  • a luma block may be referenced in intra prediction of a chroma block. That is, the chroma component of the current block may be predicted based on the luma component of the current block.
  • Such intra prediction may be referred to as CCLM (cross-component linear model) prediction.
  • An intra prediction mode of a chroma block that references such a luma block e.g., referred to as a CCLM mode
  • the intra prediction unit 124 may correct pixel values after intra prediction based on the gradient of reference pixels in the horizontal/vertical directions. Intra prediction involving such correction is sometimes called PDPC (position dependent intra prediction combination). Information indicating whether PDPC is applied (e.g., called a PDPC flag) is usually signaled at the CU level. Note that the signaling of this information does not need to be limited to the CU level, and may be at other levels (e.g., sequence level, picture level, slice level, brick level, or CTU level).
  • FIG. 32 is a flowchart showing an example of processing by the intra prediction unit 124.
  • the intra prediction unit 124 selects one intra prediction mode from among a plurality of intra prediction modes (step Sw_1). Then, the intra prediction unit 124 generates a predicted image according to the selected intra prediction mode (step Sw_2). Next, the intra prediction unit 124 determines the Most Probable Modes (MPM) (step Sw_3).
  • the MPM consists of, for example, six intra prediction modes. Two of the six intra prediction modes may be a planar prediction mode and a DC prediction mode, and the remaining four modes may be directional prediction modes. Then, the intra prediction unit 124 determines whether the intra prediction mode selected in step Sw_1 is included in the MPM (step Sw_4).
  • the intra prediction unit 124 sets the MPM flag to 1 (step Sw_5) and generates information indicating the selected intra prediction mode from the MPM (step Sw_6).
  • the MPM flag set to 1 and the information indicating the intra prediction mode are each encoded by the entropy encoding unit 110 as prediction parameters.
  • the intra prediction unit 124 sets the MPM flag to 0 (step Sw_7). Alternatively, the intra prediction unit 124 does not set the MPM flag. Then, the intra prediction unit 124 generates information indicating the selected intra prediction mode from among one or more intra prediction modes not included in the MPM (step Sw_8). Note that the MPM flag set to 0 and the information indicating the intra prediction mode are each coded by the entropy coding unit 110 as prediction parameters. The information indicating the intra prediction mode indicates, for example, any value between 0 and 60.
  • the inter prediction unit 126 generates a predicted image (inter prediction image) by performing inter prediction (also called inter prediction) of the current block with reference to a reference picture stored in the frame memory 122 and different from the current picture.
  • the inter prediction is performed in units of the current block or the current sub-block in the current block.
  • the sub-block is included in a block and is a unit smaller than a block.
  • the size of the sub-block may be 4x4 pixels, 8x8 pixels, or another size.
  • the size of the sub-block may be switched in units of slice, brick, picture, or the like.
  • the inter prediction unit 126 performs motion estimation in a reference picture for the current block or current sub-block to find a reference block or sub-block that best matches the current block or current sub-block.
  • the inter prediction unit 126 then obtains motion information (e.g., a motion vector) that compensates for the motion or change from the reference block or sub-block to the current block or sub-block.
  • the inter prediction unit 126 performs motion compensation (or motion prediction) based on the motion information to generate an inter prediction image of the current block or sub-block.
  • the inter prediction unit 126 outputs the generated inter prediction image to the prediction control unit 128.
  • the motion information used for motion compensation may be signaled as an inter-prediction image in various forms.
  • a motion vector may be signaled.
  • the difference between a motion vector and a motion vector predictor may be signaled.
  • FIG. 33 is a diagram showing an example of each reference picture
  • FIG. 34 is a conceptual diagram showing an example of a reference picture list.
  • the reference picture list is a list showing one or more reference pictures stored in the frame memory 122.
  • a rectangle indicates a picture
  • an arrow indicates a reference relationship between pictures
  • the horizontal axis indicates time
  • I, P, and B in the rectangle indicate an intra-predicted picture, a uni-predicted picture, and a bi-predicted picture, respectively
  • the numbers in the rectangle indicate a decoding order.
  • the decoding order of each picture is I0, P1, B2, B3, B4, and the display order of each picture is I0, B3, B2, B4, P1.
  • the reference picture list is a list representing candidates for reference pictures, and for example, one picture (or slice) may have one or more reference picture lists. For example, if the current picture is a uni-predicted picture, one reference picture list is used, and if the current picture is a bi-predicted picture, two reference picture lists are used.
  • the picture B3, which is the current picture currPic has two reference picture lists, the L0 list and the L1 list.
  • the reference picture candidates of the current picture currPic are I0, P1, and B2, and each reference picture list (i.e., the L0 list and the L1 list) indicates these pictures.
  • the inter prediction unit 126 or the prediction control unit 128 specifies which picture in each reference picture list is actually referenced by the reference picture index refIdxLx.
  • the reference pictures P1 and B2 are specified by the reference picture indexes refIdxL0 and refIdxL1.
  • Such a reference picture list may be generated on a sequence, picture, slice, brick, CTU, or CU basis. Furthermore, a reference picture index indicating a reference picture referenced in inter prediction among the reference pictures indicated in the reference picture list may be coded at the sequence level, picture level, slice level, brick level, CTU level, or CU level. Furthermore, a common reference picture list may be used in multiple inter prediction modes.
  • FIG. 35 is a flowchart showing the basic flow of inter prediction.
  • the inter prediction unit 126 generates a predicted image (steps Se_1 to Se_3).
  • the subtraction unit 104 generates the difference between the current block and the predicted image as a prediction residual (step Se_4).
  • the inter prediction unit 126 in generating a predicted image, the inter prediction unit 126 generates the predicted image by, for example, determining a motion vector (MV) of the current block (steps Se_1 and Se_2) and performing motion compensation (step Se_3).
  • the inter prediction unit 126 determines the MV by, for example, selecting a candidate motion vector (candidate MV) (step Se_1) and deriving an MV (step Se_2).
  • the selection of a candidate MV is performed, for example, by the inter prediction unit 126 generating a candidate MV list and selecting at least one candidate MV from the candidate MV list. Note that an MV derived in the past may be added as a candidate MV to the candidate MV list.
  • the inter prediction unit 126 may further select at least one candidate MV from the at least one candidate MV, and determine the selected at least one candidate MV as the MV of the current block.
  • the inter prediction unit 126 may determine the MV of the current block by searching an area of a reference picture indicated by each of the at least one selected candidate MV. Note that searching an area of a reference picture may be referred to as motion estimation.
  • steps Se_1 to Se_3 are performed by the inter prediction unit 126, but the processing of steps Se_1 and Se_2, for example, may be performed by other components included in the encoding device 100.
  • a candidate MV list may be created for each process in each inter prediction mode, or a common candidate MV list may be used for multiple inter prediction modes.
  • the processes of steps Se_3 and Se_4 correspond to the processes of steps Sa_3 and Sa_4, respectively, shown in FIG. 9.
  • the process of step Se_3 corresponds to the process of step Sd_1b in FIG. 30.
  • FIG. 36 is a flowchart showing an example of MV derivation.
  • the inter prediction unit 126 may derive the motion vector (e.g., motion vector) of the current block in a mode in which the motion vector is encoded.
  • the motion vector may be encoded as a prediction parameter and signaled.
  • the encoded motion vector is included in the stream.
  • the inter prediction unit 126 may derive the MVs in a mode that does not encode motion information. In this case, the motion information is not included in the stream.
  • MV derivation modes include normal inter mode, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes that encode motion information include normal inter mode, normal merge mode, and affine mode (specifically, affine inter mode and affine merge mode).
  • motion information may include not only MVs but also predicted MV selection information, which will be described later.
  • Modes that do not encode motion information include FRUC mode.
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from these multiple modes, and derives the MV of the current block using the selected mode.
  • FIG. 37 is a flowchart showing another example of MV derivation.
  • the inter prediction unit 126 may derive the MV of the current block in a mode in which the differential MV is encoded.
  • the differential MV is encoded as a prediction parameter and signaled.
  • the encoded differential MV is included in the stream.
  • This differential MV is the difference between the MV of the current block and its predicted MV.
  • the predicted MV is a predicted motion vector.
  • the inter prediction unit 126 may derive the MV in a mode that does not encode the differential MV. In this case, the encoded differential MV is not included in the stream.
  • MV derivation modes include normal inter, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes that encode differential MVs include normal inter mode and affine mode (specifically, affine inter mode).
  • Modes that do not encode differential MVs include FRUC mode, normal merge mode, and affine mode (specifically, affine merge mode).
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from these multiple modes, and derives the MV of the current block using the selected mode.
  • FIG. 38A and FIG. 38B are diagrams showing an example of classification of each mode of MV derivation.
  • the MV derivation modes are roughly classified into three modes depending on whether motion information is coded and whether differential MV is coded.
  • the three modes are inter mode, merge mode, and FRUC (frame rate up-conversion) mode.
  • the inter mode is a mode in which motion search is performed and motion information and differential MV are coded.
  • the inter mode includes affine inter mode and normal inter mode.
  • the merge mode is a mode in which motion search is not performed and MV is selected from a surrounding coded block and the MV of the current block is derived using the MV.
  • This merge mode is basically a mode in which motion information is coded and differential MV is not coded.
  • the merge mode includes a normal merge mode (sometimes called a normal merge mode or a regular merge mode), a merge with motion vector difference (MMVD) mode, a combined inter merge/intra prediction (CIIP) mode, a triangle mode, an ATMVP mode, and an affine merge mode.
  • MMVD merge with motion vector difference
  • CIIP combined inter merge/intra prediction
  • the differential MV is exceptionally coded.
  • the above-mentioned affine merge mode and affine inter mode are modes included in the affine mode.
  • the affine mode is a mode in which the MV of each of the multiple sub-blocks constituting the current block is derived as the MV of the current block, assuming an affine transformation.
  • the FRUC mode is a mode in which the MV of the current block is derived by performing a search between coded regions, and neither the motion information nor the differential MV is coded. Each of these modes will be described in detail later.
  • each mode shown in Figures 38A and 38B is an example and is not limited to this.
  • the CIIP mode is classified as inter mode.
  • the normal inter mode is an inter prediction mode in which the MV of the current block is derived by finding a block similar to the image of the current block from the region of the reference picture indicated by the candidate MV, and the differential MV is coded in the normal inter mode.
  • FIG. 39 is a flowchart showing an example of inter prediction in normal inter mode.
  • the inter prediction unit 126 obtains multiple candidate MVs for the current block based on information such as MVs of multiple encoded blocks that are temporally or spatially surrounding the current block (step Sg_1). In other words, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 extracts N candidate MVs (N is an integer equal to or greater than 2) from the multiple candidate MVs obtained in step Sg_1 as prediction MV candidates according to a predetermined priority order (step Sg_2). Note that the priority order is predetermined for each of the N candidate MVs.
  • the inter prediction unit 126 selects one prediction MV candidate from the N prediction MV candidates as the prediction MV of the current block (step Sg_3). At this time, the inter prediction unit 126 encodes prediction MV selection information for identifying the selected prediction MV into a stream. In other words, the inter prediction unit 126 outputs the prediction MV selection information to the entropy coding unit 110 as a prediction parameter via the prediction parameter generation unit 130.
  • the inter prediction unit 126 derives the MV of the current block by referring to the coded reference picture (step Sg_4). At this time, the inter prediction unit 126 further encodes the difference value between the derived MV and the predicted MV as a differential MV into a stream. In other words, the inter prediction unit 126 outputs the differential MV as a prediction parameter to the entropy coding unit 110 via the prediction parameter generation unit 130.
  • the coded reference picture is a picture made up of multiple blocks reconstructed after coding.
  • the inter prediction unit 126 performs motion compensation on the current block using the derived MV and the coded reference picture to generate a predicted image of the current block (step Sg_5).
  • the process of steps Sg_1 to Sg_5 is performed for each block. For example, when the process of steps Sg_1 to Sg_5 is performed for each of all blocks included in a slice, the inter prediction using the normal inter mode for the slice is completed. Also, when the process of steps Sg_1 to Sg_5 is performed for each of all blocks included in a picture, the inter prediction using the normal inter mode for the picture is completed.
  • steps Sg_1 to Sg_5 may not be performed for all blocks included in a slice, and when they are performed for some blocks, the inter prediction using the normal inter mode for the slice may be completed. Similarly, when the process of steps Sg_1 to Sg_5 is performed for some blocks included in a picture, the inter prediction using the normal inter mode for the picture may be completed.
  • the predicted image is the inter prediction signal described above. Furthermore, information indicating the inter prediction mode (normal inter mode in the above example) used to generate the predicted image, which is included in the encoded signal, is encoded as, for example, a prediction parameter.
  • the candidate MV list may be used in common with lists used in other modes. Furthermore, processing related to the candidate MV list may be applied to processing related to lists used in other modes. Processing related to this candidate MV list may include, for example, extracting or selecting candidate MVs from the candidate MV list, sorting the candidate MVs, or deleting candidate MVs.
  • the normal merge mode is an inter prediction mode in which a candidate MV is selected from a candidate MV list as the MV of the current block, thereby deriving the MV.
  • the normal merge mode is a merge mode in the narrow sense, and may also be simply called a merge mode.
  • the normal merge mode and the merge mode are distinguished, and the merge mode is used in a broad sense.
  • FIG. 40 is a flowchart showing an example of inter prediction in normal merge mode.
  • the inter prediction unit 126 obtains multiple candidate MVs for the current block based on information such as MVs of multiple encoded blocks that are temporally or spatially surrounding the current block (step Sh_1). In other words, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 derives the MV of the current block by selecting one candidate MV from the multiple candidate MVs obtained in step Sh_1 (step Sh_2). At this time, the inter prediction unit 126 encodes MV selection information for identifying the selected candidate MV into the stream. In other words, the inter prediction unit 126 outputs the MV selection information to the entropy coding unit 110 as a prediction parameter via the prediction parameter generation unit 130.
  • the inter prediction unit 126 performs motion compensation on the current block using the derived MV and the coded reference picture to generate a predicted image of the current block (step Sh_3).
  • the processes of steps Sh_1 to Sh_3 are performed, for example, on each block. For example, when the processes of steps Sh_1 to Sh_3 are performed on each of all blocks included in a slice, inter prediction using the normal merge mode for the slice is completed. Also, when the processes of steps Sh_1 to Sh_3 are performed on each of all blocks included in a picture, inter prediction using the normal merge mode for the picture is completed.
  • steps Sh_1 to Sh_3 may not be performed on all blocks included in a slice, and when they are performed on some blocks, inter prediction using the normal merge mode for the slice may be completed. Similarly, when the processes of steps Sh_1 to Sh_3 are performed on some blocks included in a picture, inter prediction using the normal merge mode for the picture may be completed.
  • information included in the stream indicating the inter prediction mode used to generate the predicted image is encoded as, for example, a prediction parameter.
  • Figure 41 is a diagram illustrating an example of the MV derivation process for the current picture in normal merge mode.
  • the inter prediction unit 126 generates a candidate MV list in which candidate MVs are registered.
  • the candidate MVs include spatially adjacent candidate MVs, which are MVs held by multiple encoded blocks located spatially around the current block, temporally adjacent candidate MVs, which are MVs held by nearby blocks projected onto the position of the current block in the encoded reference picture, combined candidate MVs, which are MVs generated by combining the MV values of spatially adjacent candidate MVs and temporally adjacent candidate MVs, and zero candidate MVs, which are MVs with a value of zero.
  • the inter prediction unit 126 selects one candidate MV from the multiple candidate MVs registered in the candidate MV list, and determines that one candidate MV as the MV for the current block.
  • the entropy coding unit 110 writes merge_idx, a signal indicating which candidate MV has been selected, into the stream and codes it.
  • the candidate MVs registered in the candidate MV list described in FIG. 41 are just an example, and the number may be different from the number shown in the figure, the configuration may not include some of the types of candidate MVs shown in the figure, or the configuration may include additional candidate MVs other than the types of candidate MVs shown in the figure.
  • the final MV may be determined by performing dynamic motion vector refreshing (DMVR), which will be described later, using the MV of the current block derived in normal merge mode.
  • DMVR dynamic motion vector refreshing
  • the differential MV is not encoded, but in MMVD mode, the differential MV is encoded.
  • MMVD mode one candidate MV is selected from the candidate MV list, as in normal merge mode, but the differential MV is encoded.
  • Such MMVD may be classified as a merge mode together with normal merge mode, as shown in FIG. 38B.
  • the differential MV in MMVD mode does not have to be the same as the differential MV used in inter mode.
  • the derivation of the differential MV in MMVD mode may be a process that requires less processing than the derivation of the differential MV in inter mode.
  • a combined inter merge/intra prediction (CIIP) mode may be used to generate a predicted image for the current block by overlapping a predicted image generated by inter prediction with a predicted image generated by intra prediction.
  • CIIP inter merge/intra prediction
  • the candidate MV list may also be called a candidate list.
  • merge_idx is MV selection information.
  • FIG. 42 is a diagram illustrating an example of MV derivation processing for a current picture in HMVP mode.
  • the MV of the current block e.g., a CU
  • the MV of the current block is determined by selecting one candidate MV from a candidate MV list generated by referring to an encoded block (e.g., a CU).
  • other candidate MVs may be registered in the candidate MV list.
  • the mode in which such other candidate MVs are registered is called HMVP mode.
  • candidate MVs are managed using a FIFO (First-In First-Out) buffer for HMVP, separate from the candidate MV list used in normal merge mode.
  • FIFO First-In First-Out
  • the FIFO buffer stores motion information such as MVs of previously processed blocks in order from most recent to least recent.
  • motion information such as MVs of previously processed blocks in order from most recent to least recent.
  • the MV of the newest block i.e. the CU processed immediately before
  • the MV of the oldest CU in the FIFO buffer i.e. the CU processed first
  • HMVP1 is the MV of the newest block
  • HMVP5 is the MV of the oldest block.
  • the inter prediction unit 126 checks, for each MV managed in the FIFO buffer, starting from HMV P1, whether that MV is different from all the candidate MVs already registered in the candidate MV list for normal merge mode. If the inter prediction unit 126 determines that the MV is different from all the candidate MVs, it may add the MV managed in the FIFO buffer as a candidate MV to the candidate MV list for normal merge mode. At this time, the number of candidate MVs registered from the FIFO buffer may be one or multiple.
  • HMVP mode By using HMVP mode in this way, it is possible to add MVs of previously processed blocks as well as MVs of blocks that are spatially or temporally adjacent to the current block as candidates. As a result, the variation of candidate MVs for normal merge mode is expanded, which increases the possibility of improving coding efficiency.
  • the above-mentioned MV may be motion information.
  • the information stored in the candidate MV list and the FIFO buffer may include not only the MV value, but also information indicating the picture to be referenced, the direction and number of pictures to be referenced, etc.
  • the above-mentioned block is, for example, a CU.
  • the candidate MV list and FIFO buffer in FIG. 42 are just examples, and the candidate MV list and FIFO buffer may be a list or buffer of a different size than that shown in FIG. 42, or may be configured to register candidate MVs in an order different from that shown in FIG. 42.
  • the process described here is common to both the encoding device 100 and the decoding device 200.
  • HMVP mode can also be applied to modes other than normal merge mode.
  • motion information such as MVs of blocks previously processed in affine mode can be stored in a FIFO buffer in order of most recent first, and used as candidate MVs.
  • a mode in which HMVP mode is applied to affine mode can be called history affine mode.
  • the motion information may be derived on the decoding device 200 side without being signaled from the encoding device 100 side.
  • the motion information may be derived by performing motion search on the decoding device 200 side.
  • the motion search is performed on the decoding device 200 side without using pixel values of the current block.
  • Modes in which the motion search is performed on the decoding device 200 side include a frame rate up-conversion (FRUC) mode or a pattern matched motion vector derivation (PMMVD) mode.
  • a list i.e., a candidate MV list, which may be common to the candidate MV list in the normal merge mode
  • a best candidate MV is selected from among the multiple candidate MVs registered in the candidate MV list (step Si_2). For example, an evaluation value of each candidate MV included in the candidate MV list is calculated, and one candidate MV is selected as the best candidate MV based on the evaluation value. Then, an MV for the current block is derived based on the selected best candidate MV (step Si_4).
  • the selected best candidate MV is derived as it is as the MV for the current block.
  • the MV for the current block may be derived by performing pattern matching in the surrounding area of the position in the reference picture corresponding to the selected best candidate MV. That is, a search is performed on the area surrounding the best candidate MV using pattern matching and evaluation values in the reference picture, and if an MV with a better evaluation value is found, the best candidate MV can be updated to that MV and used as the final MV for the current block. It is not necessary to update to an MV with a better evaluation value.
  • the inter prediction unit 126 performs motion compensation on the current block using the derived MV and the coded reference picture to generate a predicted image of the current block (step Si_5).
  • the processes of steps Si_1 to Si_5 are performed, for example, on each block. For example, when the processes of steps Si_1 to Si_5 are performed on each of all blocks included in a slice, the inter prediction using the FRUC mode for the slice is completed. Also, when the processes of steps Si_1 to Si_5 are performed on each of all blocks included in a picture, the inter prediction using the FRUC mode for the picture is completed.
  • steps Si_1 to Si_5 may not be performed on all blocks included in a slice, and when they are performed on some blocks, the inter prediction using the FRUC mode for the slice may be completed. Similarly, when the processes of steps Si_1 to Si_5 are performed on some blocks included in a picture, the inter prediction using the FRUC mode for the picture may be completed.
  • Subblock units may also be processed in the same way as block units described above.
  • the evaluation value may be calculated by various methods. For example, a reconstructed image of an area in a reference picture corresponding to the MV is compared with a reconstructed image of a specific area (which may be, for example, an area of another reference picture or an area of an adjacent block of the current picture, as shown below). Then, the difference in pixel values between the two reconstructed images may be calculated and used as the evaluation value for the MV. Note that the evaluation value may be calculated using other information in addition to the difference value.
  • one candidate MV included in the candidate MV list (also called a merge list) is selected as a starting point for a search by pattern matching.
  • a first pattern matching or a second pattern matching may be used as the pattern matching.
  • the first pattern matching and the second pattern matching are sometimes called bilateral matching and template matching, respectively.
  • MV derivation > FRUC > Bilateral matching In the first pattern matching, pattern matching is performed between two blocks in two different reference pictures that are along the motion trajectory of the current block. Thus, in the first pattern matching, an area in another reference picture along the motion trajectory of the current block is used as a predetermined area for calculating the evaluation value of the above-mentioned candidate MV.
  • FIG. 44 is a diagram for explaining an example of first pattern matching (bilateral matching) between two blocks in two reference pictures along a motion trajectory.
  • first pattern matching two MVs (MV0, MV1) are derived by searching for a pair of two blocks that are most closely matched among pairs of two blocks in two different reference pictures (Ref0, Ref1) along the motion trajectory of the current block (Cur block).
  • a difference is derived between a reconstructed image at a specified position in a first coded reference picture (Ref0) specified by a candidate MV and a reconstructed image at a specified position in a second coded reference picture (Ref1) specified by a symmetric MV obtained by scaling the candidate MV at a display time interval, and an evaluation value is calculated using the obtained difference value. It is preferable that the candidate MV with the best evaluation value among multiple candidate MVs is selected as the best candidate MV.
  • MVs (MV0, MV1) pointing to two reference blocks are proportional to the temporal distance (TD0, TD1) between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1). For example, if the current picture is located between two reference pictures in time and the temporal distances from the current picture to the two reference pictures are equal, the first pattern matching derives bidirectional MVs that are mirror-symmetric.
  • MV derivation > FRUC > template matching In the second pattern matching (template matching), pattern matching is performed between a template in the current picture (a block adjacent to the current block in the current picture (e.g., an upper and/or left adjacent block)) and a block in the reference picture. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as a predetermined area for calculating the evaluation value of the above-mentioned candidate MV.
  • FIG. 45 is a diagram for explaining an example of pattern matching (template matching) between a template in a current picture and a block in a reference picture.
  • the MV of the current block is derived by searching in the reference picture (Ref0) for a block that best matches a block adjacent to the current block (Cur block) in the current picture (Cur Pic).
  • the difference between the reconstructed image of both or either of the coded areas adjacent to the left and/or above and the reconstructed image at the equivalent position in the coded reference picture (Ref0) specified by the candidate MV is derived, and the evaluation value is calculated using the obtained difference value.
  • the candidate MV with the best evaluation value among the multiple candidate MVs is selected as the best candidate MV.
  • Information indicating whether such a FRUC mode is applied may be signaled at the CU level. Also, when the FRUC mode is applied (e.g., when the FRUC flag is true), information indicating the applicable pattern matching method (first pattern matching or second pattern matching) may be signaled at the CU level. Note that the signaling of such information does not need to be limited to the CU level, but may also be at other levels (e.g., sequence level, picture level, slice level, brick level, CTU level, or sub-block level).
  • the affine mode is a mode in which motion vectors are generated using affine transformation, and may derive motion vectors for each sub-block based on motion vectors of a plurality of adjacent blocks. This mode may be called an affine motion compensation prediction mode.
  • FIG. 46A is a diagram for explaining an example of derivation of MV for each subblock based on MVs of multiple adjacent blocks.
  • the current block includes, for example, 16 subblocks consisting of 4x4 pixels.
  • a motion vector v0 of the upper left corner control point of the current block is derived based on the MVs of the adjacent blocks
  • a motion vector v1 of the upper right corner control point of the current block is derived based on the MVs of the adjacent subblocks.
  • the two motion vectors v0 and v1 are projected by the following formula (1A) to derive the motion vectors ( vx , vy ) of each subblock in the current block.
  • x and y indicate the horizontal and vertical positions of the subblock, respectively, and w indicates a predetermined weighting factor.
  • Such information indicating the affine mode may be signaled at the CU level.
  • the signaling of the information indicating the affine mode does not need to be limited to the CU level, but may be at other levels (e.g., sequence level, picture level, slice level, brick level, CTU level, or sub-block level).
  • affine modes may include several modes that differ in the method of deriving the MVs of the top-left and top-right corner control points.
  • affine inter also called affine normal inter
  • affine merge mode there are two affine modes: affine inter (also called affine merge mode.
  • FIG. 46B is a diagram for explaining an example of derivation of MV for each subblock in the affine mode using three control points.
  • the current block includes, for example, 16 subblocks consisting of 4x4 pixels.
  • the motion vector v0 of the upper left corner control point of the current block is derived based on the MV of the adjacent block.
  • the motion vector v1 of the upper right corner control point of the current block is derived based on the MV of the adjacent block
  • the motion vector v2 of the lower left corner control point of the current block is derived based on the MV of the adjacent block.
  • the three motion vectors v0 , v1 , and v2 are projected by the following formula (1B) to derive the motion vectors ( vx , vy ) of each subblock in the current block.
  • x and y respectively indicate the horizontal and vertical positions of the subblock center
  • w and h indicate predetermined weighting coefficients.
  • w may indicate the width of the current block
  • h may indicate the height of the current block.
  • Affine modes using different numbers of control points may be switched and signaled at the CU level.
  • information indicating the number of control points of the affine mode used at the CU level may also be signaled at other levels (e.g., sequence level, picture level, slice level, brick level, CTU level, or subblock level).
  • an affine mode with three control points may include several modes with different methods of deriving the MVs of the top-left, top-right, and bottom-left corner control points.
  • an affine mode with three control points has two modes, affine inter mode and affine merge mode, similar to the affine mode with two control points described above.
  • each sub-block included in the current block is not limited to 4x4 pixels and may be other sizes.
  • the size of each sub-block may be 8x8 pixels.
  • FIG. 47A, 47B, and 47C are conceptual diagrams for explaining an example of MV derivation of a control point in the affine mode.
  • the predicted MVs of each control point of the current block are calculated based on multiple MVs corresponding to blocks coded in affine mode among coded blocks A (left), B (top), C (top right), D (bottom left) and E (top left) adjacent to the current block. Specifically, these blocks are examined in the order of coded blocks A (left), B (top), C (top right), D (bottom left) and E (top left), and the first valid block coded in affine mode is identified. The MVs of the control points of the current block are calculated based on multiple MVs corresponding to this identified block.
  • motion vectors v3 and v4 are derived by projecting the blocks onto the positions of the upper left and upper right corners of a coded block including block A. Then, from the derived motion vectors v3 and v4 , motion vector v0 of the upper left corner control point of the current block and motion vector v1 of the upper right corner control point are calculated.
  • motion vectors v3 , v4 , and v5 are derived by projecting the positions of the upper left corner, upper right corner, and lower left corner of a coded block including block A. Then, from the derived motion vectors v3 , v4 , and v5 , motion vector v0 of the upper left corner control point, motion vector v1 of the upper right corner control point, and motion vector v2 of the lower left corner control point of the current block are calculated.
  • the MV derivation method shown in Figures 47A to 47C may be used to derive the MV of each control point of the current block in step Sk_1 shown in Figure 50 described below, or may be used to derive the predicted MV of each control point of the current block in step Sj_1 shown in Figure 51 described below.
  • Figures 48A and 48B are conceptual diagrams for explaining another example of deriving the control point MV in affine mode.
  • Figure 48A is a diagram to explain an affine mode with two control points.
  • an MV selected from the MVs of the coded blocks A, B, and C adjacent to the current block is used as a motion vector v0 for the upper left corner control point of the current block.
  • an MV selected from the MVs of the coded blocks D and E adjacent to the current block is used as a motion vector v1 for the upper right corner control point of the current block.
  • Figure 48B is a diagram to explain an affine mode with three control points.
  • an MV selected from the MVs of the coded blocks A, B, and C adjacent to the current block is used as a motion vector v0 for the upper left corner control point of the current block.
  • an MV selected from the MVs of the coded blocks D and E adjacent to the current block is used as a motion vector v1 for the upper right corner control point of the current block.
  • an MV selected from the MVs of the coded blocks F and G adjacent to the current block is used as a motion vector v2 for the lower left corner control point of the current block.
  • the MV derivation method shown in Figures 48A and 48B may be used to derive the MV of each control point of the current block in step Sk_1 shown in Figure 50 described below, or may be used to derive the predicted MV of each control point of the current block in step Sj_1 shown in Figure 51 described below.
  • the number of control points may differ between the coded block and the current block.
  • Figures 49A and 49B are conceptual diagrams illustrating an example of a method for deriving the MV of a control point when the number of control points differs between an encoded block and a current block.
  • the current block has three control points, the upper left corner, the upper right corner, and the lower left corner, and the block A adjacent to the left of the current block is coded in an affine mode having two control points.
  • motion vectors v3 and v4 are derived by projecting the positions of the upper left corner and the upper right corner of the coded block including block A. Then, from the derived motion vectors v3 and v4 , the motion vector v0 of the upper left corner control point of the current block and the motion vector v1 of the upper right corner control point are calculated. Furthermore, from the derived motion vectors v0 and v1 , the motion vector v2 of the lower left corner control point is calculated.
  • the current block has two control points at the upper left and upper right corners, and block A adjacent to the left of the current block is coded in an affine mode having three control points.
  • motion vectors v3 , v4 , and v5 are derived by projecting the positions of the upper left, upper right, and lower left corners of a coded block including block A. Then, from the derived motion vectors v3 , v4 , and v5 , a motion vector v0 of the upper left corner control point of the current block and a motion vector v1 of the upper right corner control point are calculated.
  • the MV derivation method shown in Figures 49A and 49B may be used to derive the MV of each control point of the current block in step Sk_1 shown in Figure 50 described below, or may be used to derive the predicted MV of each control point of the current block in step Sj_1 shown in Figure 51 described below.
  • FIG. 50 is a flow chart illustrating an example of the affine merge mode.
  • the inter prediction unit 126 first derives MVs for each of the control points of the current block (step Sk_1).
  • the control points are the upper left and upper right corners of the current block as shown in FIG. 46A, or the upper left, upper right and lower left corners of the current block as shown in FIG. 46B.
  • the inter prediction unit 126 may encode MV selection information for identifying the derived two or three MVs into the stream.
  • the inter prediction unit 126 examines the coded blocks A (left), block B (top), block C (top right), block D (bottom left) and block E (top left) in that order, as shown in Figure 47A, and identifies the first valid block coded in affine mode.
  • the inter prediction unit 126 derives the MV of the control point using the first valid block coded in the identified affine mode. For example, when the block A is identified and the block A has two control points, as shown in FIG. 47B, the inter prediction unit 126 calculates the motion vector v0 of the upper left corner control point of the current block and the motion vector v1 of the upper right corner control point from the motion vectors v3 and v4 of the upper left corner and upper right corner of the coded block including the block A.
  • the inter prediction unit 126 calculates the motion vector v0 of the upper left corner control point of the current block and the motion vector v1 of the upper right corner control point by projecting the motion vectors v3 and v4 of the upper left corner and upper right corner of the coded block to the current block.
  • the inter prediction unit 126 calculates the motion vector v0 of the upper left corner control point, the motion vector v1 of the upper right corner control point, and the motion vector v2 of the lower left corner control point of the current block from the motion vectors v3 , v4 , and v5 of the upper left corner, upper right corner, and lower left corner of the coded block including block A.
  • the inter prediction unit 126 calculates the motion vector v0 of the upper left corner control point, the motion vector v1 of the upper right corner control point, and the motion vector v2 of the lower left corner control point of the current block by projecting the motion vectors v3 , v4 , and v5 of the upper left corner, upper right corner, and lower left corner of the coded block onto the current block.
  • the MVs of three control points may be calculated, and as shown in FIG. 49B above, when block A is identified and block A has three control points, the MVs of two control points may be calculated.
  • the inter prediction unit 126 performs motion compensation for each of the sub-blocks included in the current block. That is, for each of the sub-blocks, the inter prediction unit 126 calculates the MV of the sub-block as an affine MV using two motion vectors v0 and v1 and the above-mentioned formula (1A), or three motion vectors v0 , v1 , and v2 and the above-mentioned formula (1B) (step Sk_2). Then, the inter prediction unit 126 performs motion compensation for the sub-block using the affine MV and the coded reference picture (step Sk_3).
  • steps Sk_2 and Sk_3 When the processes of steps Sk_2 and Sk_3 are performed for each of all sub-blocks included in the current block, the process of generating a predicted image using the affine merge mode for the current block is completed. That is, motion compensation is performed for the current block, and a predicted image of the current block is generated.
  • the above-mentioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list including candidate MVs derived using multiple MV derivation methods for each control point.
  • the multiple MV derivation methods may be any combination of the MV derivation methods shown in Figures 47A to 47C, the MV derivation methods shown in Figures 48A and 48B, the MV derivation methods shown in Figures 49A and 49B, and other MV derivation methods.
  • candidate MV list may also include candidate MVs for modes other than affine mode that perform prediction on a subblock basis.
  • a candidate MV list including a candidate MV for an affine merge mode with two control points and a candidate MV for an affine merge mode with three control points may be generated.
  • a candidate MV list including a candidate MV for an affine merge mode with two control points and a candidate MV list including a candidate MV for an affine merge mode with three control points may be generated.
  • a candidate MV list including a candidate MV for one of an affine merge mode with two control points and an affine merge mode with three control points may be generated.
  • the candidate MVs may be, for example, MVs of coded block A (left), block B (top), block C (top right), block D (bottom left) and block E (top left), or MVs of valid blocks among those blocks.
  • an index indicating which candidate MV in the candidate MV list is being sent as MV selection information is sent as MV selection information.
  • FIG. 51 is a flowchart showing an example of the affine inter mode.
  • the inter prediction unit 126 first derives predicted MVs ( v0 , v1 ) or ( v0 , v1 , v2 ) of two or three control points of the current block (step Sj_1).
  • the control points are the upper left corner, upper right corner, or lower left corner of the current block, as shown in Figure 46A or 46B.
  • the inter prediction unit 126 derives the predicted MV ( v0 , v1 ) or (v0, v1, v2) of the control point of the current block by selecting the MV of any block among the coded blocks in the vicinity of each control point of the current block shown in Figures 48A or 48B .
  • the inter prediction unit 126 codes prediction MV selection information for identifying the selected two or three prediction MVs into the stream.
  • the inter prediction unit 126 may use cost evaluation or the like to determine which block's MV to select as the prediction MV for the control point from among the coded blocks adjacent to the current block, and write a flag indicating which prediction MV has been selected into the bitstream.
  • the inter prediction unit 126 outputs prediction MV selection information such as a flag to the entropy coding unit 110 as a prediction parameter via the prediction parameter generation unit 130.
  • the inter prediction unit 126 performs motion search (steps Sj_3 and Sj_4) while updating each of the prediction MVs selected or derived in step Sj_1 (step Sj_2). That is, the inter prediction unit 126 calculates the MV of each subblock corresponding to the updated prediction MV as an affine MV using the above formula (1A) or formula (1B) (step Sj_3). Then, the inter prediction unit 126 performs motion compensation for each subblock using the affine MVs and the coded reference picture (step Sj_4). The processes of steps Sj_3 and Sj_4 are performed for all blocks in the current block each time the prediction MV is updated in step Sj_2.
  • the inter prediction unit 126 determines, in the motion search loop, for example, the prediction MV that provides the smallest cost as the MV of the control point (step Sj_5). At this time, the inter prediction unit 126 further encodes the difference value between the determined MV and the predicted MV as a differential MV into the stream. In other words, the inter prediction unit 126 outputs the differential MV to the entropy coding unit 110 as a prediction parameter via the prediction parameter generation unit 130.
  • the inter prediction unit 126 performs motion compensation on the current block using the determined MV and the encoded reference picture to generate a predicted image of the current block (step Sj_6).
  • the above-mentioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list including candidate MVs derived using multiple MV derivation methods for each control point.
  • the multiple MV derivation methods may be any combination of the MV derivation methods shown in Figures 47A to 47C, the MV derivation methods shown in Figures 48A and 48B, the MV derivation methods shown in Figures 49A and 49B, and other MV derivation methods.
  • candidate MV list may also include candidate MVs for modes other than affine mode that perform prediction on a subblock basis.
  • a candidate MV list may be generated that includes candidate MVs for affine inter mode with two control points and candidate MVs for affine inter mode with three control points.
  • a candidate MV list including candidate MVs for affine inter mode with two control points and a candidate MV list including candidate MVs for affine inter mode with three control points may be generated.
  • a candidate MV list including candidate MVs for one of affine inter mode with two control points and affine inter mode with three control points may be generated.
  • the candidate MVs may be, for example, MVs of coded block A (left), block B (top), block C (top right), block D (bottom left) and block E (top left), or MVs of valid blocks among those blocks.
  • an index indicating which candidate MV in the candidate MV list is being sent as predicted MV selection information is also sent as predicted MV selection information.
  • the inter prediction unit 126 generates one rectangular predicted image for the rectangular current block.
  • the inter prediction unit 126 may generate multiple predicted images of shapes other than a rectangle for the rectangular current block, and combine the multiple predicted images to generate a final rectangular predicted image.
  • the shape other than a rectangle may be, for example, a triangle.
  • Figure 52A is a diagram to explain the generation of predicted images of two triangles.
  • the inter prediction unit 126 generates a predicted image of a triangle by performing motion compensation on a first partition of a triangle in the current block using a first MV of the first partition. Similarly, the inter prediction unit 126 generates a predicted image of a triangle by performing motion compensation on a second partition of a triangle in the current block using a second MV of the second partition. The inter prediction unit 126 then combines these predicted images to generate a predicted image of the same rectangle as the current block.
  • a rectangular first predicted image corresponding to the current block may be generated using the first MV.
  • a rectangular second predicted image corresponding to the current block may be generated using the second MV.
  • a predicted image for the current block may be generated by performing weighted addition of the first predicted image and the second predicted image. Note that the portion to which weighted addition is performed may be only a portion of the area sandwiching the boundary between the first partition and the second partition.
  • FIG. 52B is a conceptual diagram illustrating an example of a first portion of a first partition that overlaps with a second partition, as well as a first and second sample set that may be weighted as part of the correction process.
  • the first portion may be, for example, a quarter of the width or height of the first partition.
  • the first portion may have a width corresponding to N samples adjacent to an edge of the first partition, where N is an integer greater than zero, for example, N may be the integer 2.
  • FIG. 52B illustrates a rectangular partition having a rectangular portion with a width that is a quarter of the width of the first partition, where the first sample set includes samples outside the first portion and samples inside the first portion, and the second sample set includes samples within the first portion.
  • FIG. 52B illustrates a rectangular partition having a rectangular portion with a height that is a quarter of the height of the first partition, where the first sample set includes samples outside the first portion and samples inside the first portion, and the second sample set includes samples within the first portion.
  • the example on the right of Figure 52B shows a triangular partition with polygonal portions of height corresponding to two samples, where a first sample set includes samples outside the first portion and samples inside the first portion, and a second sample set includes samples within the first portion.
  • the first portion may be a portion of the first partition that overlaps with an adjacent partition.
  • FIG. 52C is a conceptual diagram illustrating a first portion of a first partition that is a portion of the first partition that overlaps with a portion of an adjacent partition.
  • a rectangular partition is shown having an overlapping portion with a spatially adjacent rectangular partition.
  • Partitions having other shapes, such as triangular partitions, may be used, and the overlapping portion may overlap a spatially or temporally adjacent partition.
  • a predicted image may be generated for at least one partition using intra prediction.
  • Figure 53 is a flowchart showing an example of triangle mode.
  • the inter prediction unit 126 divides the current block into a first partition and a second partition (step Sx_1). At this time, the inter prediction unit 126 may encode partition information, which is information regarding the division into each partition, into a stream as a prediction parameter. In other words, the inter prediction unit 126 may output the partition information as a prediction parameter to the entropy coding unit 110 via the prediction parameter generation unit 130.
  • the inter prediction unit 126 first obtains multiple candidate MVs for the current block based on information such as MVs of multiple encoded blocks that are temporally or spatially surrounding the current block (step Sx_2). In other words, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 selects the candidate MV of the first partition and the candidate MV of the second partition as the first MV and the second MV, respectively, from among the multiple candidate MVs obtained in step Sx_2 (step Sx_3).
  • the inter prediction unit 126 may encode MV selection information for identifying the selected candidate MV into the stream as a prediction parameter.
  • the inter prediction unit 126 may output the MV selection information as a prediction parameter to the entropy encoding unit 110 via the prediction parameter generation unit 130.
  • the inter prediction unit 126 performs motion compensation using the selected first MV and the encoded reference picture to generate a first predicted image (step Sx_4). Similarly, the inter prediction unit 126 performs motion compensation using the selected second MV and the encoded reference picture to generate a second predicted image (step Sx_5).
  • the inter prediction unit 126 generates a predicted image of the current block by weighting and adding the first predicted image and the second predicted image (step Sx_6).
  • the first partition and the second partition are each triangular, but they may be trapezoids or may have different shapes.
  • the current block is composed of two partitions, but it may be composed of three or more partitions.
  • first partition and the second partition may overlap. That is, the first partition and the second partition may include the same pixel area.
  • a predicted image of the current block may be generated using a predicted image in the first partition and a predicted image in the second partition.
  • a predicted image is generated by inter prediction for both partitions, but a predicted image may be generated by intra prediction for at least one partition.
  • the candidate MV list for selecting the first MV and the candidate MV list for selecting the second MV may be different or may be the same candidate MV list.
  • the partition information may include at least an index indicating the division direction for dividing the current block into multiple partitions.
  • the MV selection information may include an index indicating the selected first MV and an index indicating the selected second MV.
  • One index may indicate multiple pieces of information. For example, one index may be encoded that collectively indicates part or all of the partition information and part or all of the MV selection information.
  • FIG. 54 is a diagram showing an example of an ATMVP mode in which MVs are derived for each subblock.
  • the ATMVP mode is classified as a merge mode.
  • candidate MVs are registered on a subblock basis in the candidate MV list used in the normal merge mode.
  • a temporal MV reference block associated with the current block is identified in the coded reference picture specified by the MV (MV0) of the block adjacent to the lower left of the current block.
  • the MV used when coding the area in the temporal MV reference block corresponding to that sub-block is identified.
  • the MVs identified in this way are included in the candidate MV list as candidate MVs for the sub-blocks of the current block.
  • motion compensation is performed on that sub-block using the candidate MV as the MV for the sub-block. This generates a predicted image for each sub-block.
  • the block adjacent to the lower left of the current block is used as the surrounding MV reference block, but other blocks may be used.
  • the size of the sub-block may be 4x4 pixels, 8x8 pixels, or another size.
  • the size of the sub-block may be switched in units of slice, brick, picture, or the like.
  • FIG. 55 is a diagram showing the relationship between the merge mode and DMVR.
  • the inter prediction unit 126 derives the MV of the current block in merge mode (step Sl_1).
  • the inter prediction unit 126 determines whether or not to perform MV search, i.e., motion search (step Sl_2).
  • the inter prediction unit 126 determines not to perform motion search (No in step Sl_2), it determines the MV derived in step Sl_1 as the final MV for the current block (step Sl_4). That is, in this case, the MV of the current block is determined in merge mode.
  • step Sl_1 if it is determined in step Sl_1 that motion search is to be performed (Yes in step Sl_2), the inter prediction unit 126 derives the final MV for the current block by searching the surrounding area of the reference picture indicated by the MV derived in step Sl_1 (step Sl_3). That is, in this case, the MV of the current block is determined by the DMVR.
  • Figure 56 is a conceptual diagram illustrating an example of a DMVR for determining an MV.
  • candidate MVs (L0 and L1) are selected for the current block. Then, according to the candidate MV (L0), reference pixels are identified from the first reference picture (L0), which is an encoded picture in the L0 list. Similarly, according to the candidate MV (L1), reference pixels are identified from the second reference picture (L1), which is an encoded picture in the L1 list. A template is generated by taking the average of these reference pixels.
  • the surrounding areas of the candidate MVs in the first reference picture (L0) and the second reference picture (L1) are searched, and the MV with the smallest cost is determined as the final MV for the current block.
  • the cost may be calculated, for example, using the difference between each pixel value of the template and each pixel value of the search area, the candidate MV value, etc.
  • Any process can be used that can search around the candidate MVs and derive the final MV, not necessarily the process described here.
  • FIG. 57 is a conceptual diagram for explaining another example of a DMVR for determining an MV. Unlike the example of a DMVR shown in FIG. 56, the example shown in FIG. 57 calculates costs without generating a template.
  • the inter prediction unit 126 searches around the reference blocks included in the reference pictures of the L0 list and the L1 list based on the initial MV, which is a candidate MV obtained from the candidate MV list.
  • the initial MV corresponding to the reference block in the L0 list is InitMV_L0
  • the initial MV corresponding to the reference block in the L1 list is InitMV_L1.
  • the inter prediction unit 126 first sets a search position for the reference picture in the L0 list.
  • the difference vector indicating the set search position specifically, the difference vector from the position indicated by the initial MV (i.e., InitMV_L0) to the search position, is MVd_L0.
  • the inter prediction unit 126 determines the search position in the reference picture in the L1 list. This search position is indicated by the difference vector from the position indicated by the initial MV (i.e., InitMV_L1) to the search position. Specifically, the inter prediction unit 126 determines the difference vector as MVd_L1 by mirroring MVd_L0. That is, the inter prediction unit 126 sets the position symmetrical to the position indicated by the initial MV in each of the reference pictures in the L0 list and the L1 list as the search position. For each search position, the inter prediction unit 126 calculates a cost such as the sum of absolute differences (SAD) of pixel values in the block at that search position, and finds the search position that minimizes the cost.
  • SAD sum of absolute differences
  • FIG. 58A shows an example of motion search in a DMVR
  • FIG. 58B is a flowchart showing an example of the motion search.
  • Step 1 the inter prediction unit 126 calculates the cost at the search position (also called the starting point) indicated by the initial MV and the eight surrounding search positions. Then, the inter prediction unit 126 determines whether the cost of the search position other than the starting point is the smallest. Here, if the inter prediction unit 126 determines that the cost of the search position other than the starting point is the smallest, it moves to the search position with the smallest cost and performs the processing of Step 2. On the other hand, if the cost of the starting point is the smallest, the inter prediction unit 126 skips the processing of Step 2 and performs the processing of Step 3.
  • Step 2 the inter prediction unit 126 performs a search similar to that of Step 1, with the search position moved in accordance with the processing result of Step 1 as the new starting point.
  • the inter prediction unit 126 determines whether the cost of the search position other than the starting point is the smallest. If the cost of the search position other than the starting point is the smallest, the inter prediction unit 126 performs the processing of Step 4. On the other hand, if the cost of the starting point is the smallest, the inter prediction unit 126 performs the processing of Step 3.
  • Step 4 the inter prediction unit 126 treats the search position of the starting point as the final search position, and determines the difference between the position indicated by the initial MV and that final search position as a difference vector.
  • the inter prediction unit 126 determines the pixel position with decimal precision that has the smallest cost based on the costs at four points above, below, left, and right of the starting point of Step 1 or Step 2, and sets that pixel position as the final search position.
  • the pixel position with decimal precision is determined by weighting and adding the vectors of the four points ((0,1), (0,-1), (-1,0), (1,0)) located above, below, left, and right, with the cost at each of the four search positions as the weights.
  • the inter prediction unit 126 determines the difference between the position indicated by the initial MV and that final search position as the difference vector.
  • Figure 59 is a flowchart showing an example of generating a predicted image.
  • FIG. 60 is a flowchart showing another example of generating a predicted image.
  • the inter prediction unit 126 derives the MV of the current block (step Sn_1). Next, the inter prediction unit 126 generates a predicted image using the MV (step Sn_2) and determines whether or not to perform correction processing (step Sn_3). If the inter prediction unit 126 determines that correction processing is to be performed (Yes in step Sn_3), it corrects the predicted image to generate a final predicted image (step Sn_4). Note that in LIC, which will be described later, luminance and chrominance may be corrected in step Sn_4. On the other hand, if the inter prediction unit 126 determines that correction processing is not to be performed (No in step Sn_3), it outputs the predicted image as the final predicted image without correcting it (step Sn_5).
  • An inter-prediction image may be generated using not only the motion information of the current block obtained by motion search, but also the motion information of the adjacent block. Specifically, an inter-prediction image may be generated for each sub-block in the current block by weighting and adding a prediction image based on the motion information obtained by motion search (in the reference picture) and a prediction image based on the motion information of the adjacent block (in the current picture). Such inter-prediction (motion compensation) may be called OBMC (overlapped block motion compensation) or OBMC mode.
  • OBMC block size information indicating the size of the subblock for OBMC
  • OBMC flag information indicating whether or not to apply the OBMC mode
  • CU level information indicating whether or not to apply the OBMC mode
  • the signaling level of these pieces of information does not need to be limited to the sequence level and CU level, but may be other levels (e.g., picture level, slice level, brick level, CTU level, or subblock level).
  • Figures 61 and 62 are a flowchart and a conceptual diagram for explaining an overview of the predicted image correction process using OBMC.
  • a predicted image is obtained by normal motion compensation using the MV assigned to the current block.
  • the arrow "MV" points to the reference picture, indicating what the current block of the current picture is referring to to obtain the predicted image.
  • the MV (MV_L) already derived for the coded left adjacent block is applied (reused) to the current block to obtain a predicted image (Pred_L).
  • the MV (MV_L) is indicated by an arrow "MV_L" pointing from the current block to the reference picture.
  • the first correction of the predicted image is then performed by superimposing the two predicted images Pred and Pred_L. This has the effect of blending the boundaries between the adjacent blocks.
  • the MV (MV_U) already derived for the coded adjacent block above is applied (reused) to the current block to obtain a predicted image (Pred_U).
  • the MV (MV_U) is indicated by an arrow "MV_U" pointing from the current block to the reference picture.
  • the predicted image is then corrected a second time by superimposing the predicted image Pred_U on the predicted image (e.g., Pred and Pred_L) that has been corrected the first time. This has the effect of blending the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block, with the boundaries with the adjacent blocks blended (smoothed).
  • the above example is a two-pass correction method using the left-adjacent and above-adjacent blocks, but the correction method may also be a three-pass or more-pass correction method using the right-adjacent and/or below-adjacent blocks.
  • the area to be overlaid does not have to be the entire pixel area of the block, but may be only a portion of the area near the block boundary.
  • the OBMC predicted image correction process has been described for obtaining one predicted image Pred by overlaying additional predicted images Pred_L and Pred_U from one reference picture.
  • a similar process may be applied to each of the multiple reference pictures.
  • a corrected predicted image is obtained from each reference picture by performing OBMC image correction based on multiple reference pictures, and then the obtained multiple corrected predicted images are further overlaid to obtain a final predicted image.
  • the unit of the current block may be a PU unit, or a subblock unit obtained by further dividing the PU.
  • the encoding device 100 may determine whether the current block belongs to an area with complex motion. If the current block belongs to an area with complex motion, the encoding device 100 sets a value of 1 as obmc_flag and applies OBMC to perform encoding, and if the current block does not belong to an area with complex motion, the encoding device 100 sets a value of 0 as obmc_flag and performs encoding of the block without applying OBMC.
  • the decoding device 200 decodes the obmc_flag described in the stream, and switches whether to apply OBMC depending on the value to perform decoding.
  • BIO Bo-directional optical flow
  • Figure 63 is a diagram for explaining a model that assumes uniform linear motion.
  • (vx, vy) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 respectively indicate the temporal distance between the current picture (Cur Pic) and two reference pictures (Ref0, Ref1).
  • (MVx0, MVy0) indicates the MV corresponding to reference picture Ref0
  • (MVx1, MVy1) indicates the MV corresponding to reference picture Ref1.
  • This optical flow equation indicates that the sum of (i) the time derivative of the luminance value, (ii) the product of the horizontal component of the horizontal velocity and the spatial gradient of the reference image, and (iii) the product of the vertical velocity and the vertical component of the spatial gradient of the reference image is equal to zero.
  • block-based motion vectors obtained from a candidate MV list, etc. may be corrected pixel by pixel.
  • the MV may be derived on the decoding device 200 side using a method other than the derivation of the motion vector based on a model that assumes uniform linear motion.
  • the motion vector may be derived on a sub-block basis based on the MVs of multiple adjacent blocks.
  • FIG. 64 is a flowchart showing an example of inter prediction according to BIO. Also, FIG. 65 is a diagram showing an example of the configuration of the inter prediction unit 126 that performs inter prediction according to BIO.
  • the inter prediction unit 126 includes, for example, a memory 126a, an interpolated image derivation unit 126b, a gradient image derivation unit 126c, an optical flow derivation unit 126d, a correction value derivation unit 126e, and a predicted image correction unit 126f.
  • the memory 126a may be the frame memory 122.
  • the inter prediction unit 126 derives two motion vectors (M0, M1) using two reference pictures (Ref0, Ref1) that are different from the picture (Cur Pic) that contains the current block.
  • the inter prediction unit 126 then derives a predicted image for the current block using the two motion vectors (M0, M1) (step Sy_1).
  • the motion vector M0 is the motion vector (MVx0, MVy0) that corresponds to the reference picture Ref0
  • the motion vector M1 is the motion vector (MVx1, MVy1) that corresponds to the reference picture Ref1.
  • the interpolated image derivation unit 126b derives an interpolated image I 0 of the current block by referring to the memory 126a and using the motion vector M0 and the reference picture L0.
  • the interpolated image derivation unit 126b also derives an interpolated image I 1 of the current block by referring to the memory 126a and using the motion vector M1 and the reference picture L1 (step Sy_2).
  • the interpolated image I 0 is an image included in the reference picture Ref0 derived for the current block
  • the interpolated image I 1 is an image included in the reference picture Ref1 derived for the current block.
  • the interpolated images I 0 and I 1 may each be the same size as the current block.
  • the interpolated images I 0 and I 1 may each be an image larger than the current block in order to properly derive a gradient image described later.
  • the interpolated images I0 and I1 may include a predicted image derived by applying a motion compensation filter to the motion vector (M0, M1) and the reference picture (L0, L1).
  • the gradient image derivation unit 126c also derives a gradient image ( Ix0 , Ix1 , Iy0 , Iy1 ) of the current block from the interpolated image I0 and the interpolated image I1 (step Sy_3).
  • the horizontal gradient image is ( Ix0 , Ix1 )
  • the vertical gradient image is ( Iy0 , Iy1 ).
  • the gradient image derivation unit 126c may derive the gradient image by applying a gradient filter to the interpolated image, for example.
  • the gradient image may be any image that indicates a spatial change in pixel values along the horizontal or vertical direction.
  • the optical flow derivation unit 126d derives the optical flow (vx, vy ) which is the above-mentioned velocity vector by using the interpolated image ( I0 , I1) and the gradient image ( Ix0 , Ix1 , Iy0 , Iy1 ) for each of the sub-blocks constituting the current block (step Sy_4).
  • the optical flow is a coefficient for correcting the spatial movement amount of pixels, and may be called a local motion estimate, a correction motion vector, or a correction weight vector.
  • the sub-block may be a sub-CU of 4x4 pixels. Note that the derivation of the optical flow may be performed in other units such as pixel units, instead of sub-block units.
  • the inter prediction unit 126 corrects the predicted image of the current block using the optical flow (vx, vy).
  • the correction value derivation unit 126e derives a correction value for the value of a pixel included in the current block using the optical flow (vx, vy) (step Sy_5).
  • the predicted image correction unit 126f may correct the predicted image of the current block using the correction value (step Sy_6).
  • the correction value may be derived for each pixel, or may be derived for multiple pixels or sub-blocks.
  • BIO the processing flow of the BIO is not limited to the processing disclosed in FIG. 64. Only a part of the processing disclosed in FIG. 64 may be performed, different processing may be added or replaced, or the processing may be performed in a different order.
  • FIG. 66A is a diagram for explaining an example of a method for generating a predicted image using a luminance correction process by a LIC. Also, FIG. 66B is a flowchart showing an example of a method for generating a predicted image using the LIC.
  • the inter prediction unit 126 derives the MV from the encoded reference picture to obtain the reference image corresponding to the current block (step Sz_1).
  • the inter prediction unit 126 extracts information indicating how the luminance values of the current block have changed between the reference picture and the current picture (step Sz_2). This extraction is performed based on the luminance pixel values of the coded left adjacent reference area (peripheral reference area) and coded upper adjacent reference area (peripheral reference area) in the current picture, and the luminance pixel values at the equivalent positions in the reference picture specified by the derived MV. The inter prediction unit 126 then calculates luminance correction parameters using the information indicating how the luminance values have changed (step Sz_3).
  • the inter prediction unit 126 generates a predicted image for the current block by performing a luminance correction process that applies the luminance correction parameter to a reference image in the reference picture specified by the MV (step Sz_4). That is, a correction based on the luminance correction parameter is performed on the predicted image that is a reference image in the reference picture specified by the MV. In this correction, either the luminance or the chrominance may be corrected. That is, a chrominance correction parameter may be calculated using information indicating how the chrominance has changed, and a chrominance correction process may be performed.
  • peripheral reference area in FIG. 66A is just an example, and other shapes may be used.
  • a predicted image may be generated after performing brightness correction processing on the reference images obtained from each reference picture in the same manner as described above.
  • lic_flag is a signal indicating whether to apply LIC.
  • the decoding device 200 may decode lic_flag described in the stream, and switch whether to apply LIC depending on the value when decoding.
  • the inter prediction unit 126 determines whether the surrounding coded blocks selected when deriving the MV in merge mode have been coded by applying LIC. Depending on the result, the inter prediction unit 126 switches whether to apply LIC and performs coding. Note that even in this example, the same processing is applied to the processing on the decoding device 200 side.
  • the inter prediction unit 126 derives an MV for obtaining a reference image corresponding to the current block from a reference picture, which is an encoded picture.
  • the inter prediction unit 126 performs luminance correction processing on the reference image in the reference picture specified by the MV using the luminance correction parameter, thereby generating a predicted image for the current block.
  • the luminance pixel value in the reference image is set to p2
  • the luminance pixel value of the predicted image after the luminance correction processing is set to p3.
  • the surrounding reference area shown in FIG. 66A may be used.
  • an area including a predetermined number of pixels thinned out from each of the upper adjacent pixels and the left adjacent pixels may be used as the surrounding reference area.
  • the surrounding reference area is not limited to an area adjacent to the current block, and may be an area not adjacent to the current block.
  • the surrounding reference area in the reference picture is an area specified by the MV of the current picture from the surrounding reference area in the current picture, but it may also be an area specified by another MV.
  • the other MV may be the MV of the surrounding reference area in the current picture.
  • the LIC may be applied not only to luminance but also to color difference.
  • correction parameters may be derived separately for each of Y, Cb, and Cr, or a common correction parameter may be used for any of them.
  • the LIC process may also be applied on a subblock basis.
  • the correction parameters may be derived using the surrounding reference area of the current subblock and the surrounding reference area of a reference subblock in a reference picture specified by the MV of the current subblock.
  • the prediction control unit 128 selects either an intra-predicted image (an image or signal output from the intra-prediction unit 124) or an inter-predicted image (an image or signal output from the inter-prediction unit 126), and outputs the selected predicted image to the subtraction unit 104 and the addition unit 116.
  • the prediction parameter generating unit 130 may output information related to intra prediction, inter prediction, and selection of a predicted image in the prediction control unit 128, as prediction parameters to the entropy coding unit 110.
  • the entropy coding unit 110 may generate a stream based on the prediction parameters input from the prediction parameter generating unit 130 and the quantization coefficients input from the quantization unit 108.
  • the prediction parameters may be used by the decoding device 200.
  • the decoding device 200 may receive and decode the stream and perform the same processing as the prediction processing performed in the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction parameters may include a selected prediction signal (e.g., MV, prediction type, or prediction mode used in the intra prediction unit 124 or the inter prediction unit 126), or any index, flag, or value based on or indicating the prediction processing performed in the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • a selected prediction signal e.g., MV, prediction type, or prediction mode used in the intra prediction unit 124 or the inter prediction unit 126
  • any index, flag, or value based on or indicating the prediction processing performed in the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • a decoding device 200 capable of decoding the stream output from the above-mentioned encoding device 100.
  • Fig. 67 is a block diagram showing an example of a configuration of the decoding device 200 according to an embodiment.
  • the decoding device 200 is a device that decodes a stream, which is an encoded image, in units of blocks.
  • the decoding device 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse transform unit 206, an adder unit 208, a block memory 210, a loop filter unit 212, a frame memory 214, an intra prediction unit 216, an inter prediction unit 218, a prediction control unit 220, a prediction parameter generation unit 222, and a partition determination unit 224.
  • Each of the intra prediction unit 216 and the inter prediction unit 218 is configured as part of the prediction processing unit.
  • Fig. 68 is a block diagram showing an implementation example of the decoding device 200.
  • the decoding device 200 includes a processor b1 and a memory b2.
  • a number of components of the decoding device 200 shown in Fig. 67 are implemented by the processor b1 and the memory b2 shown in Fig. 68.
  • Processor b1 is a circuit that performs information processing and is a circuit that can access memory b2.
  • processor b1 is a dedicated or general-purpose electronic circuit that decodes a stream.
  • Processor b1 may be a processor such as a CPU.
  • Processor b1 may also be a collection of multiple electronic circuits.
  • processor b1 may also fulfill the roles of multiple components of the decoding device 200 shown in FIG. 67 etc., excluding the components for storing information.
  • Memory b2 is a dedicated or general-purpose memory that stores information for processor b1 to decode the stream.
  • Memory b2 may be an electronic circuit and may be connected to processor b1.
  • Memory b2 may also be included in processor b1.
  • Memory b2 may also be a collection of multiple electronic circuits.
  • Memory b2 may also be a magnetic disk or an optical disk, etc., and may be expressed as storage or recording medium, etc.
  • Memory b2 may also be a non-volatile memory or a volatile memory.
  • memory b2 may store an image or a stream.
  • Memory b2 may also store a program for processor b1 to decode the stream.
  • memory b2 may play the role of a component for storing information among the multiple components of the decoding device 200 shown in FIG. 67 etc. Specifically, memory b2 may play the role of the block memory 210 and frame memory 214 shown in FIG. 67. More specifically, memory b2 may store a reconstructed image (specifically, a reconstructed block or a reconstructed picture, etc.).
  • the overall processing flow of the decoding device 200 will be described, followed by a description of each component included in the decoding device 200. Note that detailed description of components included in the decoding device 200 that perform the same processing as the components included in the encoding device 100 will be omitted.
  • the inverse quantization unit 204, inverse transform unit 206, adder unit 208, block memory 210, frame memory 214, intra prediction unit 216, inter prediction unit 218, prediction control unit 220, and loop filter unit 212 included in the decoding device 200 perform the same processing as the inverse quantization unit 112, inverse transform unit 114, adder unit 116, block memory 118, frame memory 122, intra prediction unit 124, inter prediction unit 126, prediction control unit 128, and loop filter unit 120 included in the encoding device 100, respectively.
  • FIG. 69 is a flowchart showing an example of the overall decoding process by the decoding device 200.
  • the partitioning determination unit 224 of the decoding device 200 determines a partitioning pattern for each of the multiple fixed-size blocks (128 x 128 pixels) included in the picture based on the parameters input from the entropy decoding unit 202 (step Sp_1). This partitioning pattern is the partitioning pattern selected by the encoding device 100. The decoding device 200 then performs the processes of steps Sp_2 to Sp_6 for each of the multiple blocks that make up that partitioning pattern.
  • the entropy decoding unit 202 decodes (specifically, entropy decodes) the encoded quantization coefficients and prediction parameters of the current block (step Sp_2).
  • the inverse quantization unit 204 and the inverse transform unit 206 perform inverse quantization and inverse transform on the multiple quantized coefficients to restore the prediction residual of the current block (step Sp_3).
  • the prediction processing unit consisting of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 generates a predicted image of the current block (step Sp_4).
  • the adder 208 reconstructs the current block into a reconstructed image (also called a decoded image block) by adding the predicted image to the prediction residual (step Sp_5).
  • the loop filter unit 212 performs filtering on the reconstructed image (step Sp_6).
  • the decoding device 200 determines whether the decoding of the entire picture is complete (step Sp_7), and if it determines that the decoding is not complete (No in step Sp_7), it repeats the process from step Sp_1.
  • steps Sp_1 to Sp_7 may be performed sequentially by the decoding device 200, or some of the processes may be performed in parallel, or the order of the processes may be changed.
  • [Division decision unit] 70 is a diagram showing the relationship between the division determination unit 224 and other components.
  • the division determination unit 224 may perform the following process, for example.
  • the partitioning decision unit 224 may, for example, collect block information from the block memory 210 or the frame memory 214, and further obtain parameters from the entropy decoding unit 202. The partitioning decision unit 224 may then determine a partitioning pattern for fixed-size blocks based on the block information and parameters. The partitioning decision unit 224 may then output information indicating the determined partitioning pattern to the inverse transform unit 206, the intra prediction unit 216, and the inter prediction unit 218. The inverse transform unit 206 may perform an inverse transform on the transform coefficients based on the partitioning pattern indicated by the information from the partitioning decision unit 224. The intra prediction unit 216 and the inter prediction unit 218 may generate a predicted image based on the partitioning pattern indicated by the information from the partitioning decision unit 224.
  • FIG. 71 is a block diagram showing an example of the configuration of the entropy decoding unit 202.
  • the entropy decoding unit 202 generates quantization coefficients, prediction parameters, and parameters related to the division pattern by entropy decoding the stream.
  • CABAC is used for the entropy decoding.
  • the entropy decoding unit 202 includes, for example, a binary arithmetic decoding unit 202a, a context control unit 202b, and a multi-value conversion unit 202c.
  • the binary arithmetic decoding unit 202a arithmetically decodes the stream into a binary signal using the context value derived by the context control unit 202b.
  • the context control unit 202b like the context control unit 110b of the encoding device 100, derives a context value according to the characteristics of the syntax element or the surrounding circumstances, that is, the occurrence probability of the binary signal.
  • the multi-value conversion unit 202c performs multi-value conversion (debinarization) to convert the binary signal output from the binary arithmetic decoding unit 202a into a multi-value signal indicating the above-mentioned quantization coefficients, etc. This multi-value conversion is performed according to the binarization method described above.
  • the entropy decoding unit 202 outputs the quantized coefficients to the inverse quantization unit 204 on a block-by-block basis.
  • the entropy decoding unit 202 may output prediction parameters included in the stream (see FIG. 1 ) to the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 can execute the same prediction processing as the processing executed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 on the encoding device 100 side.
  • FIG. 72 is a diagram showing the flow of CABAC in the entropy decoding unit 202.
  • initialization is performed in CABAC in the entropy decoding unit 202.
  • initialization is performed in the binary arithmetic decoding unit 202a and initial context values are set.
  • the binary arithmetic decoding unit 202a and the multi-value conversion unit 202c perform arithmetic decoding and multi-value conversion on the encoded data of, for example, a CTU.
  • the context control unit 202b updates the context value every time arithmetic decoding is performed.
  • the context control unit 202b saves the context value. This saved context value is used, for example, as the initial context value for the next CTU.
  • the inverse quantization unit 204 inverse quantizes the quantized coefficients of the current block that are input from the entropy decoding unit 202. Specifically, the inverse quantization unit 204 inverse quantizes each of the quantized coefficients of the current block based on a quantization parameter corresponding to the quantized coefficient. The inverse quantization unit 204 then outputs the inverse quantized quantized coefficients (i.e., transform coefficients) of the current block to the inverse transform unit 206.
  • the inverse quantized quantized coefficients i.e., transform coefficients
  • FIG. 73 is a block diagram showing an example of the configuration of the inverse quantization unit 204.
  • the inverse quantization unit 204 includes, for example, a quantization parameter generation unit 204a, a predicted quantization parameter generation unit 204b, a quantization parameter storage unit 204d, and an inverse quantization processing unit 204e.
  • FIG. 74 is a flowchart showing an example of inverse quantization by the inverse quantization unit 204.
  • the inverse quantization unit 204 may perform inverse quantization processing for each CU based on the flow shown in FIG. 74. Specifically, the quantization parameter generation unit 204a determines whether or not to perform inverse quantization (step Sv_11). Here, if it is determined that inverse quantization is to be performed (Yes in step Sv_11), the quantization parameter generation unit 204a obtains the differential quantization parameter of the current block from the entropy decoding unit 202 (step Sv_12).
  • the predicted quantization parameter generation unit 204b acquires a quantization parameter for a processing unit different from the current block from the quantization parameter storage unit 204d (step Sv_13).
  • the predicted quantization parameter generation unit 204b generates a predicted quantization parameter for the current block based on the acquired quantization parameter (step Sv_14).
  • the quantization parameter generation unit 204a adds the differential quantization parameter of the current block acquired from the entropy decoding unit 202 to the predicted quantization parameter of the current block generated by the predicted quantization parameter generation unit 204b (step Sv_15). This addition generates a quantization parameter of the current block.
  • the quantization parameter generation unit 204a also stores the quantization parameter of the current block in the quantization parameter storage unit 204d (step Sv_16).
  • the inverse quantization processing unit 204e inverse quantizes the quantization coefficients of the current block into transform coefficients using the quantization parameters generated in step Sv_15 (step Sv_17).
  • the differential quantization parameter may be decoded at the bit sequence level, picture level, slice level, brick level, or CTU level.
  • the initial value of the quantization parameter may be decoded at the sequence level, picture level, slice level, brick level, or CTU level.
  • the quantization parameter may be generated using the initial value of the quantization parameter and the differential quantization parameter.
  • the inverse quantization unit 204 may be equipped with multiple inverse quantizers, and may inverse quantize the quantized coefficients using an inverse quantization method selected from multiple inverse quantization methods.
  • the inverse transform unit 206 reconstructs the prediction residual by inverse transforming the transform coefficients input from the inverse quantization unit 204 .
  • the inverse transform unit 206 inverse transforms the transform coefficients of the current block based on the interpreted information indicating the transform type.
  • the inverse transform unit 206 applies an inverse retransform to the transform coefficients.
  • FIG. 75 is a flowchart showing an example of processing by the inverse conversion unit 206.
  • the inverse transform unit 206 determines whether or not information indicating that an orthogonal transform is not performed is present in the stream (step St_11). If it is determined that such information is not present (No in step St_11), the inverse transform unit 206 acquires information indicating the transform type decoded by the entropy decoding unit 202 (step St_12). Next, the inverse transform unit 206 determines the transform type used in the orthogonal transform of the encoding device 100 based on the information (step St_13). Then, the inverse transform unit 206 performs an inverse orthogonal transform using the determined transform type (step St_14).
  • FIG. 76 is a flowchart showing another example of processing by the inverse conversion unit 206.
  • the inverse transform unit 206 determines whether the transform size is equal to or smaller than a predetermined value (step Su_11). If it is determined that the transform size is equal to or smaller than the predetermined value (Yes in step Su_11), the inverse transform unit 206 acquires information indicating which of the one or more transform types included in the first transform type group has been used by the encoding device 100 from the entropy decoding unit 202 (step Su_12). Note that such information is decoded by the entropy decoding unit 202 and output to the inverse transform unit 206.
  • the inverse transform unit 206 determines the transform type used for the orthogonal transform in the encoding device 100 based on the information (step Su_13). The inverse transform unit 206 then performs an inverse orthogonal transform on the transform coefficients of the current block using the determined transform type (step Su_14). On the other hand, if the inverse transform unit 206 determines in step Su_11 that the transform size is not equal to or smaller than the predetermined value (No in step Su_11), it performs an inverse orthogonal transform on the transform coefficients of the current block using the second transform type group (step Su_15).
  • the inverse orthogonal transform by the inverse transform unit 206 may be performed for each TU according to the flow shown in FIG. 75 or FIG. 76, for example.
  • the inverse orthogonal transform may be performed using a predefined transform type without decoding information indicating the transform type used for the orthogonal transform.
  • the transform type is DST7 or DCT8, and the inverse orthogonal transform uses an inverse transform basis function corresponding to that transform type.
  • the adder 208 reconstructs the current block by adding the prediction residual input from the inverse transformer 206 and the prediction image input from the prediction control unit 220. In other words, a reconstructed image of the current block is generated. The adder 208 then outputs the reconstructed image of the current block to the block memory 210 and the loop filter unit 212.
  • the block memory 210 is a storage unit for storing blocks in the current picture that are referenced in intra prediction. Specifically, the block memory 210 stores the reconstructed image output from the adder 208.
  • the loop filter unit 212 applies a loop filter to the reconstructed image generated by the adder unit 208, and outputs the filtered reconstructed image to a frame memory 214, a display device, or the like.
  • one filter is selected from among multiple filters based on the local gradient direction and activity, and the selected filter is applied to the reconstructed image.
  • FIG. 77 is a block diagram showing an example of the configuration of the loop filter unit 212. Note that the loop filter unit 212 has a similar configuration to the loop filter unit 120 of the encoding device 100.
  • the loop filter unit 212 includes a deblocking filter processing unit 212a, an SAO processing unit 212b, and an ALF processing unit 212c, as shown in FIG. 77, for example.
  • the deblocking filter processing unit 212a performs the above-mentioned deblocking filter processing on the reconstructed image.
  • the SAO processing unit 212b performs the above-mentioned SAO processing on the reconstructed image after the deblocking filter processing.
  • the ALF processing unit 212c applies the above-mentioned ALF processing to the reconstructed image after the SAO processing.
  • the loop filter unit 212 does not need to include all the processing units disclosed in FIG. 77, and may include only some of the processing units.
  • the loop filter unit 212 may be configured to perform the above-mentioned processes in an order different from the processing order disclosed in FIG. 77.
  • the frame memory 214 is a storage unit for storing reference pictures used in inter prediction, and is also called a frame buffer. Specifically, the frame memory 214 stores the reconstructed image filtered by the loop filter unit 212.
  • Prediction unit (intra prediction unit, inter prediction unit, prediction control unit)] 78 is a flowchart showing an example of processing performed in the prediction unit of the decoding device 200.
  • the prediction unit is made up of all or some of the components of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • the prediction processing unit includes, for example, the intra prediction unit 216 and the inter prediction unit 218.
  • the prediction unit generates a predicted image of the current block (step Sq_1).
  • This predicted image is also called a predicted signal or a predicted block.
  • the predicted signal may be, for example, an intra-prediction signal or an inter-prediction signal.
  • the prediction unit generates a predicted image of the current block using a reconstructed image that has already been obtained by generating predicted images for other blocks, restoring prediction residuals, and adding predicted images.
  • the prediction unit of the decoding device 200 generates a predicted image that is the same as the predicted image generated by the prediction unit of the encoding device 100. In other words, the methods of generating predicted images used by these prediction units are common to or correspond to each other.
  • the reconstructed image may be, for example, an image of a reference picture, or an image of a decoded block (i.e., the other block mentioned above) in the current picture, which is a picture that includes the current block.
  • the decoded block in the current picture is, for example, an adjacent block of the current block.
  • FIG. 79 is a flowchart showing another example of processing performed by the prediction unit of the decoding device 200.
  • the prediction unit determines a method or mode for generating a predicted image (step Sr_1). For example, this method or mode may be determined based on prediction parameters, etc.
  • the prediction unit determines that the mode for generating a predicted image is the first method, the prediction unit generates the predicted image according to the first method (step Sr_2a). If the prediction unit determines that the mode for generating a predicted image is the second method, the prediction unit generates the predicted image according to the second method (step Sr_2b). If the prediction unit determines that the mode for generating a predicted image is the third method, the prediction unit generates the predicted image according to the third method (step Sr_2c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, and may be, for example, an inter-prediction method, an intra-prediction method, or another prediction method. These prediction methods may use the reconstructed image described above.
  • FIGS. 80A and 80B are flowcharts showing another example of processing performed by the prediction unit of the decoding device 200.
  • the prediction unit may perform prediction processing according to the flow shown in Figures 80A and 80B as an example.
  • the intra block copy shown in Figures 80A and 80B is a mode belonging to inter prediction, in which a block included in the current picture is referenced as a reference image or reference block. In other words, in intra block copy, a picture other than the current picture is not referenced.
  • the PCM mode shown in Figure 80A is a mode belonging to intra prediction, in which conversion and quantization are not performed.
  • the intra prediction unit 216 generates a predicted image (i.e., an intra prediction image) of the current block by performing intra prediction with reference to a block in the current picture stored in the block memory 210 based on the intra prediction mode interpreted from the stream. Specifically, the intra prediction unit 216 generates an intra prediction image by performing intra prediction with reference to pixel values (e.g., luminance values, chrominance values) of blocks adjacent to the current block, and outputs the intra prediction image to the prediction control unit 220.
  • pixel values e.g., luminance values, chrominance values
  • the intra prediction unit 216 may predict the chrominance component of the current block based on the luminance component of the current block.
  • the intra prediction unit 216 corrects the pixel value after intra prediction based on the gradient of the reference pixels in the horizontal/vertical directions.
  • Figure 81 shows an example of processing by the intra prediction unit 216 of the decoding device 200.
  • the intra prediction unit 216 first determines whether or not an MPM flag indicating 1 is present in the stream (step Sw_11). If it is determined that an MPM flag indicating 1 is present (Yes in step Sw_11), the intra prediction unit 216 acquires information indicating the intra prediction mode selected in the encoding device 100 from the entropy decoding unit 202 (step Sw_12). The information is decoded by the entropy decoding unit 202 and output to the intra prediction unit 216. Next, the intra prediction unit 216 determines an MPM (step Sw_13). The MPM consists of, for example, six intra prediction modes. Then, the intra prediction unit 216 determines the intra prediction mode indicated by the information acquired in step Sw_12 from among the multiple intra prediction modes included in the MPM (step Sw_14).
  • the intra prediction unit 216 determines in step Sw_11 that the MPM flag indicating 1 is not present in the stream (No in step Sw_11), it acquires information indicating the intra prediction mode selected in the encoding device 100 (step Sw_15). That is, the intra prediction unit 216 acquires information indicating the intra prediction mode selected in the encoding device 100 from the entropy decoding unit 202, among one or more intra prediction modes not included in the MPM. Note that the information is decoded by the entropy decoding unit 202 and output to the intra prediction unit 216. Then, the intra prediction unit 216 determines the intra prediction mode indicated by the information acquired in step Sw_15, from among the one or more intra prediction modes not included in the MPM (step Sw_17).
  • the intra prediction unit 216 generates a predicted image according to the intra prediction mode determined in step Sw_14 or step Sw_17 (step Sw_18).
  • the inter prediction unit 218 predicts the current block by referring to a reference picture stored in the frame memory 214. The prediction is performed in units of the current block or sub-blocks in the current block. Note that a sub-block is included in a block and is a unit smaller than a block. The size of the sub-block may be 4x4 pixels, 8x8 pixels, or another size. The size of the sub-block may be switched in units of a slice, a brick, a picture, or the like.
  • the inter prediction unit 218 generates an inter prediction image of the current block or sub block by performing motion compensation using motion information (e.g., MV) interpreted from the stream (e.g., prediction parameters output from the entropy decoding unit 202), and outputs the inter prediction image to the prediction control unit 220.
  • motion information e.g., MV
  • the stream e.g., prediction parameters output from the entropy decoding unit 202
  • the inter prediction unit 218 If the information interpreted from the stream indicates that the OBMC mode is to be applied, the inter prediction unit 218 generates an inter prediction image using not only the motion information of the current block obtained by motion search, but also the motion information of adjacent blocks.
  • the inter prediction unit 218 derives motion information by performing motion search according to the pattern matching method (bilateral matching or template matching) interpreted from the stream.Then, the inter prediction unit 218 performs motion compensation (prediction) using the derived motion information.
  • the inter prediction unit 218 derives MVs based on a model that assumes uniform linear motion. Furthermore, when the information interpreted from the stream indicates that the affine mode is to be applied, the inter prediction unit 218 derives MVs on a sub-block basis based on the MVs of multiple adjacent blocks.
  • FIG. 82 is a flowchart showing an example of MV derivation in the decoding device 200.
  • the inter prediction unit 218, determines whether or not to decode motion information (e.g., MV). For example, the inter prediction unit 218 may make the determination according to the prediction mode included in the stream, or may make the determination based on other information included in the stream.
  • motion information e.g., MV
  • the inter prediction unit 218 determines to decode the motion information, it derives the MV of the current block in a mode for decoding the motion information.
  • the inter prediction unit 218 determines not to decode the motion information, it derives the MV in a mode for not decoding the motion information.
  • MV derivation modes include normal inter mode, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes that decode motion information include normal inter mode, normal merge mode, and affine mode (specifically, affine inter mode and affine merge mode). Note that motion information may include not only MVs but also predicted MV selection information, which will be described later.
  • modes that do not decode motion information include FRUC mode.
  • the inter prediction unit 218 selects a mode for deriving the MV of the current block from these multiple modes, and derives the MV of the current block using the selected mode.
  • FIG. 83 is a flowchart showing another example of MV derivation in the decoding device 200.
  • the inter prediction unit 218, determines whether or not to decode the differential MV. For example, the inter prediction unit 218 may make the determination according to the prediction mode included in the stream, or may make the determination based on other information included in the stream.
  • the inter prediction unit 218 may derive the MV of the current block in a mode for decoding the differential MV. In this case, for example, the differential MV included in the stream is decoded as a prediction parameter.
  • the inter prediction unit 218 determines not to decode the differential MV, it derives the MV in a mode in which the differential MV is not decoded. In this case, the encoded differential MV is not included in the stream.
  • the modes for deriving MVs include normal inter, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • the modes for encoding differential MVs include normal inter mode and affine mode (specifically, affine inter mode).
  • the modes for not encoding differential MVs include FRUC mode, normal merge mode, and affine mode (specifically, affine merge mode).
  • the inter prediction unit 218 selects a mode for deriving the MV of the current block from these multiple modes, and derives the MV of the current block using the selected mode.
  • the inter prediction unit 218 derives MVs in normal merge mode based on the information interpreted from the stream, and performs motion compensation (prediction) using the MVs.
  • FIG. 84 is a flowchart showing an example of inter prediction in normal inter mode in the decoding device 200.
  • the inter prediction unit 218 of the decoding device 200 performs motion compensation for each block. At this time, the inter prediction unit 218 first obtains multiple candidate MVs for the current block based on information such as the MVs of multiple decoded blocks that are temporally or spatially surrounding the current block (step Sg_11). In other words, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 extracts N candidate MVs (N is an integer equal to or greater than 2) from the multiple candidate MVs obtained in step Sg_11 as predicted motion vector candidates (also called predicted MV candidates) according to a predetermined priority order (step Sg_12). Note that the priority order is predetermined for each of the N predicted MV candidates.
  • the inter prediction unit 218 decodes the prediction MV selection information from the input stream, and uses the decoded prediction MV selection information to select one prediction MV candidate from the N prediction MV candidates as the prediction MV for the current block (step Sg_13).
  • the inter prediction unit 218 decodes the differential MV from the input stream and derives the MV of the current block by adding the differential value of the decoded differential MV to the selected predicted MV (step Sg_14).
  • the inter prediction unit 218 performs motion compensation on the current block using the derived MV and the decoded reference picture to generate a predicted image of the current block (step Sg_15).
  • the process of steps Sg_11 to Sg_15 is performed for each block. For example, when the process of steps Sg_11 to Sg_15 is performed for each of all blocks included in a slice, the inter prediction using the normal inter mode for the slice is completed. Also, when the process of steps Sg_11 to Sg_15 is performed for each of all blocks included in a picture, the inter prediction using the normal inter mode for the picture is completed.
  • steps Sg_11 to Sg_15 may not be performed for all blocks included in a slice, and when they are performed for some blocks, the inter prediction using the normal inter mode for the slice may be completed. Similarly, when the process of steps Sg_11 to Sg_15 is performed for some blocks included in a picture, the inter prediction using the normal inter mode for the picture may be completed.
  • MV derivation > Normal merge mode For example, when information interpreted from the stream indicates the application of the normal merge mode, the inter prediction unit 218 derives MVs in the normal merge mode and performs motion compensation (prediction) using the MVs.
  • FIG. 85 is a flowchart showing an example of inter prediction in normal merge mode in the decoding device 200.
  • the inter prediction unit 218 obtains multiple candidate MVs for the current block based on information such as MVs of multiple decoded blocks that are temporally or spatially surrounding the current block (step Sh_11). In other words, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 derives the MV of the current block by selecting one candidate MV from the multiple candidate MVs obtained in step Sh_11 (step Sh_12). Specifically, the inter prediction unit 218 obtains, for example, MV selection information included in the stream as a prediction parameter, and selects the candidate MV identified by the MV selection information as the MV of the current block.
  • the inter prediction unit 218 performs motion compensation on the current block using the derived MV and the decoded reference picture to generate a predicted image of the current block (step Sh_13).
  • the processes of steps Sh_11 to Sh_13 are performed, for example, on each block. For example, when the processes of steps Sh_11 to Sh_13 are performed on each of all blocks included in a slice, inter prediction using the normal merge mode for that slice is completed. Also, when the processes of steps Sh_11 to Sh_13 are performed on each of all blocks included in a picture, inter prediction using the normal merge mode for that picture is completed.
  • steps Sh_11 to Sh_13 may not be performed on all blocks included in a slice, and when they are performed on some blocks, inter prediction using the normal merge mode for that slice may be completed. Similarly, when the processes of steps Sh_11 to Sh_13 are performed on some blocks included in a picture, inter prediction using the normal merge mode for that picture may be completed.
  • the inter prediction unit 218 derives MVs in the FRUC mode and performs motion compensation (prediction) using the MVs.
  • the motion information is not signaled from the encoding device 100 side, but is derived on the decoding device 200 side.
  • the decoding device 200 may derive the motion information by performing motion search. In this case, the decoding device 200 performs the motion search without using pixel values of the current block.
  • FIG. 86 is a flowchart showing an example of inter prediction in FRUC mode in the decoding device 200.
  • the inter prediction unit 218 refers to the MVs of each decoded block spatially or temporally adjacent to the current block, and generates a list (i.e., a candidate MV list, which may be common to the candidate MV list for the normal merge mode) indicating those MVs as candidate MVs (step Si_11).
  • the inter prediction unit 218 selects a best candidate MV from among the multiple candidate MVs registered in the candidate MV list (step Si_12). For example, the inter prediction unit 218 calculates an evaluation value of each candidate MV included in the candidate MV list, and selects one candidate MV as the best candidate MV based on the evaluation value.
  • the inter prediction unit 218 derives an MV for the current block based on the selected best candidate MV (step Si_14).
  • the selected best candidate MV is derived as it is as the MV for the current block.
  • the MV for the current block may be derived by performing pattern matching in the surrounding area of the position in the reference picture corresponding to the selected best candidate MV. That is, a search is performed on the area surrounding the best candidate MV using pattern matching and evaluation values in the reference picture, and if an MV with a better evaluation value is found, the best candidate MV can be updated to that MV and used as the final MV for the current block. It is not necessary to update to an MV with a better evaluation value.
  • the inter prediction unit 218 performs motion compensation on the current block using the derived MV and the decoded reference picture to generate a predicted image of the current block (step Si_15).
  • the processes of steps Si_11 to Si_15 are performed, for example, for each block. For example, when the processes of steps Si_11 to Si_15 are performed on each of all blocks included in a slice, inter prediction using the FRUC mode for that slice is completed. Also, when the processes of steps Si_11 to Si_15 are performed on each of all blocks included in a picture, inter prediction using the FRUC mode for that picture is completed. Processing may also be performed on a sub-block basis in the same manner as for the block basis described above.
  • MV derivation > Affine merge mode For example, if the information interpreted from the stream indicates the application of the affine merge mode, the inter prediction unit 218 derives MVs in the affine merge mode and performs motion compensation (prediction) using the MVs.
  • FIG. 87 is a flowchart showing an example of inter prediction in affine merge mode in the decoding device 200.
  • the inter prediction unit 218 first derives the MVs of each of the control points of the current block (step Sk_11).
  • the control points are the upper left and upper right corners of the current block as shown in FIG. 46A, or the upper left, upper right, and lower left corners of the current block as shown in FIG. 46B.
  • the inter prediction unit 218 examines the decoded blocks in the following order, as shown in Figure 47A: decoded block A (left), block B (top), block C (top right), block D (bottom left), and block E (top left), and identifies the first valid block decoded in affine mode.
  • the inter prediction unit 218 derives the MV of the control point using the first valid block decoded in the identified affine mode. For example, when a block A is identified and the block A has two control points, as shown in FIG. 47B, the inter prediction unit 218 calculates the motion vector v0 of the upper left corner control point and the motion vector v1 of the upper right corner control point of the current block by projecting the motion vectors v3 and v4 of the upper left corner and upper right corner of the decoded block including the block A to the current block. This derives the MV of each control point.
  • the MVs of three control points may be calculated, and as shown in FIG. 49B, when block A is identified and block A has three control points, the MVs of two control points may be calculated.
  • the inter prediction unit 218 may use the MV selection information to derive the MV of each control point of the current block.
  • the inter prediction unit 218 performs motion compensation for each of the sub-blocks included in the current block. That is, for each of the sub-blocks, the inter prediction unit 218 calculates the MV of the sub-block as an affine MV using two motion vectors v0 and v1 and the above-mentioned formula (1A), or using three motion vectors v0 , v1 , and v2 and the above-mentioned formula (1B) (step Sk_12). Then, the inter prediction unit 218 performs motion compensation for the sub-block using the affine MV and the decoded reference picture (step Sk_13).
  • the inter prediction using the affine merge mode for the current block is completed. That is, motion compensation is performed for the current block, and a predicted image of the current block is generated.
  • the above-mentioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list including candidate MVs derived using multiple MV derivation methods for each control point.
  • the multiple MV derivation methods may be any combination of the MV derivation methods shown in Figures 47A to 47C, the MV derivation methods shown in Figures 48A and 48B, the MV derivation methods shown in Figures 49A and 49B, and other MV derivation methods.
  • candidate MV list may also include candidate MVs for modes other than affine mode that perform prediction on a subblock basis.
  • a candidate MV list including a candidate MV for an affine merge mode with two control points and a candidate MV for an affine merge mode with three control points may be generated.
  • a candidate MV list including a candidate MV for an affine merge mode with two control points and a candidate MV list including a candidate MV for an affine merge mode with three control points may be generated.
  • a candidate MV list including candidate MVs for one of the affine merge mode with two control points and the affine merge mode with three control points may be generated.
  • MV derivation > affine intermode For example, when information interpreted from the stream indicates the application of affine inter mode, the inter prediction unit 218 derives MVs in affine inter mode and performs motion compensation (prediction) using the MVs.
  • FIG. 88 is a flowchart showing an example of inter prediction in affine inter mode in the decoding device 200.
  • the inter prediction unit 218 first derives predicted MVs ( v0 , v1 ) or ( v0 , v1 , v2 ) of two or three control points of the current block (step Sj_11).
  • the control points are, for example, the upper left corner, the upper right corner, or the lower left corner of the current block, as shown in FIG. 46A or FIG. 46B.
  • the inter prediction unit 218 obtains prediction MV selection information included in the stream as a prediction parameter, and derives a prediction MV of each control point of the current block using the MV identified by the prediction MV selection information. For example, when using the MV derivation method shown in Figure 48A and Figure 48B, the inter prediction unit 218 derives a prediction MV (v0, v1 ) or ( v0 , v1, v2) of the control point of the current block by selecting the MV of the block identified by the prediction MV selection information from among the decoded blocks in the vicinity of each control point of the current block shown in Figure 48A or Figure 48B .
  • the inter prediction unit 218, obtains each differential MV included in the stream as a prediction parameter, and adds the predicted MV of each control point of the current block to the differential MV corresponding to the predicted MV (step Sj_12). This derives the MV of each control point of the current block.
  • the inter prediction unit 218 performs motion compensation for each of the sub-blocks included in the current block. That is, the inter prediction unit 218 calculates the MV of each of the sub-blocks as an affine MV using two motion vectors v0 and v1 and the above formula (1A), or using three motion vectors v0 , v1 , and v2 and the above formula (1B) (step Sj_13). Then, the inter prediction unit 218 performs motion compensation for the sub-block using the affine MV and the decoded reference picture (step Sj_14).
  • step Sj_11 the above-mentioned candidate MV list may be generated, similar to step Sk_11.
  • MV derivation > triangle mode For example, if the information interpreted from the stream indicates the application of triangle mode, the inter prediction unit 218 derives MVs in triangle mode and performs motion compensation (prediction) using the MVs.
  • FIG. 89 is a flowchart showing an example of inter prediction in triangle mode in the decoding device 200.
  • the inter prediction unit 218 divides the current block into a first partition and a second partition (step Sx_11). At this time, the inter prediction unit 218 may obtain partition information, which is information regarding the division into each partition, from the stream as a prediction parameter. Then, the inter prediction unit 218 may divide the current block into the first partition and the second partition according to the partition information.
  • the inter prediction unit 218 first obtains multiple candidate MVs for the current block based on information such as MVs of multiple decoded blocks that are temporally or spatially surrounding the current block (step Sx_12). In other words, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 selects the candidate MV of the first partition and the candidate MV of the second partition as the first MV and the second MV, respectively, from among the multiple candidate MVs obtained in step Sx_11 (step Sx_13). At this time, the inter prediction unit 218 may obtain MV selection information for identifying the selected candidate MV from the stream as a prediction parameter. Then, the inter prediction unit 218 may select the first MV and the second MV according to the MV selection information.
  • the inter prediction unit 218 generates a first predicted image by performing motion compensation using the selected first MV and the decoded reference picture (step Sx_14). Similarly, the inter prediction unit 218 generates a second predicted image by performing motion compensation using the selected second MV and the decoded reference picture (step Sx_15).
  • the inter prediction unit 218 generates a predicted image of the current block by weighting and adding the first predicted image and the second predicted image (step Sx_16).
  • FIG. 90 is a flowchart showing an example of motion search using DMVR in the decoding device 200.
  • the inter prediction unit 218 derives the MV of the current block in merge mode (step Sl_11).
  • the inter prediction unit 218 derives the final MV for the current block by searching the surrounding area of the reference picture indicated by the MV derived in step Sl_11 (step Sl_12). That is, the MV of the current block is determined by the DMVR.
  • FIG. 91 is a flowchart showing a detailed example of motion estimation by DMVR in the decoding device 200.
  • the inter prediction unit 218 calculates the costs at the search position (also called the starting point) indicated by the initial MV and the eight surrounding search positions. Then, the inter prediction unit 218 determines whether the cost of the search position other than the starting point is the smallest. Here, if the inter prediction unit 218 determines that the cost of the search position other than the starting point is the smallest, it moves to the search position with the smallest cost and performs the processing of Step 2 shown in FIG. 58A. On the other hand, if the cost of the starting point is the smallest, the inter prediction unit 218 skips the processing of Step 2 shown in FIG. 58A and performs the processing of Step 3.
  • Step 2 shown in FIG. 58A the inter prediction unit 218 performs a search similar to the processing of Step 1, with the search position moved in accordance with the processing result of Step 1 as the new starting point.
  • the inter prediction unit 218 determines whether the cost of the search position other than the starting point is the smallest. Here, if the cost of the search position other than the starting point is the smallest, the inter prediction unit 218 performs the processing of Step 4. On the other hand, if the cost of the starting point is the smallest, the inter prediction unit 218 performs the processing of Step 3.
  • Step 4 the inter prediction unit 218 treats the search position of the starting point as the final search position, and determines the difference between the position indicated by the initial MV and that final search position as a difference vector.
  • the inter prediction unit 218 determines the pixel position with decimal precision that has the smallest cost based on the costs at four points above, below, left, and right of the starting point of Step 1 or Step 2, and sets that pixel position as the final search position.
  • the pixel position with decimal precision is determined by weighting and adding the vectors of the four points ((0,1), (0,-1), (-1,0), (1,0)) located above, below, left, and right, with the cost at each of the four search positions as the weights.
  • the inter prediction unit 218 determines the difference between the position indicated by the initial MV and that final search position as the difference vector.
  • BIO/OBMC/LIC For example, if the information interpreted from the stream indicates the application of correction of the predicted image, the inter prediction unit 218 generates a predicted image and then corrects the predicted image according to the correction mode, such as the above-mentioned BIO, OBMC, and LIC.
  • FIG. 92 is a flowchart showing an example of generation of a predicted image in the decoding device 200.
  • the inter prediction unit 218 generates a predicted image (step Sm_11) and corrects the predicted image using one of the modes described above (step Sm_12).
  • FIG. 93 is a flowchart showing another example of generation of a predicted image in the decoding device 200.
  • the inter prediction unit 218 derives the MV of the current block (step Sn_11). Next, the inter prediction unit 218 generates a predicted image using the MV (step Sn_12) and determines whether or not to perform correction processing (step Sn_13). For example, the inter prediction unit 218 obtains prediction parameters included in the stream and determines whether or not to perform correction processing based on the prediction parameters. The prediction parameters are, for example, flags indicating whether or not to apply each of the above-mentioned modes.
  • the inter prediction unit 218 determines that correction processing is to be performed (Yes in step Sn_13), it generates a final predicted image by correcting the predicted image (step Sn_14).
  • the luminance and chrominance of the predicted image may be corrected in step Sn_14.
  • the inter prediction unit 218 determines that correction processing is not to be performed (No in step Sn_13), it outputs the predicted image as the final predicted image without correcting it (step Sn_15).
  • the inter prediction unit 218 For example, if the information interpreted from the stream indicates the application of OBMC, the inter prediction unit 218 generates a predicted image and then corrects the predicted image according to OBMC.
  • FIG. 94 is a flowchart showing an example of correction of a predicted image by OBMC in the decoding device 200. Note that the flowchart in FIG. 94 shows the flow of correction of a predicted image using the current picture and reference picture shown in FIG. 62.
  • the inter prediction unit 218 obtains a predicted image (Pred) by normal motion compensation using the MV assigned to the current block, as shown in FIG. 62.
  • the inter prediction unit 218 applies (rates) the MV (MV_L) already derived for the decoded left adjacent block to the current block to obtain a predicted image (Pred_L).
  • the inter prediction unit 218 then performs a first correction of the predicted image by superimposing the two predicted images Pred and Pred_L. This has the effect of blending the boundaries between the adjacent blocks.
  • the inter prediction unit 218 applies (r recipients) the MV (MV_U) already derived for the decoded upper adjacent block to the current block to obtain a predicted image (Pred_U).
  • the inter prediction unit 218 then performs a second correction of the predicted image by superimposing the predicted image Pred_U on the predicted image (e.g., Pred and Pred_L) that has been corrected the first time. This has the effect of blending the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which the boundaries with the adjacent blocks have been blended (smoothed).
  • BIO Noted Compensation > BIO
  • the inter prediction unit 218 when the inter prediction unit 218 generates a predicted image, it corrects the predicted image in accordance with BIO.
  • FIG. 95 is a flowchart showing an example of correction of a predicted image by BIO in the decoding device 200.
  • the inter prediction unit 218 derives two motion vectors (M0, M1) using two reference pictures (Ref0, Ref1) that are different from the picture (Cur Pic) that contains the current block.
  • the inter prediction unit 218 then derives a predicted image for the current block using the two motion vectors (M0, M1) (step Sy_11).
  • the motion vector M0 is the motion vector (MVx0, MVy0) that corresponds to the reference picture Ref0
  • the motion vector M1 is the motion vector (MVx1, MVy1) that corresponds to the reference picture Ref1.
  • the inter prediction unit 218 derives an interpolated image I 0 of the current block using the motion vector M0 and the reference picture L0.
  • the inter prediction unit 218 also derives an interpolated image I 1 of the current block using the motion vector M1 and the reference picture L1 (step Sy_12).
  • the interpolated image I 0 is an image included in the reference picture Ref0 derived for the current block
  • the interpolated image I 1 is an image included in the reference picture Ref1 derived for the current block.
  • the interpolated images I 0 and I 1 may each be the same size as the current block.
  • the interpolated images I 0 and I 1 may each be an image larger than the current block in order to appropriately derive a gradient image described later.
  • the interpolated images I 0 and I 1 may include a predicted image derived by applying a motion vector (M0, M1), a reference picture (L0, L1), and a motion compensation filter.
  • the inter prediction unit 218 derives a gradient image ( Ix0 , Ix1 , Iy0 , Iy1 ) of the current block from the interpolated image I0 and the interpolated image I1 (step Sy_13).
  • the horizontal gradient image is ( Ix0 , Ix1 )
  • the vertical gradient image is ( Iy0 , Iy1 ).
  • the inter prediction unit 218 may derive the gradient image by, for example, applying a gradient filter to the interpolated image.
  • the gradient image may be any image that indicates a spatial change in pixel values along the horizontal or vertical direction.
  • the inter prediction unit 218 derives the optical flow (vx, vy), which is the above-mentioned velocity vector, for each of the sub-blocks constituting the current block, using the interpolated image (I0, I1 ) and the gradient image ( Ix0 , Ix1 , Iy0 , Iy1 ) (step Sy_14).
  • the sub-block may be a sub-CU of 4x4 pixels.
  • the inter prediction unit 218 corrects the predicted image of the current block using the optical flow (vx, vy). For example, the inter prediction unit 218 derives a correction value for the value of a pixel included in the current block using the optical flow (vx, vy) (step Sy_15). The inter prediction unit 218 may then correct the predicted image of the current block using the correction value (step Sy_16). Note that the correction value may be derived for each pixel, or may be derived for multiple pixels or sub-blocks.
  • BIO is not limited to the processing disclosed in FIG. 95. Only a part of the processing disclosed in FIG. 95 may be performed, different processing may be added or replaced, or the processing may be performed in a different order.
  • FIG. 96 is a flowchart showing an example of correction of a predicted image by LIC in the decoding device 200.
  • the inter prediction unit 218 uses the MV to obtain a reference image corresponding to the current block from a decoded reference picture (step Sz_11).
  • the inter prediction unit 218 extracts information indicating how the luminance values of the current block have changed between the reference picture and the current picture (step Sz_12). As shown in FIG. 66A, this extraction is performed based on the luminance pixel values of the decoded left adjacent reference area (peripheral reference area) and the decoded upper adjacent reference area (peripheral reference area) in the current picture, and the luminance pixel values at the equivalent positions in the reference picture specified by the derived MV. The inter prediction unit 218 then calculates luminance correction parameters using the information indicating how the luminance values have changed (step Sz_13).
  • the inter prediction unit 218 performs luminance correction processing to apply the luminance correction parameter to a reference image in the reference picture specified by the MV, thereby generating a predicted image for the current block (step Sz_14). That is, correction based on the luminance correction parameter is performed on the predicted image, which is a reference image in the reference picture specified by the MV. In this correction, either luminance or chrominance may be corrected.
  • the prediction control unit 220 selects either an intra-prediction image or an inter-prediction image, and outputs the selected prediction image to the addition unit 208.
  • the configurations, functions, and processing of the prediction control unit 220, the intra-prediction unit 216, and the inter-prediction unit 218 on the decoding device 200 side may correspond to the configurations, functions, and processing of the prediction control unit 128, the intra-prediction unit 124, and the inter-prediction unit 126 on the encoding device 100 side.
  • Fig. 97 is a flowchart showing an encoding operation according to an embodiment.
  • the encoding device 100 encodes a video into a bit stream.
  • the video may be video at a speed slower than the original speed, i.e., slow motion video, or video at a speed faster than the original speed, i.e., fast motion video.
  • the encoding device 100 performs the operation shown in Fig. 97.
  • the encoding device 100 encodes output time information corresponding to a first speed into a bitstream (S101).
  • the output time information is information related to the output time of a picture included in a video, and is information for playing the video at a first speed.
  • the first speed may be a speed for playing the video in slow motion or fast motion.
  • the video may be encoded as slow motion or fast motion video.
  • the encoding device 100 also encodes original speed information corresponding to the second speed into a bitstream (S102).
  • the original speed information is, specifically, information related to the second speed, and is information for playing back the video at the second speed.
  • the second speed is the original speed of the video.
  • the original speed information is information for playing back the video at a normal speed.
  • the original speed may be expressed as the original speed, actual speed, normal speed, or the like.
  • the encoding device 100 uses the output time information to derive first timing information indicating the processing timing for playing the video at the first speed (S103).
  • the encoding device 100 also uses the original speed information to derive second timing information indicating the processing timing for playing the video at the second speed (S104).
  • the processing timing may be the timing of decoding, outputting, or displaying a picture included in the video.
  • the timing information may be encoded, or may be used for object tracking processing, or other recognition processing or image processing.
  • the encoding device 100 may perform multiple steps in parallel. For example, the encoding device 100 may process the derivation of the first timing information (S103) and the derivation of the second timing information (S104) in parallel.
  • FIG. 98 is a flowchart showing a decoding operation according to an embodiment.
  • the decoding device 200 decodes video from a bitstream.
  • the decoding device 200 may decode video from the bitstream that has been encoded in the bitstream as slow-motion or fast-motion video.
  • the decoding device 200 performs the operation shown in FIG. 98.
  • the decoding device 200 decodes output time information corresponding to the first speed from the bitstream (S201).
  • the output time information is information related to the output time of a picture included in the video, and is information for playing the video at the first speed.
  • the first speed may be a speed for playing the video in slow motion or fast motion.
  • the decoding device 200 also decodes original speed information corresponding to the second speed from the bit stream (S202).
  • the original speed information is, specifically, information related to the second speed, and is information for playing back the video at the second speed.
  • the second speed is the original speed of the video.
  • the original speed of the video is the temporal distance between captured pictures.
  • the original speed information is information for playing back the video at normal speed.
  • the decoding device 200 acquires a signal indicating whether to play the video at the first speed or the second speed (S203).
  • This signal specifically indicates whether to play the video at the speed of the video encoded as slow-motion or fast-motion video, or to play the video at the original speed of the video.
  • This signal may be a signal input to the decoding device 200 in accordance with a user operation.
  • the decoding device 200 plays back the video at the first speed using the output time information (S205). If the signal does not indicate that the video is to be played back at the first speed (No in S204), that is, if the signal indicates that the video is to be played back at the second speed, the decoding device 200 plays back the video at the second speed using the original speed information (S206). Playing back the video corresponds to, for example, decoding and displaying the video.
  • the order of the steps of the decoding operation may be reversed.
  • the steps may be in any order as long as the step of decoding the output time information (S201) precedes the step of playing at the first speed (S205), and the step of decoding the original speed information (S202) precedes the step of playing at the second speed (S206).
  • output time information and original speed information may be any combination of the examples of output time information and original speed information described in the multiple examples described below.
  • the encoding device 100 and the decoding device 200 can share information related to the original speed of the video. Then, a selection is made as to whether to play the video at a first speed, which is the speed of the encoded video, or at a second speed, which is the original speed of the video. Therefore, for example, it is possible to encode slow-motion or fast-motion video and play the video at its original speed.
  • Fig. 99 is a flowchart showing a first specific example of a decoding operation according to an embodiment.
  • the entropy decoding unit 202 of the decoding device 200 performs the operation shown in Fig. 99.
  • an image may correspond to a picture.
  • a scale factor is decoded from the bitstream (S301).
  • the scale factor is used to scale multiple decode timings and multiple output timings of each image decoded from the bitstream.
  • the scale factor may also be a scale factor for playing back video at its original speed from video encoded in the bitstream as slow-motion or fast-motion video.
  • the scale factor may correspond to the original speed information described above.
  • a decode time parameter associated with the decode time of the image is decoded from the bitstream (S302).
  • the decode time parameter is an integer-valued number that is used to derive the decode time of the associated image.
  • the decode time may also correspond to a Coded Picture Buffer (CPB) removal time of the image.
  • CPB Coded Picture Buffer
  • an output time parameter related to the output time of the image is decoded from the bitstream (S303).
  • the output time parameter is an integer number, which is used to derive the output time of the image.
  • the output time may also correspond to a DPB (Decoded Picture Buffer) output time of the image.
  • the output time parameter may also correspond to the output time information described above for playing the video at a first time.
  • the decoding device 200 may acquire the signal from outside the decoding device 200.
  • the decoding device 200 may acquire the signal as setting information from an internal memory of the decoding device 200 or the like.
  • displaying the image at the first speed means, for example, playing the video at the first speed.
  • the first speed may correspond to a decoding speed and/or an output speed of the video encoded in the bitstream, and may be represented by a first CPB removal time and a first DPB output time, which are the CPB removal time and the DPB output time of each image encoded in the bitstream.
  • the image is decoded at the second rate using the decode time parameter, the output time parameter, and the scale factor (S305).
  • a second CPB removal time for the image is derived using the decode time parameter and the scale factor decoded from the bitstream.
  • a second DPB output time for the image is derived using the output time parameter and the scale factor decoded from the bitstream.
  • the second speed may then be represented by a second CPB removal time and a second DPB output time for each image.
  • the signal indicates to display the image at the second speed
  • the video output from the decoding device 200 is reproduced at the second speed, where the second speed is different from the first speed.
  • FIG. 100 is a block diagram showing a configuration of a decoding system according to an embodiment.
  • a signal is input to the decoding device 200 from a module 400 external to the decoding device 200.
  • This module 400 may be a signal transmitter, a system layer module, a video player module, or a hardware control module.
  • the image output from the decoding device 200 is reproduced at the first speed on the display device 300. If the signal indicates that the image is to be displayed at a second speed, the image output from the decoding device 200 is reproduced at the second speed on the display device 300.
  • FIG. 101A is a conceptual diagram showing an example of the location of original speed information (e.g., magnification) in a bitstream.
  • the original speed information is included in the data of an access unit having one encoded image in the bitstream.
  • the original speed information may be included in the data of each access unit.
  • FIG. 101B is a conceptual diagram showing another example of the location of original speed information (e.g., magnification) in the bitstream.
  • the original speed information is included in a header separate from the data of an access unit having one encoded image in the bitstream. Then, the decoding device 200 decodes the original speed information from the header.
  • an access unit is a unit that has multiple coded images that are output from the DPB at the same time. As described above, an access unit may have one coded image in the bitstream.
  • the header is an area that is added before the access unit and describes the parameters used in encoding.
  • the header may correspond to a video parameter set, a sequence parameter set, or a picture parameter set, as shown in FIG. 2.
  • the original speed information may be included in SEI (Supplemental Enhancement Information) in the bitstream.
  • SEI Supplemental Enhancement Information
  • the decoding device 200 may decode the original speed information from the SEI.
  • the header may correspond to the SEI.
  • the scale factor may be expressed as an integer value.
  • the scale factor may be expressed as a floating point value.
  • FIG. 102 is a flowchart showing a second specific example of a decoding operation according to an embodiment.
  • the entropy decoding unit 202 of the decoding device 200 may perform the operation shown in FIG. 102.
  • the example shown in FIG. 102 is almost the same as the example shown in FIG. 99, but the expression format has been changed and a partial supplement has been added in FIG. 102.
  • the magnification is decoded from the bitstream (S401).
  • a decode time parameter related to the decode time of the image is decoded from the bitstream (S402).
  • An output time parameter related to the output time of the image is decoded from the bitstream (S403).
  • An encoded signal is obtained from an external module 400 of the decoding device 200, and the encoded signal is decoded. Then, it is determined whether the signal indicates the first speed or the second speed as the speed at which to display the image (S404).
  • the decoding device 200 may decode and display the image at the first rate as a default.
  • Figures 103A and 103B show several examples corresponding to different values of magnification.
  • FIG. 103A is a time chart showing the time for decoding and outputting when the magnification is 0.5.
  • the first speed corresponds to the speed at which an image is decoded and outputted according to the decode time parameter and the output time parameter decoded from the bitstream.
  • the decode time and the output time are assumed to be the same, although the decode time and the output time may be different.
  • the second speed is 0.5 times the first speed, and images are decoded and output twice as slow as at the first speed.
  • first speed video made up of multiple images presents fast motion (motion twice as fast as normal motion).
  • second speed video made up of multiple images presents normal motion (motion twice as slow as at the first speed).
  • Normal motion is the motion before encoding captured by a camera or sensor, etc.
  • the video made up of multiple images may present normal movement.
  • the video made up of multiple images may present slow motion (movement twice as slow as the movement at the first speed).
  • FIG. 103B is a timing diagram showing the times at which decoding and outputting occur when the magnification is 2.
  • the first rate corresponds to the rate at which an image is decoded and output according to the decode time parameters and output time parameters decoded from the bitstream.
  • the decode time and output time are assumed to be the same, although the decode time and output time may be different.
  • the second speed is twice the first speed, and images are decoded and output twice as fast at the second speed as at the first speed.
  • a video made up of multiple images presents slow motion (movement twice as slow as normal motion).
  • a video made up of multiple images presents normal motion (movement twice as fast as at the first speed).
  • the video made up of multiple images may present normal motion.
  • the video made up of multiple images may present fast motion (motion twice as fast as the motion at the first speed).
  • FIG. 103C is a time chart showing the time when selective decoding and output are performed when the magnification is 2.
  • the decoding device 200 may selectively decode and output images at a second speed, as shown in FIG. 103C. This can reduce the amount of processing by the decoding device 200. Specifically, in this example, images 1, 3, and 5 are decoded and displayed, while images 2 and 4 are not decoded and are not displayed. That is, the decoding and display of images 2 and 4 are skipped.
  • Fig. 103D is a conceptual diagram showing an example of multiple images encoded with multiple temporal sublayers.
  • Temporal sublayers such as those shown in Fig. 103D may be used.
  • images 1, 3, and 5 are encoded in the same set corresponding to the temporal sublayer identified by Tid0 (i.e., temporal ID with value 0).
  • Images 2 and 4 are then encoded in another set corresponding to the temporal sublayer identified by Tid1 (i.e., temporal ID with value 1).
  • a level (level_idc) may be coded for each temporal sublayer to indicate the operating point (specifically, the temporal sublayer that can be decoded at the second rate by the decoding device 200).
  • the level_idc of each temporal sublayer may be coded in the same header or SEI in which the scaling factor is coded.
  • the decoding device 200 may skip decoding of that temporal sublayer.
  • a decoding device 200 having a higher operating point may be required to increase the decoding speed.
  • a level_idc higher than the level_idc of the images corresponding to Tid0 is assigned to the multiple images corresponding to Tid1. Therefore, a decoding device 200 having a higher operating point may be required.
  • the decoding device 200 may skip the decoding of the plurality of images corresponding to Tid1 and select to maintain the same operational performance as when decoding and outputting a plurality of images at the first speed. In this case, the operating point does not need to be high.
  • FIGS. 104A and 104B show different examples of syntax structures for signaling original rate information (specifically, the scaling factor).
  • the original rate information may be placed in the header or the SEI.
  • these syntax structures may be included in the header or the SEI.
  • FIG. 104A is a syntax diagram showing an example of a syntax structure related to original speed information.
  • a scale factor (scale_factor) indicating one value is decoded as the original speed information.
  • This value may represent the scale factor itself. Alternatively, this value may be an index value for referencing a lookup table and selecting a scale factor from the lookup table.
  • FIG. 104B is a syntax diagram showing another example of a syntax structure related to original speed information.
  • multiple parameters are decoded as the original speed information.
  • the numerator (scale_factor_nominator) and denominator (scale_factor_denominator) of the scale factor are decoded as the original speed information.
  • the scale factor is calculated by dividing the numerator by the denominator. The calculated value may be expressed as a floating-point value, or may be a value rounded to a fixed-point value.
  • the second decoding speed and the second output speed corresponding to the second speed are calculated by multiplying the decoding time parameter and the output time parameter by the scaling factor (or applying a left shift of the values corresponding to the scaling factor), respectively.
  • the second decoding speed and the second output speed are calculated by dividing the decoding time parameter and the output time parameter by the scaling factor (or applying a right shift of the values corresponding to the scaling factor), respectively.
  • the scaling factor may be derived from other information.
  • the scaling factor may be derived from multiple decode time parameters or multiple output time parameters present in the bitstream.
  • the scaling factor may be derived by calculating from multiple values signaled using FIG. 104A or FIG. 104B.
  • the following formula calculates the scale factor to be applied to the decode time parameter or multiple output time parameters from the signaled scale factor:
  • else scale factor tmpScaleFactor + 1
  • FIG. 104C is a syntax diagram showing yet another example of a syntax structure related to original rate information.
  • FIG. 104C shows an example for signaling the level (level_idc) of the temporal sublayer together with the original rate information (specifically, the scaling factor).
  • u(n) in the Descriptor represents an n-bit integer. That is, u(n) represents that the coding parameter is expressed as an n-bit integer.
  • the descriptors shown here are examples, and the descriptors are not limited to the examples shown here.
  • the descriptor u(10) is merely one example of the magnitude of possible values.
  • Other possible descriptors such as u(2), u(3), u(4), u(5), u(6), u(7), u(8), etc. may also be used.
  • sublayer_info_present_flag indicates whether the parameter for the level (level_idc) of the temporal sublayer is present.
  • max_sublayers_minus1 indicates the number of temporal sublayers present in the bitstream. This value is the same as the value signaled in the SPS of the bitstream.
  • Sublayer_level_present_flag[i] indicates whether or not a temporal sublayer level (level_idc) with index value i exists. If this information does not exist, the default level (level_idc) specified in the SPS is used. Reserved_zero_bit is used to allocate multiple bits for the purpose of byte alignment.
  • sublayer_level_idc[i] indicates the level (level_idc) of the temporal sublayer whose index value is i.
  • the original rate information is coded before the temporal sublayer information.
  • the same original rate information is used for the multiple sublayers.
  • different original rate information may be used for the multiple sublayers.
  • the syntax structure in this case may be configured, for example, so that max_sublayers_minus1 indicating the number of temporal sublayers is first, and then the original rate information for the number of sublayers is read.
  • the original speed information is represented by multiple parameters, but as in the example of FIG. 104A, the original speed information may be represented by a single parameter.
  • Figure 104D is a syntax diagram showing yet another example of a syntax structure related to original rate information.
  • the highest level (level_idc) parameters in multiple temporal sublayers are signaled separately from the level (level_idc) parameters of each temporal sublayer.
  • max_sublayer_level_idc indicates the highest level (level_idc) requested among multiple temporal sublayers.
  • the highest level (level_idc) requested may be the level (level_idc) of the highest temporal sublayer.
  • the signaling of the level (level_idc) of the highest temporal sublayer may be omitted.
  • the decode time parameters indicate the decode time of an image and the time at which the image is removed from the Coded Picture Buffer (CPB).
  • the decode time parameters relate to the Initial Arrival Earliest Time, the Final Arrival Time, the Nominal Removal Time, and the CPB Removal Time.
  • the output time parameter indicates the output time of an image, and indicates the time when the image is output from the DPB (Decoded Picture Buffer).
  • the output time parameter is related to the DPB output time.
  • the decoding time and output time of the current image can be derived as follows:
  • a scaling factor of 1 indicates that the second rate is the same as the first rate, and a scaling factor of a value other than 1 indicates that the second rate is different from the first rate.
  • clock tick represents the clock tick time used by the decoding device 200.
  • initial CPB removal delay indicates the initial delay time before multiple image bits are decoded.
  • standard removal time indicates the standard time at which an image is removed from the CPB.
  • “Initial Arrival Time” indicates the time when the first bit of the image arrives at the CPB.
  • “Last Arrival Time” indicates the time when all bits of the image arrive at the CPB.
  • CPB Removal Time indicates the time when the image is removed from the CPB buffer and ready for output, and is derived from the standard removal time.
  • DPB Output Time indicates the time when the image needs to be output to the display device 300.
  • FIG. 105 is a syntax diagram showing an example of a syntax structure related to speed information. For example, multiple scaling factors may be included in one header or SEI. Each scaling factor indicates one speed for decoding and output. FIG. 105 shows an example of syntax when one or more scaling factors are included in the header or SEI.
  • multiple SEIs may be signaled within the same access unit, with each SEI containing a scaling factor indicating a rate for decoding and output.
  • the scaling factors within each SEI may be signaled using the examples of Figure 104A or Figure 104B.
  • one multiplier may correspond to the original speed and one or more other multipliers may correspond to a different speed than the original speed, thereby allowing playback to occur at a different speed.
  • the original speed information may directly signal a speed rather than a multiplier.
  • the original speed information signaled may represent a second speed, i.e., the actual speed for decoding and output. For example, if the first speed is decoding at 30 frames per second and the second speed is decoding at 60 frames per second, then 2 (indicating the applicable multiplier) may be signaled, or 60 (indicating the actual speed for decoding and output) may be signaled.
  • specific means for when the original speed information indicates the second speed are not limited to the example of displaying the number of frames to display per second.
  • the original speed information may indicate how many seconds there are between frames, i.e., the interval between frames.
  • a flag other than a magnification factor may be signaled and may represent the form of the actual speed for decoding and output. For example, it may be a flag representing the relationship between a first speed and a second speed. The flag may indicate that the first speed is faster than the second speed, which is the actual speed (fast motion), or the flag may indicate that the first speed is slower than the second speed, which is the actual speed (slow motion). Also, a flag may be signaled that indicates whether the value being signaled represents a magnification factor or a speed. Note that in this other variation, the flag may be a parameter that indicates one of three or more values.
  • the above configuration and processing may enable signaling multiple speeds for decoding and outputting an image.
  • the decoding device 200 may obtain two different times for decoding and outputting.
  • the decoding device 200 by signaling a level for each temporal sublayer, it may be possible for the decoding device 200 to decode and output images at an image interval (picture interval) suitable for decoding according to the temporal sublayer to be processed.
  • speed in this disclosure may refer to the number of pictures that make up one second of video (fps: frames per second) or a value indicated by the time interval between pictures.
  • Fig. 106 is a flowchart showing basic processing in the encoding operation performed by the encoding device 100.
  • the encoding device 100 includes a circuit and a memory connected to the circuit.
  • the circuit and memory included in the encoding device 100 may correspond to the processor a1 and memory a2 shown in Fig. 8.
  • the circuit of the encoding device 100 performs the following.
  • the circuit of the encoding device 100 encodes video into a bitstream.
  • the video is specified to be output at a first speed that is different from the original speed of the video.
  • the circuit of the encoding device 100 also encodes original speed information related to a second speed, which is the original speed of the video, into the bitstream (S501).
  • This may make it possible to encode original speed information into the bitstream that relates to an original speed that is different from the first speed specified as the speed of the video, i.e., a second speed that is the original speed of the video. Thus, it may be possible to play the video from the bitstream at its original speed.
  • the circuit of the encoding device 100 may also encode the time information and scale information into a bit stream as original speed information.
  • the second speed may also be calculated based on the time information and scale information. This may make it possible to specify the second speed. Therefore, it may be possible to perform the operation at the original speed.
  • the circuit of the encoding device 100 may also encode output time information related to the output time of the video into the bitstream. This may make it possible to specify the output time of the video. This may also make it possible to adjust the output time of the video.
  • the circuit of the encoding device 100 may also use the output time information to derive first timing information indicating the processing timing for playing back the video at the first speed.
  • the circuit of the encoding device 100 may also use the original speed information to derive second timing information indicating the processing timing for playing back the video at the second speed. This may make it possible to accurately derive the first timing information corresponding to the first speed using the output time information, and accurately derive the second timing information corresponding to the second speed using the original speed information.
  • the circuitry of the encoding device 100 may also encode the original speed information into a header included in the bitstream. This may make it possible to efficiently encode information related to the original speed as header information for the video data.
  • the circuitry of the encoding device 100 may also encode the original speed information into SEI (Supplemental Enhancement Information) included in the bitstream. This may make it possible to efficiently encode information related to the original speed as additional information for the video data.
  • SEI Supplemental Enhancement Information
  • the original speed information may also indicate a picture interval for playing the video at the second speed. This may make it possible to encode the original speed information indicating the picture interval for playing the video at the original speed. Therefore, it may be possible to play the video at its original speed according to the picture interval.
  • the original speed information may also indicate a magnification of the second speed relative to the first speed. This may make it possible to encode the original speed information indicating the magnification for playing the video at the original speed. Therefore, it may be possible to play the video at its original speed according to the magnification.
  • the original speed information may also include a numerator parameter and a denominator parameter.
  • the magnification may then be indicated by dividing the numerator parameter by the denominator parameter. This may allow the magnification to be accurately specified according to the numerator parameter and the denominator parameter.
  • the circuitry of the encoding device 100 may also encode into the bitstream, for each temporal sublayer contained in the bitstream, a conformance capability level required of the decoding device 200 when the video is played back at the second speed. This may make it possible to efficiently specify a temporal sublayer for playing back the video at the original speed according to the conformance capability level of the decoding device 200.
  • the circuit of the encoding device 100 may also encode into the bitstream a first conformance level required of the decoding device 200 when the video is played back at a first speed, and a second conformance level required of the decoding device 200 when the video is played back at a second speed.
  • the first speed may also correspond to slow motion or fast motion.
  • the circuitry of the encoding device 100 may then encode the video into a bitstream as slow motion video or fast motion video.
  • the circuitry of the encoding device 100 may also encode information indicating the relationship between the first rate and the second rate. This may make it possible to specify the relationship between the video rate in the bitstream and the original video rate. Therefore, it may be possible to accurately derive the original video rate from the video rate in the bitstream according to these relationships.
  • the circuit of the encoding device 100 may also encode speed information into the bit stream.
  • the speed information is information related to multiple speeds including the second speed, is information for playing back the video at each speed, and is information including the original speed information. This may make it possible to play back the video at any one of the multiple speeds.
  • the circuit of the encoding device 100 may encode decode time information corresponding to the first speed into the bitstream.
  • the decode time information is information related to the decode time of a picture included in the video, and is information for playing the video at the first speed.
  • the circuit of the encoding device 100 may encode the output time information and the decode time information into a header or SEI in the bitstream.
  • the entropy coding unit 110 of the encoding device 100 may perform the above-described operations as a circuit of the encoding device 100. Furthermore, the entropy coding unit 110 may perform the above-described operations in cooperation with other components.
  • the encoding device 100 may operate as a bitstream output device.
  • the bitstream output device may include a circuit and a memory connected to the circuit.
  • the bitstream output device circuitry may encode the video into a bitstream and output the bitstream, where the video is specified to be output at a first speed that is different from the original speed of the video.
  • the bitstream output device circuitry may encode original speed information associated with a second speed, which is the original speed of the video, into the bitstream.
  • This may make it possible to encode original speed information into the bitstream that relates to an original speed that is different from the first speed specified as the speed of the video, i.e., a second speed that is the original speed of the video. Thus, it may be possible to play the video from the bitstream at its original speed.
  • FIG. 107 is a flowchart showing basic processing in decoding performed by the decoding device 200.
  • the decoding device 200 includes a circuit and a memory connected to the circuit.
  • the circuit and memory included in the decoding device 200 may correspond to the processor b1 and memory b2 shown in FIG. 68.
  • the circuit of the decoding device 200 performs the following.
  • the circuit of the decoding device 200 decodes video from a bitstream.
  • the video is specified to be output at a first speed that is different from the original speed of the video.
  • the circuit of the decoding device 200 also decodes original speed information related to a second speed, which is the original speed of the video, from the bitstream (S601).
  • the circuit of the decoding device 200 may also decode the time information and scale information from the bit stream as the original speed information.
  • the second speed may also be calculated based on the time information and scale information. This may make it possible to specify the second speed. Therefore, it may be possible to perform the operation at the original speed.
  • the circuitry of the decoding device 200 may also decode output time information related to the output time of the video from the bitstream. This may make it possible to specify the output time of the video. This may also make it possible to adjust the output time of the video.
  • the circuit of the decoding device 200 may also acquire a signal. Then, when the signal indicates that the video is to be played back at a first speed, the circuit of the decoding device 200 may use the output time information to play back the video at the first speed. Also, when the signal indicates that the video is to be played back at a second speed, the circuit of the decoding device 200 may use the original speed information to play back the video at the second speed. This may make it possible to switch between a process of playing back the video at the first speed using the output time information and a process of playing back the video at the second speed using the original speed information in accordance with the signal.
  • the circuitry of the decoding device 200 may also decode the original speed information from a header included in the bitstream. This may make it possible to efficiently decode information related to the original speed as header information for the video data.
  • the circuitry of the decoding device 200 may also decode the original speed information from SEI (Supplemental Enhancement Information) included in the bitstream. This may make it possible to efficiently decode information related to the original speed as additional information for the video data.
  • SEI Supplemental Enhancement Information
  • the original speed information may also indicate a picture interval for playing the video at the second speed. This may make it possible to decode the original speed information indicating the picture interval for playing the video at the original speed. Therefore, it may be possible to play the video at the original speed according to the picture interval.
  • the original speed information may also indicate a ratio of the second speed to the first speed. This may make it possible to decode the original speed information indicating the ratio for playing the video at the original speed. Therefore, it may be possible to play the video at the original speed according to the ratio.
  • the original speed information may also include a numerator parameter and a denominator parameter.
  • the magnification may then be indicated by dividing the numerator parameter by the denominator parameter. This may allow the magnification to be accurately specified according to the numerator parameter and the denominator parameter.
  • the circuitry of the decoding device 200 may also decode from the bitstream, for each temporal sublayer contained in the bitstream, a conformance capability level required of the decoding device 200 when the video is played back at the second speed. This may make it possible to efficiently specify a temporal sublayer for playing back the video at the original speed according to the conformance capability level of the decoding device 200.
  • the circuitry of the decoding device 200 may also decode from the bitstream a first conformance level required of the decoding device 200 when the video is played back at a first speed, and a second conformance level required of the decoding device 200 when the video is played back at a second speed.
  • the first speed may also correspond to slow motion or fast motion.
  • the circuitry of the decoding device 200 may then decode from the bitstream video that has been encoded in the bitstream as slow motion video or fast motion video.
  • the circuitry of the decoding device 200 may also decode information indicating the relationship between the first rate and the second rate. This may make it possible to specify the relationship between the video rate in the bitstream and the original video rate. Therefore, it may be possible to accurately derive the original video rate from the video rate in the bitstream according to these relationships.
  • the circuit of the decoding device 200 may also decode speed information from the bit stream.
  • the speed information is information related to multiple speeds including the second speed, is information for playing back the video at each speed, and is information including the original speed information. This may make it possible to play back the video at one of the multiple speeds.
  • the circuit of the decoding device 200 may decode decoding time information corresponding to the first speed from the bitstream.
  • the decoding time information is information related to the decoding time of a picture included in the video, and is information for playing the video at the first speed.
  • the circuit of the decoding device 200 may decode the output time information and the decoding time information from a header or SEI in the bitstream.
  • the entropy decoding unit 202 of the decoding device 200 may perform the above-described operations as a circuit of the decoding device 200. Furthermore, the entropy decoding unit 202 may perform the above-described operations in cooperation with other components.
  • a non-transitory computer-readable recording medium may also be used that stores a bitstream.
  • the bitstream may include video and original speed information, where the video is specified to be output at a first speed that is different from the original speed of the video.
  • the original speed information is information related to a second speed that is the original speed of the video.
  • playback may correspond to decoding, output, display, or any combination of these.
  • the time information may correspond to the above-mentioned decoding time parameter, output time parameter, or both.
  • the scale information may correspond to the above-mentioned magnification.
  • the encoding device 100 and the decoding device 200 in each of the above-mentioned examples may be used as an image encoding device and an image decoding device, respectively, or may be used as a video encoding device and a video decoding device.
  • the encoding device 100 may be used as an entropy encoding device, and the decoding device 200 may be used as an entropy decoding device.
  • the encoding device 100 may correspond only to the entropy encoding unit 110, and the decoding device 200 may correspond only to the entropy decoding unit 202.
  • the other components may be included in other devices.
  • the encoding device 100 may also include an input unit and an output unit. For example, one or more pictures are input to the input unit of the encoding device 100, and a bitstream is output from the output unit of the encoding device 100.
  • the decoding device 200 may also include an input unit and an output unit. For example, a bitstream is input to the input unit of the decoding device 200, and one or more pictures are output from the output unit of the decoding device 200.
  • the bitstream may include quantized coefficients to which variable-length coding has been applied, and control information.
  • encoding information may mean including information in a bitstream.
  • Encoding information into a bitstream may mean encoding information to generate a bitstream that includes the encoded information.
  • decoding information may mean obtaining information from a bitstream.
  • Decoding information from a bitstream may mean decoding the bitstream to obtain information contained in the bitstream.
  • each of the above examples may be used as an encoding method, a decoding method, a filtering method, or other methods.
  • each component may be configured with dedicated hardware, or may be realized by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or processor reading and executing a software program recorded on a recording medium such as a hard disk or semiconductor memory.
  • each of the encoding device 100 and the decoding device 200 may include a processing circuit and a storage device electrically connected to the processing circuit and accessible from the processing circuit.
  • the processing circuit corresponds to the processor a1 or b1
  • the storage device corresponds to the memory a2 or b2.
  • the processing circuit includes at least one of dedicated hardware and a program execution unit, and executes processing using a storage device.
  • the processing circuit includes a program execution unit, the storage device stores the software program executed by the program execution unit.
  • An example of the above-mentioned software program is a bitstream.
  • the bitstream includes an encoded image and a syntax for performing a decoding process to decode the image.
  • the bitstream causes the decoding device 200 to decode the image by causing the decoding device 200 to execute a process based on the syntax.
  • software for realizing the above-mentioned encoding device 100 or decoding device 200 is a program such as the following.
  • this program may cause a computer to execute an encoding method that encodes video into a bitstream, and in encoding the video, encodes output time information, which is information related to the output time of pictures contained in the video and is information for playing the video at a first speed, into the bitstream, and encodes original speed information, which is information related to a second speed that is the original speed of the video and is information for playing the video at the second speed, into the bitstream.
  • this program may cause a computer to execute a decoding method in which a video is decoded from a bitstream, and in the decoding of the video, output time information is decoded from the bitstream, which is information related to the output time of a picture contained in the video and is information for playing the video at a first speed, and original speed information is decoded from the bitstream, which is information related to a second speed that is the original speed of the video and is information for playing the video at the second speed.
  • each component may be a circuit, as described above. These circuits may form a single circuit as a whole, or each may be a separate circuit. Furthermore, each component may be realized by a general-purpose processor, or by a dedicated processor.
  • the processing performed by a specific component may be executed by another component. Furthermore, the order in which the processing is executed may be changed, or multiple processing may be executed in parallel. Furthermore, the encoding/decoding device may include the encoding device 100 and the decoding device 200.
  • ordinal numbers such as first and second used in the description may be changed as appropriate. New ordinal numbers may be added to components, etc., or ordinal numbers may be removed. These ordinal numbers may be added to elements in order to identify them, and may not correspond to a meaningful order.
  • an expression "at least one (or more than one) of a first element, a second element, and a third element” corresponds to a first element, a second element, a third element, or any combination thereof.
  • the aspects of the encoding device 100 and the decoding device 200 have been described above based on a number of examples, the aspects of the encoding device 100 and the decoding device 200 are not limited to these examples. As long as they do not deviate from the spirit of this disclosure, various modifications conceivable by those skilled in the art to each example, or configurations constructed by combining components in different examples, may also be included within the scope of the aspects of the encoding device 100 and the decoding device 200.
  • One or more aspects disclosed herein may be implemented in combination with at least a portion of other aspects of the present disclosure.
  • some of the processes described in the flowcharts of one or more aspects disclosed herein, some of the configurations of the device, some of the syntax, etc. may be implemented in combination with other aspects.
  • each of the functional or operational blocks can usually be realized by an MPU (micro processing unit) and a memory, etc.
  • the processing by each of the functional blocks may be realized as a program execution unit such as a processor that reads and executes software (programs) recorded on a recording medium such as a ROM.
  • the software may be distributed.
  • the software may be recorded on various recording media such as semiconductor memories. It is also possible to realize each functional block by hardware (dedicated circuitry).
  • each embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using multiple devices.
  • the processor that executes the above program may be either single or multiple. In other words, centralized processing or distributed processing may be performed.
  • Such a system may be characterized by having an image encoding device using the image encoding method, an image decoding device using the image decoding method, or an image encoding/decoding device that includes both. Other configurations of such a system can be appropriately changed depending on the case.
  • FIG. 108 is a diagram showing the overall configuration of an appropriate content supply system ex100 for realizing a content distribution service.
  • the area where communication services are provided is divided into cells of a desired size, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations in the illustrated example, are installed in each cell.
  • devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 are connected to the Internet ex101 via an Internet service provider ex102 or a communication network ex104, and base stations ex106 to ex110.
  • the content supply system ex100 may be configured to connect a combination of any of the above devices.
  • the devices may be directly or indirectly connected to each other via a telephone network or short-range wireless communication, etc., without going through the base stations ex106 to ex110.
  • the streaming server ex103 may be connected to devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101, etc.
  • the streaming server ex103 may be connected to a terminal in a hotspot on an airplane ex117 via a satellite ex116.
  • wireless access points or hot spots may be used instead of the base stations ex106 to ex110.
  • the streaming server ex103 may be connected directly to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be connected directly to the airplane ex117 without going through the satellite ex116.
  • Camera ex113 is a device such as a digital camera that can take still images and videos.
  • Smartphone ex115 is a smartphone, mobile phone, or PHS (Personal Handyphone System) that supports the mobile communication system formats known as 2G, 3G, 3.9G, 4G, and in the future, 5G.
  • PHS Personal Handyphone System
  • Home appliances ex114 include refrigerators and appliances included in home fuel cell cogeneration systems.
  • a terminal having a photographing function is connected to a streaming server ex103 via a base station ex106 or the like, thereby enabling live distribution and the like.
  • a terminal such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, a smartphone ex115, or a terminal in an airplane ex117
  • each terminal functions as an image encoding device according to one aspect of the present disclosure.
  • the streaming server ex103 streams the transmitted content data to a client that has made a request.
  • the clients are computers ex111, game consoles ex112, cameras ex113, home appliances ex114, smartphones ex115, or terminals in airplanes ex117 that are capable of decoding the encoded data.
  • Each device that receives the distributed data decodes and plays back the received data.
  • each device may function as an image decoding device according to one aspect of the present disclosure.
  • the streaming server ex103 may be a plurality of servers or computers that process, record, and distribute data in a distributed manner.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content distribution may be realized by a network that connects a large number of edge servers distributed around the world.
  • CDN Contents Delivery Network
  • content distribution may be realized by a network that connects a large number of edge servers distributed around the world.
  • an edge server that is physically close to the client is dynamically assigned according to the client.
  • the content is cached and distributed to the edge server, thereby reducing delays.
  • the processing can be distributed among multiple edge servers, the distribution entity can be switched to another edge server, or distribution can be continued by bypassing the part of the network where a failure has occurred, thereby realizing high-speed and stable distribution.
  • the encoding process of the captured data may be performed by each terminal, by the server, or by sharing between the terminals.
  • a processing loop is generally performed twice.
  • the first loop the complexity of the image or the amount of code is detected for each frame or scene.
  • processing is performed to maintain image quality and improve encoding efficiency.
  • the terminal performs the first encoding process
  • the server side that receives the content performs the second encoding process, thereby improving the quality and efficiency of the content while reducing the processing load on each terminal.
  • the data encoded the first time by the terminal can be received and played back by another terminal, making more flexible real-time distribution possible.
  • the camera ex113 etc. extracts features from an image, compresses the data related to the features as metadata, and transmits it to the server.
  • the server performs compression according to the meaning of the image (or the importance of the content), for example by determining the importance of an object from the features and switching the quantization precision.
  • the feature data is particularly effective in improving the precision and efficiency of motion vector prediction when the server compresses again.
  • the terminal may perform simple encoding such as VLC (variable length coding), and the server may perform encoding with a high processing load such as CABAC (context-adaptive binary arithmetic coding).
  • multiple video data may exist that have been shot by multiple terminals of almost the same scene.
  • the multiple terminals that shot the footage, and other terminals and servers that did not shoot the footage as necessary are used to perform distributed processing by assigning coding processing to each of them, for example, on a GOP (group of picture) basis, on a picture basis, or on a tile basis into which a picture is divided. This reduces delays and achieves better real-time performance.
  • the server may manage and/or instruct the video data shot on each terminal to be mutually referential.
  • the server may also receive encoded data from each terminal and change the reference relationships between the multiple data, or correct or replace the pictures themselves and re-encode them. This makes it possible to generate a stream that improves the quality and efficiency of each piece of data.
  • the server may distribute the video data after performing transcoding to change the encoding method of the video data.
  • the server may convert an MPEG-based encoding method to a VP-based encoding method (e.g., VP9), or convert H.264 to H.265.
  • the encoding process can be performed by a terminal or one or more servers. Therefore, in the following, descriptions such as “server” or “terminal” are used to indicate the entity performing the processing, but some or all of the processing performed by the server may be performed by the terminal, and some or all of the processing performed by the terminal may be performed by the server. The same applies to the decoding process.
  • [3D, multi-angle] It is becoming increasingly common to integrate and use images or videos of different scenes or the same scene taken from different angles by multiple devices such as a camera ex113 and/or a smartphone ex115 that are almost synchronized with each other.
  • the videos taken by each device are integrated based on the relative positional relationship between the devices obtained separately, or on areas where feature points included in the videos match.
  • the server may not only encode two-dimensional video images, but may also encode still images automatically or at a time specified by the user based on scene analysis of the video images and transmit them to the receiving terminal. Furthermore, if the server can obtain the relative positional relationship between the shooting terminals, it can generate a three-dimensional shape of the scene based not only on two-dimensional video images but also on images of the same scene captured from different angles.
  • the server may separately encode three-dimensional data generated by a point cloud or the like, or may generate images to be transmitted to the receiving terminal by selecting or reconstructing images from images captured by multiple terminals based on the results of recognizing or tracking people or objects using the three-dimensional data.
  • the user can enjoy a scene by selecting an image corresponding to each shooting terminal at will, or can enjoy content in which an image from a selected viewpoint is cut out from three-dimensional data reconstructed using multiple images or images.
  • sound may be collected from multiple different angles along with the images, and the server may multiplex the sound from a particular angle or space with the corresponding image and transmit the multiplexed image and sound.
  • VR Virtual Reality
  • AR Augmented Reality
  • the server creates viewpoint images for the right and left eyes, respectively, and may perform encoding that allows reference between each viewpoint video using Multi-View Coding (MVC) or the like, or may encode them as separate streams without mutual reference.
  • MVC Multi-View Coding
  • the server superimposes virtual object information in the virtual space on camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding device may obtain or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and smoothly connect them to create superimposed data.
  • the decoding device may transmit the movement of the user's viewpoint to the server in addition to a request for virtual object information.
  • the server may create superimposed data according to the movement of the viewpoint received from the three-dimensional data held by the server, encode the superimposed data, and distribute it to the decoding device.
  • the superimposed data has an ⁇ value indicating the transparency in addition to RGB
  • the server may set the ⁇ value of parts other than the object created from the three-dimensional data to 0, etc., and encode the data in a state in which the parts are transparent.
  • the server may generate data in which a predetermined RGB value is set to the background like a chromakey, and parts other than the object are the background color.
  • the decoding process of the distributed data may be performed by each client terminal, or on the server side, or the task may be shared among the terminals.
  • one terminal may first send a reception request to the server, and the content corresponding to the request may be received by other terminals, which may then decode the content, and the decoded signal may be sent to a device having a display.
  • the processing and selecting appropriate content regardless of the performance of the communication-capable terminals themselves, data with good image quality can be reproduced.
  • large-sized image data may be received on a TV or the like, while a portion of the image, such as tiles into which the picture is divided, is decoded and displayed on the viewer's personal device. This allows the viewer to share the overall picture while checking their own area of responsibility or areas they wish to check in more detail.
  • a user may freely select and switch in real time between a decoding device or a display device such as a user's terminal or a display device placed indoors or outdoors.
  • decoding can be performed while switching between a decoding terminal and a display terminal using the user's own location information, etc. This makes it possible to map and display information on a part of the wall or ground of a neighboring building in which a displayable device is embedded while the user is moving to a destination.
  • bit rate of the received data based on the accessibility of the encoded data on the network, such as when the encoded data is cached on a server that can be accessed from the receiving terminal in a short time, or copied to an edge server in a content delivery service.
  • FIG. 109 is a diagram showing an example of a display screen of a web page on a computer ex111 or the like.
  • FIG. 110 is a diagram showing an example of a display screen of a web page on a smartphone ex115 or the like.
  • a web page may include multiple link images that are links to image content, and the appearance of the link images differs depending on the device used to view the page.
  • the display device decoding device
  • the display device When a link image is selected by the user, the display device performs decoding while giving top priority to the base layer. If the HTML (HyperText Markup Language) constituting the web page contains information indicating that the content is scalable, the display device may decode up to the enhancement layer. Furthermore, in order to ensure real-time performance, before selection or when the communication bandwidth is very tight, the display device decodes and displays only forward-reference pictures (I pictures, P pictures, and B pictures with forward reference only), thereby reducing the delay between the decoding time of the first picture and the display time (the delay from the start of content decoding to the start of display). Furthermore, the display device may intentionally ignore the reference relationship of pictures and roughly decode all B and P pictures with forward reference, and perform normal decoding as the number of pictures received increases over time.
  • I pictures, P pictures, and B pictures with forward reference the display device may intentionally ignore the reference relationship of pictures and roughly decode all B and P pictures with forward reference, and perform normal decoding as the number of pictures received increases over time.
  • the receiving terminal may receive weather or construction information as meta information in addition to image data belonging to one or more layers, and may associate and decode these.
  • the meta information may belong to a layer, or may simply be multiplexed with the image data.
  • the receiving terminal can transmit the location information of the receiving terminal, thereby realizing seamless reception and decoding while switching between base stations ex106 to ex110.
  • the receiving terminal can dynamically switch how much meta information to receive or how much to update the map information depending on the user's selection, the user's situation, and/or the state of the communication bandwidth.
  • the client can receive, decode, and play back the encoded information sent by the user in real time.
  • the content supply system ex100 allows not only high-quality, long-duration content from video distributors, but also low-quality, short-duration content from individuals to be distributed by unicast or multicast. Such personal content is expected to continue to increase in the future.
  • the server may perform editing before encoding. This can be achieved, for example, by using the following configuration.
  • the server performs recognition processing such as shooting errors, scene search, semantic analysis, and object detection from the original image data or encoded data. Then, based on the recognition results, the server manually or automatically corrects out-of-focus or camera shake, deletes less important scenes such as scenes that are less bright than other pictures or out of focus, emphasizes object edges, changes color, and performs other editing.
  • the server encodes the edited data based on the editing results. It is also known that if the shooting time is too long, the viewer ratings will decrease, and the server may automatically clip not only scenes with less importance as described above, but also scenes with little movement, based on the image processing results so that the content will be within a specific time range depending on the shooting time. Alternatively, the server may generate a digest based on the results of the semantic analysis of the scene and encode it.
  • the server may change the image to one that is out of focus, such as the face of a person on the periphery of the screen, or the inside of a house, and encode it. Furthermore, the server may recognize whether the image to be encoded contains the face of a person other than a person registered in advance, and if so, may perform processing such as blurring the face. Alternatively, as pre-processing or post-processing of the encoding, the user may specify a person or background area that they would like to modify in the image from the perspective of copyright, etc. The server may replace the specified area with another image, or perform processing such as blurring the focus. If it is a person, the person can be tracked in the video and the image of the person's face can be replaced.
  • the decoding device Since viewing of personal content with a small amount of data requires real-time performance, the decoding device first receives the base layer as a top priority, and performs decoding and playback, depending on the bandwidth.
  • the decoding device may receive the enhancement layer during this time, and if the content is played more than twice, such as when playback is looped, it may play high-quality video including the enhancement layer.
  • a stream that has been scalably encoded in this way it is possible to provide an experience in which the video is rough when not selected or when viewing begins, but the stream gradually becomes smarter and the image improves.
  • a similar experience can be provided even if a rough stream that is played the first time and a second stream that is encoded with reference to the first video are configured as a single stream.
  • these encoding or decoding processes are generally processed in the LSIex500 possessed by each terminal.
  • the LSI (large scale integration circuitry) ex500 may be a one-chip or multiple-chip configuration.
  • software for encoding or decoding moving images may be incorporated into some recording medium (such as a CD-ROM, a flexible disk, or a hard disk) that can be read by the computer ex111, and the encoding or decoding process may be performed using the software.
  • some recording medium such as a CD-ROM, a flexible disk, or a hard disk
  • video data acquired by the camera may be transmitted. The video data at this time is data encoded and processed by the LSIex500 possessed by the smartphone ex115.
  • the LSIex500 may be configured to download and activate application software.
  • the terminal first determines whether it supports the content encoding method or has the ability to execute a specific service. If the terminal does not support the content encoding method or does not have the ability to execute a specific service, the terminal downloads a codec or application software, and then acquires and plays the content.
  • At least one of the video encoding devices (image encoding devices) or video decoding devices (image decoding devices) of the above embodiments can be incorporated into a digital broadcasting system, not limited to the content supply system ex100 via the Internet ex101. Since multiplexed data in which video and audio are multiplexed is transmitted and received over broadcast radio waves using a satellite or the like, there is a difference in that it is more suited to multicast compared to the content supply system ex100, which has a configuration that is easy to use for unicast, but similar applications are possible with regard to the encoding and decoding processes.
  • Fig. 111 is a diagram showing further details of the smartphone ex115 shown in Fig. 108.
  • Fig. 112 is a diagram showing a configuration example of the smartphone ex115.
  • the smartphone ex115 includes an antenna ex450 for transmitting and receiving radio waves to and from the base station ex110, a camera unit ex465 capable of taking videos and still images, and a display unit ex458 for displaying the video captured by the camera unit ex465 and the decoded data of the video and the like received by the antenna ex450.
  • the smartphone ex115 further includes an operation unit ex466 such as a touch panel, an audio output unit ex457 such as a speaker for outputting voice or sound, an audio input unit ex456 such as a microphone for inputting voice, a memory unit ex467 capable of storing encoded data such as captured video or still images, recorded voice, received video or still images, and e-mail, or decoded data, and a slot unit ex464 which is an interface unit with a SIM (Subscriber Identity Module) ex468 for identifying a user and authenticating access to various data including a network.
  • An external memory may be used instead of the memory unit ex467.
  • the main control unit ex460 which controls the display unit ex458 and operation unit ex466, etc., is connected to the power supply circuit unit ex461, operation input control unit ex462, video signal processing unit ex455, camera interface unit ex463, display control unit ex459, modulation/demodulation unit ex452, multiplexing/separation unit ex453, audio signal processing unit ex454, slot unit ex464, and memory unit ex467 via a synchronization bus ex470.
  • the power supply circuit unit ex461 starts up the smartphone ex115 into an operational state and supplies power to each unit from the battery pack.
  • the smartphone ex115 processes calls and data communications under the control of a main control unit ex460 having a CPU, ROM, RAM, etc.
  • a main control unit ex460 having a CPU, ROM, RAM, etc.
  • the audio signal collected by the audio input unit ex456 is converted to a digital audio signal by the audio signal processing unit ex454, and then the signal undergoes spectrum spreading processing by the modulation/demodulation unit ex452, digital-to-analog conversion processing and frequency conversion processing by the transmission/reception unit ex451, and the resulting signal is transmitted via the antenna ex450.
  • the received data is amplified and subjected to frequency conversion processing and analog-to-digital conversion processing, spectrum inverse spreading processing by the modulation/demodulation unit ex452, and converted to an analog audio signal by the audio signal processing unit ex454, which is then output from the audio output unit ex457.
  • text, still images, or video data is sent to the main control unit ex460 via the operation input control unit ex462 based on the operation of the operation unit ex466 of the main unit. Similar transmission and reception processing is performed.
  • the video signal processing unit ex455 compresses and codes the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 by the moving image coding method shown in each of the above embodiments, and sends the coded video data to the multiplexing/separation unit ex453.
  • the audio signal processing unit ex454 codes the audio signal collected by the audio input unit ex456 while the camera unit ex465 is capturing the video or still image, and sends the coded audio data to the multiplexing/separation unit ex453.
  • the multiplexing/separation unit ex453 multiplexes the coded video data and coded audio data by a predetermined method, and transmits the data via the antenna ex450 after performing modulation and conversion processing in the modulation/demodulation unit (modulation/demodulation circuit unit) ex452 and the transmission/reception unit ex451.
  • the multiplexing/separation unit ex453 separates the multiplexed data into a bit stream of video data and a bit stream of audio data, and supplies the encoded video data to the video signal processing unit ex455 via the synchronization bus ex470, and supplies the encoded audio data to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal by a video decoding method corresponding to the video encoding method shown in each of the above embodiments, and the video or still image contained in the linked video file is displayed on the display unit ex458 via the display control unit ex459.
  • the audio signal processing unit ex454 decodes the audio signal, and the audio is output from the audio output unit ex457.
  • audio playback may not be socially appropriate depending on the user's situation. Therefore, it is preferable to initially configure the device to play only the video data without playing any audio signals, and to play audio in sync only when the user performs an operation such as clicking on the video data.
  • a transmitting/receiving terminal that has both an encoder and a decoder
  • a transmitting terminal that has only an encoder
  • a receiving terminal that has only a decoder.
  • multiplexed data in which audio data is multiplexed onto video data is received or transmitted.
  • text data related to the video may also be multiplexed into the multiplexed data.
  • video data itself may be received or transmitted instead of multiplexed data.
  • main control unit ex460 including the CPU has been described as controlling the encoding or decoding process
  • various terminals often also have a GPU (Graphics Processing Unit). Therefore, a configuration may be used in which a wide area is processed collectively by utilizing the performance of the GPU using a memory shared by the CPU and GPU, or a memory whose addresses are managed so that they can be used in common. This can shorten the encoding time, ensure real-time performance, and achieve low latency. It is particularly efficient to perform the processes of motion search, deblocking filter, SAO (Sample Adaptive Offset), and conversion/quantization collectively in units such as pictures by the GPU, rather than by the CPU.
  • SAO Sample Adaptive Offset
  • This disclosure can be used, for example, in television receivers, digital video recorders, car navigation systems, mobile phones, digital cameras, digital video cameras, video conference systems, or electronic mirrors.
  • REFERENCE SIGNS LIST 100 Encoding device 102 Division unit 102a Block division determination unit 104 Subtraction unit 106 Transformation unit 108 Quantization unit 108a Difference quantization parameter generation unit 108b, 204b Prediction quantization parameter generation unit 108c, 204a Quantization parameter generation unit 108d, 204d Quantization parameter storage unit 108e Quantization processing unit 110 Entropy coding unit 110a Binarization unit 110b, 202b Context control unit 110c Binary arithmetic coding unit 112, 204 Inverse quantization unit 114, 206 Inverse transformation unit 116, 208 Addition unit 118, 210 Block memory 120, 212 Loop filter unit 120a, 212a Deblocking filter processing unit 120b, 212b SAO processing unit 120c, 212c ALF processing unit 122, 214 Frame memory 124, 216 Intra prediction unit 126, 218 Inter prediction unit 126a, a2, b2 Memory 126b Interpolated image derivation unit 126c Gradient image derivation unit

Abstract

符号化装置（１００）は、回路と、回路に接続されたメモリとを備え、回路は、動作において、映像をビットストリームに符号化し、映像は、映像の元の速度とは異なる第１速度で出力されるように指定されており、回路は、映像の符号化において、映像の元の速度である第２速度に関連する元速度情報をビットストリームに符号化する（Ｓ５０１）。

Description

符号化装置、復号装置、ビットストリーム出力装置、符号化方法及び復号方法
　本開示は、符号化装置、復号装置、ビットストリーム出力装置、符号化方法及び復号方法等に関する。
　ビデオコーディング技術は、Ｈ．２６１およびＭＰＥＧ－１から、Ｈ．２６４／ＡＶＣ（Ａｄｖａｎｃｅｄ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、ＭＰＥＧ－ＬＡ、Ｈ．２６５／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、およびＨ．２６６／ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｅｃ）へ進歩している。この進歩に伴い、様々な用途において増え続けるデジタルビデオデータ量を処理するために、ビデオコーディング技術の改良および最適化を提供することが常に必要とされている。本開示は、ビデオコーディングにおけるさらなる進歩、改良および最適化に関する。
　なお、非特許文献１は、上述されたビデオコーディング技術に関する従来の規格の一例に関する。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ）／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）
　上記のような符号化方式に関して、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、又は、フィルタ、ブロック、サイズ、動きベクトル、参照ピクチャ又は参照ブロック等の要素又は動作の適切な選択等のため、新たな方式の提案が望まれている。
　本開示は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る構成又は方法を提供する。なお、本開示は、上記以外の利益に貢献し得る構成又は方法を含み得る。
　例えば、本開示の一態様に係る符号化装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、映像をビットストリームに符号化し、前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、前記回路は、前記映像の符号化において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームに符号化する。
　本開示における各実施の形態、またはその一部の構成もしくは方法のそれぞれは、例えば、符号化効率の改善、画質の改善、符号化／復号の処理量の削減、回路規模の削減、または、符号化／復号の処理速度の改善などのうちの、少なくともいずれか１つを可能にする。あるいは、本開示における各実施の形態、またはその一部の構成もしくは方法のそれぞれは、符号化および復号において、フィルタ、ブロック、サイズ、動きベクトル、参照ピクチャ、参照ブロックなどの構成要素／動作の適切な選択などを可能にする。なお、本開示は、上記以外の利益を提供し得る構成または方法の開示も含む。例えば、処理量の増加を抑えつつ、符号化効率を改善する構成または方法などである。
　本開示の一態様におけるさらなる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施の形態並びに明細書および図面に記載された特徴によってそれぞれ得られるが、１つまたはそれ以上の利点および／または効果を得るために必ずしも全てが提供される必要はない。
　なお、これらの全般的または具体的な態様は、システム、集積回路、コンピュータプログラム又はコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　本開示の一態様に係る構成又は方法は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る。なお、本開示の一態様に係る構成又は方法は、上記以外の利益に貢献してもよい。
図１は、実施の形態に係る伝送システムの構成の一例を示す概略図である。 図２は、ストリームにおけるデータの階層構造の一例を示す図である。 図３は、スライスの構成の一例を示す図である。 図４は、タイルの構成の一例を示す図である。 図５は、スケーラブル符号化時の符号化構造の一例を示す図である。 図６は、スケーラブル符号化時の符号化構造の一例を示す図である。 図７は、実施の形態に係る符号化装置の構成の一例を示すブロック図である。 図８は、符号化装置の実装例を示すブロック図である。 図９は、符号化装置による全体的な符号化処理の一例を示すフローチャートである。 図１０は、ブロック分割の一例を示す図である。 図１１は、分割部の構成の一例を示す図である。 図１２は、分割パターンの例を示す図である。 図１３Ａは、分割パターンのシンタックスツリーの一例を示す図である。 図１３Ｂは、分割パターンのシンタックスツリーの他の例を示す図である。 図１４は、各変換タイプに対応する変換基底関数を示す表である。 図１５は、ＳＶＴの一例を示す図である。 図１６は、変換部による処理の一例を示すフローチャートである。 図１７は、変換部による処理の他の例を示すフローチャートである。 図１８は、量子化部の構成の一例を示すブロック図である。 図１９は、量子化部による量子化の一例を示すフローチャートである。 図２０は、エントロピー符号化部の構成の一例を示すブロック図である。 図２１は、エントロピー符号化部におけるＣＡＢＡＣの流れを示す図である。 図２２は、ループフィルタ部の構成の一例を示すブロック図である。 図２３Ａは、ＡＬＦ（ａｄａｐｔｉｖｅ　ｌｏｏｐ　ｆｉｌｔｅｒ）で用いられるフィルタの形状の一例を示す図である。 図２３Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図２３Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図２３Ｄは、Ｙサンプル（第１成分）がＣｂのＣＣＡＬＦおよびＣｒのＣＣＡＬＦ（第１成分とは異なる複数の成分）に使用される例を示す図である。 図２３Ｅは、ダイヤモンド形状フィルタを示す図である。 図２３Ｆは、ＪＣ－ＣＣＡＬＦの例を示す図である。 図２３Ｇは、ＪＣ－ＣＣＡＬＦのｗｅｉｇｈｔ＿ｉｎｄｅｘ候補の例を示す図である。 図２４は、ＤＢＦとして機能するループフィルタ部の詳細な構成の一例を示すブロック図である。 図２５は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。 図２６は、デブロッキング・フィルタ処理が行われるブロック境界の一例を説明するための図である。 図２７は、Ｂｓ値の一例を示す図である。 図２８は、符号化装置の予測部で行われる処理の一例を示すフローチャートである。 図２９は、符号化装置の予測部で行われる処理の他の例を示すフローチャートである。 図３０は、符号化装置の予測部で行われる処理の他の例を示すフローチャートである。 図３１は、イントラ予測における６７個のイントラ予測モードの一例を示す図である。 図３２は、イントラ予測部による処理の一例を示すフローチャートである。 図３３は、各参照ピクチャの一例を示す図である。 図３４は、参照ピクチャリストの一例を示す概念図である。 図３５は、インター予測の基本的な処理の流れを示すフローチャートである。 図３６は、ＭＶ導出の一例を示すフローチャートである。 図３７は、ＭＶ導出の他の例を示すフローチャートである。 図３８Ａは、ＭＶ導出の各モードの分類の一例を示す図である。 図３８Ｂは、ＭＶ導出の各モードの分類の一例を示す図である。 図３９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。 図４０は、ノーマルマージモードによるインター予測の例を示すフローチャートである。 図４１は、ノーマルマージモードによるＭＶ導出処理の一例を説明するための図である。 図４２は、ＨＭＶＰ（Ｈｉｓｔｏｒｙ－ｂａｓｅｄ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｐｒｅｄｉｃｔｉｏｎ／Ｐｒｅｄｉｃｔｏｒ）モードによるＭＶ導出処理の一例を説明するための図である。 図４３は、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ　ｃｏｎｖｅｒｓｉｏｎ）の一例を示すフローチャートである。 図４４は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）の一例を説明するための図である。 図４５は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。 図４６Ａは、２つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。 図４６Ｂは、３つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。 図４７Ａは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４７Ｂは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４７Ｃは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４８Ａは、２つの制御ポイントを有するアフィンモードを説明するための図である。 図４８Ｂは、３つの制御ポイントを有するアフィンモードを説明するための図である。 図４９Ａは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の一例を説明するための概念図である。 図４９Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の他の例を説明するための概念図である。 図５０は、アフィンマージモードの処理の一例を示すフローチャートである。 図５１は、アフィンインターモードの処理の一例を示すフローチャートである。 図５２Ａは、２つの三角形の予測画像の生成を説明するための図である。 図５２Ｂは、第１パーティションの第１部分、並びに、第１サンプルセット及び第２サンプルセットの例を示す概念図である。 図５２Ｃは、第１パーティションの第１部分を示す概念図である。 図５３は、トライアングルモードの一例を示すフローチャートである。 図５４は、サブブロック単位にＭＶが導出されるＡＴＭＶＰ（Ａｄｖａｎｃｅｄ　Ｔｅｍｐｏｒａｌ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｐｒｅｄｉｃｔｉｏｎ／Ｐｒｅｄｉｃｔｏｒ）モードの一例を示す図である。 図５５は、マージモードおよびＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）の関係を示す図である。 図５６は、ＤＭＶＲの一例を説明するための概念図である。 図５７は、ＭＶを決定するためのＤＭＶＲの他の一例を説明するための概念図である。 図５８Ａは、ＤＭＶＲにおける動き探索の一例を示す図である。 図５８Ｂは、ＤＭＶＲにおける動き探索の一例を示すフローチャートである。 図５９は、予測画像の生成の一例を示すフローチャートである。 図６０は、予測画像の生成の他の例を示すフローチャートである。 図６１は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）による予測画像補正処理の一例を説明するためのフローチャートである。 図６２は、ＯＢＭＣによる予測画像補正処理の一例を説明するための概念図である。 図６３は、等速直線運動を仮定したモデルを説明するための図である。 図６４は、ＢＩＯにしたがったインター予測の一例を示すフローチャートである。 図６５は、ＢＩＯにしたがったインター予測を行うインター予測部の構成の一例を示す図である。 図６６Ａは、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）による輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。 図６６Ｂは、ＬＩＣによる輝度補正処理を用いた予測画像生成方法の一例を示すフローチャートである。 図６７は、実施の形態に係る復号装置の構成を示すブロック図である。 図６８は、復号装置の実装例を示すブロック図である。 図６９は、復号装置による全体的な復号処理の一例を示すフローチャートである。 図７０は、分割決定部と他の構成要素との関係を示す図である。 図７１は、エントロピー復号部の構成の一例を示すブロック図である。 図７２は、エントロピー復号部におけるＣＡＢＡＣの流れを示す図である。 図７３は、逆量子化部の構成の一例を示すブロック図である。 図７４は、逆量子化部による逆量子化の一例を示すフローチャートである。 図７５は、逆変換部による処理の一例を示すフローチャートである。 図７６は、逆変換部による処理の他の例を示すフローチャートである。 図７７は、ループフィルタ部の構成の一例を示すブロック図である。 図７８は、復号装置の予測部で行われる処理の一例を示すフローチャートである。 図７９は、復号装置の予測部で行われる処理の他の例を示すフローチャートである。 図８０Ａは、復号装置の予測部で行われる処理の他の例の一部を示すフローチャートである。 図８０Ｂは、復号装置の予測部で行われる処理の他の例の残部を示すフローチャートである。 図８１は、復号装置のイントラ予測部による処理の一例を示す図である。 図８２は、復号装置におけるＭＶ導出の一例を示すフローチャートである。 図８３は、復号装置におけるＭＶ導出の他の例を示すフローチャートである。 図８４は、復号装置におけるノーマルインターモードによるインター予測の例を示すフローチャートである。 図８５は、復号装置におけるノーマルマージモードによるインター予測の例を示すフローチャートである。 図８６は、復号装置におけるＦＲＵＣモードによるインター予測の例を示すフローチャートである。 図８７は、復号装置におけるアフィンマージモードによるインター予測の例を示すフローチャートである。 図８８は、復号装置におけるアフィンインターモードによるインター予測の例を示すフローチャートである。 図８９は、復号装置におけるトライアングルモードによるインター予測の例を示すフローチャートである。 図９０は、復号装置におけるＤＭＶＲによる動き探索の例を示すフローチャートである。 図９１は、復号装置におけるＤＭＶＲによる動き探索の詳細な一例を示すフローチャートである。 図９２は、復号装置における予測画像の生成の一例を示すフローチャートである。 図９３は、復号装置における予測画像の生成の他の例を示すフローチャートである。 図９４は、復号装置におけるＯＢＭＣによる予測画像の補正の例を示すフローチャートである。 図９５は、復号装置におけるＢＩＯによる予測画像の補正の例を示すフローチャートである。 図９６は、復号装置におけるＬＩＣによる予測画像の補正の例を示すフローチャートである。 図９７は、実施の形態に係る符号化動作を示すフローチャートである。 図９８は、実施の形態に係る復号動作を示すフローチャートである。 図９９は、実施の形態に係る復号動作の第１具体例を示すフローチャートである。 図１００は、実施の形態に係る復号システムの構成を示すブロック図である。 図１０１Ａは、ビットストリームにおける元速度情報の位置の例を示す概念図である。 図１０１Ｂは、ビットストリームにおける元速度情報の位置の別の例を示す概念図である。 図１０２は、実施の形態に係る復号動作の第２具体例を示すフローチャートである。 図１０３Ａは、倍率が０．５である場合における復号及び出力が行われる時間を示すタイムチャートである。 図１０３Ｂは、倍率が２である場合における復号及び出力が行われる時間を示すタイムチャートである。 図１０３Ｃは、倍率が２である場合における選択的な復号及び出力が行われる時間を示すタイムチャートである。 図１０３Ｄは、複数のテンポラルサブレイヤで符号化された複数の画像の例を示す概念図である。 図１０４Ａは、元速度情報に関連するシンタックス構造の例を示すシンタックス図である。 図１０４Ｂは、元速度情報に関連するシンタックス構造の別の例を示すシンタックス図である。 図１０４Ｃは、元速度情報に関連するシンタックス構造の更に別の例を示すシンタックス図である。 図１０４Ｄは、元速度情報に関連するシンタックス構造の更に別の例を示すシンタックス図である。 図１０５は、速度情報に関連するシンタックス構造の例を示すシンタックス図である。 図１０６は、実施の形態に係る符号化動作における基本的な処理を示すフローチャートである。 図１０７は、実施の形態に係る復号動作における基本的な処理を示すフローチャートである。 図１０８は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図１０９は、ｗｅｂページの表示画面例を示す図である。 図１１０は、ｗｅｂページの表示画面例を示す図である。 図１１１は、スマートフォンの一例を示す図である。 図１１２は、スマートフォンの構成例を示すブロック図である。
　［序論（Ｉｎｔｒｏｄｕｃｔｉｏｎ）］
　例えば、映像は、本来の速度よりも遅い速度、すなわちスローモーションで再生されてもよいし、本来の速度よりも速い速度、すなわちファーストモーション（ハイスピードモーションと表現される場合もある）で再生されてもよい。また、映像は、スローモーションで再生されるように、スローモーションの映像として符号化されてもよいし、ファーストモーションで再生されるように、ファーストモーションの映像として符号化されてもよい。これにより、映像の符号化時に映像の再生速度を制御することが可能である。
　例えば、映像がスローモーションの映像として符号化される場合、映像を構成する複数のピクチャが本来の時間間隔よりも長い時間間隔で順次出力されるように、各ピクチャに出力時間が割り当てられ、ピクチャ及び出力時間が符号化される。これにより、映像の復号時に、映像がスローモーションの映像として円滑に復号され再生される。
　同様に、映像がファーストモーションの映像として符号化される場合、映像を構成する複数のピクチャが本来の時間間隔よりも短い時間間隔で順次出力されるように、各ピクチャに出力時間が割り当てられ、ピクチャ及び出力時間が符号化される。これにより、映像の復号時に、映像がファーストモーションの映像として円滑に復号され再生される。
　しかしながら、映像がスローモーション又はファーストモーションの映像として符号化された場合、映像を映像の元の速度、すなわち映像の本来の速度で再生することが困難になる。また、これに伴って、映像の解析が困難になる場合があり、映像から正確な情報を得ることが困難になる場合ある。また、これに伴って、映像を他の映像又は音声と結合することが困難になる場合がある。
　そこで、例１の符号化装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、映像をビットストリームに符号化し、前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、前記回路は、前記映像の符号化において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームに符号化する。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームに符号化することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　また、例２の符号化装置は、例１の符号化装置であって、前記回路は、時刻情報とスケール情報とを前記元速度情報として前記ビットストリームに符号化し、前記第２速度は、前記時刻情報と前記スケール情報とに基づいて算出される、符号化装置であてもよい。
　これにより、第２速度を指定することが可能になる場合がある。したがって、本来の速度で動作を行うことが可能になる場合がある。
　また、例３の符号化装置は、例１又は例２の符号化装置であって、前記回路は、さらに、前記映像の出力時間に関連する出力時間情報を前記ビットストリームに符号化する、符号化装置であってもよい。
　これにより、映像の出力時間を指定することが可能になる場合がある。そして、映像の出力時間を調整することが可能になる場合がある。
　また、例４の符号化装置は、例３の符号化装置であって、前記回路は、さらに、前記出力時間情報を用いて、前記映像を前記第１速度で再生するための処理タイミングを示す第１タイミング情報を導出し、前記元速度情報を用いて、前記映像を前記第２速度で再生するための処理タイミングを示す第２タイミング情報を導出する、符号化装置であってもよい。
　これにより、出力時間情報を用いて、第１速度に対応する第１タイミング情報を的確に導出し、元速度情報を用いて、第２速度に対応する第２タイミング情報を的確に導出することが可能になる場合がある。
　また、例５の符号化装置は、例１～例４のいずれかの符号化装置であって、前記回路は、前記元速度情報を前記ビットストリームに含まれるヘッダに符号化する、符号化装置であってもよい。
　これにより、元の速度に関連する情報を映像データに対するヘッダ情報として効率的に符号化することが可能になる場合がある。
　また、例６の符号化装置は、例１～例４の符号化装置であって、前記回路は、前記元速度情報を前記ビットストリームに含まれるＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）に符号化する、符号化装置であってもよい。
　これにより、元の速度に関連する情報を映像データに対する付加情報として効率的に符号化することが可能になる場合がある。
　また、例７の符号化装置は、例１～例６のいずれかの符号化装置であって、前記元速度情報は、前記映像を前記第２速度で再生するための前記映像のピクチャ間隔を示す、符号化装置であってもよい。
　これにより、映像を元の速度で再生するためのピクチャ間隔を示す元速度情報を符号化することが可能になる場合がある。したがって、ピクチャ間隔に従って本来の速度で映像を再生することが可能になる場合がある。
　また、例８の符号化装置は、例１～例７のいずれかの符号化装置であって、前記元速度情報は、前記第１速度に対する前記第２速度の倍率を示す、符号化装置であってもよい。
　これにより、映像を元の速度で再生するための倍率を示す元速度情報を符号化することが可能になる場合がある。したがって、倍率に従って本来の速度で映像を再生することが可能になる場合がある。
　また、例９の符号化装置は、例８の符号化装置であって、前記元速度情報は、分子パラメータ及び分母パラメータを含み、前記倍率は、前記分子パラメータを前記分母パラメータで除算することによって示される、符号化装置であってもよい。
　これにより、倍率を分子パラメータ及び分母パラメータに従って的確に指定することが可能になる場合がある。
　また、例１０の符号化装置は、例１～例９のいずれかの符号化装置であって、前記回路は、前記映像の符号化において、前記映像が前記第２速度で再生される場合に復号装置に要求される適合能力レベルを前記ビットストリームに含まれるテンポラルサブレイヤ毎に前記ビットストリームに符号化する、符号化装置であってもよい。
　これにより、映像を元の速度で再生するためのテンポラルサブレイヤを復号装置の適合能力レベルに従って効率的に指定することが可能になる場合がある。
　また、例１１の符号化装置は、例１～例１０のいずれかの符号化装置であって、前記回路は、前記映像の符号化において、前記映像が前記第１速度で再生される場合に復号装置に要求される第１適合能力レベルと、前記映像が前記第２速度で再生される場合に前記復号装置に要求される第２適合能力レベルとを前記ビットストリームに符号化する、符号化装置であってもよい。
　これにより、映像を第１速度で再生するための適合能力レベルと、映像を第２速度で再生するための適合能力レベルとを符号化することが可能になる場合がある。したがって、映像を第１速度で再生することが可能か否か、及び、映像を第２速度で再生することが可能か否かを復号装置の適合能力レベルに従って効率的に判定することが可能になる場合がある。
　また、例１２の符号化装置は、例１～例１１のいずれかの符号化装置であって、前記第１速度は、スローモーション又はファーストモーションに対応し、前記回路は、前記スローモーションの映像又は前記ファーストモーションの映像として前記映像を前記ビットストリームに符号化する、符号化装置であってもよい。
　これにより、映像をスローモーション又はファーストモーションの映像として符号化する際に、元の速度に関連する情報を符号化することが可能になる場合がある。したがって、スローモーション又はファーストモーションの映像として符号化された映像を元の速度に関連する情報に従って本来の速度で再生することが可能になる場合がある。
　また、例１３の符号化装置は、例１～例１２のいずれかの符号化装置であって、前記回路は、さらに、前記第１速度と前記第２速度との関係を示す情報を前記ビットストリームに符号化する、符号化装置であってもよい。
　これにより、ビットストリームにおける映像の速度と、映像の本来の速度との関係を指定することが可能になる場合がある。したがって、これらの関係に従って、ビットストリームにおける映像の速度から、映像の本来の速度を的確に導出することが可能になる場合がある。
　また、例１４の符号化装置は、例１～例１３のいずれかの符号化装置であって、前記回路は、前記映像の符号化において、前記第２速度を含む複数の速度に関連する情報であり、前記映像を前記複数の速度のそれぞれの速度で再生するための情報であり、前記元速度情報を含む情報である速度情報を前記ビットストリームに符号化する、符号化装置であってもよい。
　これにより、複数の速度のうちのいずれかの速度で映像を再生することが可能になる場合がある。
　また、例１５の復号装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、映像をビットストリームから復号し、前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、前記回路は、前記映像の復号において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームから復号する。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームから復号することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　また、例１６の復号装置は、例１５の復号装置であって、前記回路は、時刻情報とスケール情報とを前記元速度情報として前記ビットストリームから復号し、前記第２速度は、前記時刻情報と前記スケール情報とに基づいて算出される、符号化装置であてもよい。
　これにより、第２速度を指定することが可能になる場合がある。したがって、本来の速度で動作を行うことが可能になる場合がある。
　また、例１７の復号装置は、例１５又は例１６の復号装置であって、前記回路は、さらに、前記映像の出力時間に関連する出力時間情報を前記ビットストリームから復号する、符号化装置であってもよい。
　これにより、映像の出力時間を指定することが可能になる場合がある。そして、映像の出力時間を調整することが可能になる場合がある。
　また、例１８の復号装置は、例１７の復号装置であって、前記回路は、さらに、信号を取得し、前記映像を前記第１速度で再生することを前記信号が示す場合、前記出力時間情報を用いて、前記映像を前記第１速度で再生し、前記映像を前記第２速度で再生することを前記信号が示す場合、前記元速度情報を用いて、前記映像を前記第２速度で再生する、復号装置であってもよい。
　これにより、出力時間情報を用いて、映像を第１速度で再生する処理と、元速度情報を用いて、映像を第２速度で再生する処理とを信号に従って切り替えることが可能になる場合がある。
　また、例１９の復号装置は、例１５～例１８のいずれかの復号装置であって、前記回路は、前記元速度情報を前記ビットストリームに含まれるヘッダから復号する、復号装置であってもよい。
　これにより、元の速度に関連する情報を映像データに対するヘッダ情報として効率的に復号することが可能になる場合がある。
　また、例２０の復号装置は、例１５～例１８のいずれかの復号装置であって、前記回路は、前記元速度情報を前記ビットストリームに含まれるＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）から復号する、復号装置であってもよい。
　これにより、元の速度に関連する情報を映像データに対する付加情報として効率的に復号することが可能になる場合がある。
　また、例２１の復号装置は、例１５～例２０のいずれかの復号装置であって、前記元速度情報は、前記映像を前記第２速度で再生するための前記映像のピクチャ間隔を示す、復号装置であってもよい。
　これにより、映像を元の速度で再生するためのピクチャ間隔を示す元速度情報を復号することが可能になる場合がある。したがって、ピクチャ間隔に従って本来の速度で映像を再生することが可能になる場合がある。
　また、例２２の復号装置は、例１５～例２１のいずれかの復号装置であって、前記元速度情報は、前記第１速度に対する前記第２速度の倍率を示す、復号装置であってもよい。
　これにより、映像を元の速度で再生するための倍率を示す元速度情報を復号することが可能になる場合がある。したがって、倍率に従って本来の速度で映像を再生することが可能になる場合がある。
　また、例２３の復号装置は、例２２の復号装置であって、前記元速度情報は、分子パラメータ及び分母パラメータを含み、前記倍率は、前記分子パラメータを前記分母パラメータで除算することによって示される、復号装置であってもよい。
　これにより、倍率を分子パラメータ及び分母パラメータに従って的確に指定することが可能になる場合がある。
　また、例２４の復号装置は、例１５～例２３のいずれかの復号装置であって、前記回路は、前記映像の復号において、前記映像が前記第２速度で再生される場合に前記復号装置に要求される適合能力レベルを前記ビットストリームに含まれるテンポラルサブレイヤ毎に前記ビットストリームから復号する、復号装置であってもよい。
　これにより、映像を元の速度で再生するためのテンポラルサブレイヤを復号装置の適合能力レベルに従って効率的に指定することが可能になる場合がある。
　また、例２５の復号装置は、例１５～例２４のいずれかの復号装置であって、前記回路は、前記映像の復号において、前記映像が前記第１速度で再生される場合に前記復号装置に要求される第１適合能力レベルと、前記映像が前記第２速度で再生される場合に前記復号装置に要求される第２適合能力レベルとを前記ビットストリームから復号する、復号装置であってもよい。
　これにより、映像を第１速度で再生するための適合能力レベルと、映像を第２速度で再生するための適合能力レベルとを復号することが可能になる場合がある。したがって、映像を第１速度で再生することが可能か否か、及び、映像を第２速度で再生することが可能か否かを復号装置の適合能力レベルに従って効率的に判定することが可能になる場合がある。
　また、例２６の復号装置は、例１５～例２５のいずれかの復号装置であって、前記第１速度は、スローモーション又はファーストモーションに対応し、前記回路は、前記スローモーションの映像又は前記ファーストモーションの映像として前記ビットストリームに符号化された前記映像を前記ビットストリームから復号する、復号装置であってもよい。
　これにより、スローモーション又はファーストモーションの映像として符号化された映像を復号する際に、元の速度に関連する情報を復号することが可能になる場合がある。したがって、スローモーション又はファーストモーションの映像として符号化された映像を元の速度に関連する情報に従って本来の速度で再生することが可能になる場合がある。
　また、例２７の復号装置は、例１５～例２６のいずれかの復号装置であって、前記回路は、さらに、前記第１速度と前記第２速度との関係を示す情報を前記ビットストリームから復号する、復号装置であってもよい。
　これにより、ビットストリームにおける映像の速度と、映像の本来の速度との関係を指定することが可能になる場合がある。したがって、これらの関係に従って、ビットストリームにおける映像の速度から、映像の本来の速度を的確に導出することが可能になる場合がある。
　また、例２８の復号装置は、例１５～例２７のいずれかの復号装置であって、前記回路は、前記映像の復号において、前記第２速度を含む複数の速度に関連する情報であり、前記映像を前記複数の速度のそれぞれの速度で再生するための情報であり、前記元速度情報を含む情報である速度情報を前記ビットストリームから復号する、復号装置であってもよい。
　これにより、複数の速度のうちのいずれかの速度で映像を再生することが可能になる場合がある。
　また、例２９のビットストリーム出力装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、映像をビットストリームに符号化して、前記ビットストリームを出力し、前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、前記回路は、前記映像の符号化において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームに符号化する。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームに符号化することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　また、例３０の符号化方法は、映像をビットストリームに符号化し、前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、前記映像の符号化において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームに符号化する。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームに符号化することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　また、例３１の復号方法は、映像をビットストリームから復号し、前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、前記映像の復号において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームから復号する。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームから復号することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　また、例３２の非一時的なコンピュータ読み取り可能な記録媒体は、ビットストリームを記憶する非一時的なコンピュータ読み取り可能な記録媒体であって、前記ビットストリームは、映像の元の速度とは異なる第１速度で出力されるように指定されている前記映像と、前記映像の元の速度である第２速度に関連する元速度情報とを含む。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームから導出することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　また、例３３の符号化装置は、入力部と、分割部と、イントラ予測部と、インター予測部と、ループフィルタ部と、変換部と、量子化部と、エントロピー符号化部と、出力部とを備える。
　前記入力部には、カレントピクチャが入力される。前記分割部は、前記カレントピクチャを複数のブロックに分割する。
　前記イントラ予測部は、前記カレントピクチャに含まれる参照画素を用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。前記インター予測部は、前記カレントピクチャとは異なる参照ピクチャに含まれる参照ブロックを用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。前記ループフィルタ部は、前記カレントピクチャに含まれるカレントブロックの再構成ブロックにフィルタを適用する。
　前記変換部は、前記カレントピクチャに含まれるカレントブロックの原信号と、前記イントラ予測部又は前記インター予測部によって生成された予測信号との予測誤差を変換して、変換係数を生成する。前記量子化部は、前記変換係数を量子化して、量子化係数を生成する。前記エントロピー符号化部は、前記量子化係数に対して可変長符号化を適用して、符号化ビットストリームを生成する。そして、前記出力部から、可変長符号化が適用された前記量子化係数と、制御情報とを含む前記符号化ビットストリームが出力される。
　そして、前記エントロピー符号化部は、動作において、映像をビットストリームに符号化し、前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、前記エントロピー符号化部は、前記映像の符号化において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームに符号化する。
　また、例３４の復号装置は、入力部と、エントロピー復号部と、逆量子化部と、逆変換部と、イントラ予測部と、インター予測部と、ループフィルタ部と、出力部とを備える。
　前記入力部には、符号化ビットストリームが入力される。前記エントロピー復号部は、前記符号化ビットストリームに対して可変長復号を適用して、量子化係数を導出する。前記逆量子化部は、前記量子化係数を逆量子化して、変換係数を導出する。前記逆変換部は、前記変換係数を逆変換して、予測誤差を導出する。
　前記イントラ予測部は、カレントピクチャに含まれる参照画素を用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。前記インター予測部は、前記カレントピクチャとは異なる参照ピクチャに含まれる参照ブロックを用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。
　前記ループフィルタ部は、前記カレントピクチャに含まれるカレントブロックの再構成ブロックにフィルタを適用する。そして、前記出力部から、前記カレントピクチャが出力される。
　そして、前記エントロピー復号部は、動作において、映像をビットストリームから復号し、前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、前記エントロピー復号部は、前記映像の復号において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームから復号する。
　さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　［用語の定義］
　各用語は一例として以下のような定義であってもよい。
　（１）画像
　画素の集合によって構成されたデータの単位であり、ピクチャやピクチャより小さいブロックからなり、動画の他、静止画も含む。
　（２）ピクチャ
　画素の集合によって構成される画像の処理単位であり、フレームやフィールドと呼ばれる場合もある。
　（３）ブロック
　特定数の画素を含む集合の処理単位であり、以下の例に挙げる通り、名称は問わない。また、形状も問わず、例えば、Ｍ×Ｎ画素からなる長方形、Ｍ×Ｍ画素からなる正方形はもちろん、三角形、円形、その他の形状も含む。
　（ブロックの例）
　　・スライス／タイル／ブリック
　　・ＣＴＵ／スーパーブロック／基本分割単位
　　・ＶＰＤＵ／ハードウェアの処理分割単位
　　・ＣＵ／処理ブロック単位／予測ブロック単位（ＰＵ）／直交変換ブロック単位（ＴＵ）／ユニット
　　・サブブロック
　（４）画素／サンプル
　画像を構成する最小単位の点であって、整数位置の画素のみならず整数位置の画素に基づいて生成された小数位置の画素も含む。
　（５）画素値／サンプル値
　画素が有する固有の値であって、輝度値、色差値、ＲＧＢの階調はもちろん、ｄｅｐｔｈ値、又は０、１の２値も含む。
　（６）フラグ
　１ビットの他、複数ビットの場合も含み、例えば、２ビット以上のパラメータやインデックスであってもよい。また、二進数を用いた２値のみならず、その他の進数を用いた多値であってもよい。
　（７）信号
　情報を伝達するために記号化、符号化したものであって、離散化されたデジタル信号の他、連続値を取るアナログ信号も含む。
　（８）ストリーム／ビットストリーム
　デジタルデータのデータ列又はデジタルデータの流れをいう。ストリーム／ビットストリームは、１本のストリームの他、複数の階層に分けられ複数のストリームにより構成されてもよい。また、単数の伝送路でシリアル通信により伝送される場合の他、複数の伝送路でパケット通信により伝送される場合も含む。
　（９）差／差分
　スカラー量の場合、単純差（ｘ－ｙ）の他、差の演算が含まれていれば足り、差の絶対値（｜ｘ－ｙ｜）、二乗差（ｘ＾２－ｙ＾２）、差の平方根（√（ｘ－ｙ））、重み付け差（ａｘ－ｂｙ：ａ、ｂは定数）、オフセット差（ｘ－ｙ＋ａ：ａはオフセット）を含む。
　（１０）和
　スカラー量の場合、単純和（ｘ＋ｙ）の他、和の演算が含まれていれば足り、和の絶対値（｜ｘ＋ｙ｜）、二乗和（ｘ＾２＋ｙ＾２）、和の平方根（√（ｘ＋ｙ））、重み付け和（ａｘ＋ｂｙ：ａ、ｂは定数）、オフセット和（ｘ＋ｙ＋ａ：ａはオフセット）を含む。
　（１１）基づいて（ｂａｓｅｄ　ｏｎ）
　基づく対象となる要素以外を加味する場合も含む。また、直接結果を求める場合の他、中間的な結果を経由して結果を求める場合も含む。
　（１２）用いて（ｕｓｅｄ、ｕｓｉｎｇ）
　用いる対象となる要素以外を加味する場合も含む。また、直接結果を求める場合の他、中間的な結果を経由して結果を求める場合も含む。
　（１３）禁止する（ｐｒｏｈｉｂｉｔ、ｆｏｒｂｉｄ）
　許されないと言い換えることができる。また、禁止していないこと又は許可されることは、必ずしも義務を意味するものではない。
　（１４）制限する（ｌｉｍｉｔ、ｒｅｓｔｒｉｃｔｉｏｎ／ｒｅｓｔｒｉｃｔ／ｒｅｓｔｒｉｃｔｅｄ）
　許されないと言い換えることができる。また、禁止していないこと又は許可されることは、必ずしも義務を意味するものではない。さらに、量的又は質的に一部が禁止されていれば足り、全面的に禁止する場合も含まれる。
　（１５）色差（ｃｈｒｏｍａ）
　サンプル配列または単一のサンプルが、原色に関連する２つの色差（ｃｏｌｏｕｒ　ｄｉｆｆｅｒｅｎｃｅ）信号の１つを表すことを指定する、記号ＣｂおよびＣｒで表される形容詞である。ｃｈｒｏｍａという用語の代わりに、ｃｈｒｏｍｉｎａｎｃｅという用語を使用することもできる。
　（１６）輝度（ｌｕｍａ）
　サンプル配列または単一のサンプルが原色に関連するモノクロ信号を表すことを指定する、記号または下付きのＹまたはＬで表される形容詞である。ｌｕｍａという用語の代わりに、ｌｕｍｉｎａｎｃｅという用語を使用することもできる。
　［記載に関する解説］
　図面において、同一の参照番号は同一または類似の構成要素を示す。また、図面における構成要素のサイズおよび相対位置は、必ずしも一定の縮尺で描かれていない。
　以下、実施の形態について図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの関係及び順序などは、一例であり、請求の範囲を限定する主旨ではない。
　以下では、符号化装置および復号化装置の実施の形態を説明する。実施の形態は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の例である。処理および／または構成は、実施の形態とは異なる符号化装置および復号化装置においても実施可能である。例えば、実施の形態に対して適用される処理および／または構成に関して、例えば以下のいずれかを実施してもよい。
　（１）本開示の各態様で説明する実施の形態の符号化装置または復号装置の複数の構成要素のうちいずれかは、本開示の各態様のいずれかで説明する他の構成要素に置き換えまたは組み合わせられてもよい。
　（２）実施の形態の符号化装置または復号装置において、当該符号化装置または復号装置の複数の構成要素のうち一部の構成要素によって行われる機能または処理に、機能または処理の追加、置き換え、削除などの任意の変更がなされてもよい。例えば、いずれかの機能または処理は、本開示の各態様のいずれかで説明する他の機能または処理に、置き換えまたは組み合わせられてもよい。
　（３）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のうちの一部の処理について、追加、置き換えおよび削除などの任意の変更がなされてもよい。例えば、方法におけるいずれかの処理は、本開示の各態様のいずれかで説明する他の処理に、置き換えまたは組み合わせられてもよい。
　（４）実施の形態の符号化装置または復号装置を構成する複数の構成要素のうちの一部の構成要素は、本開示の各態様のいずれかで説明する構成要素と組み合わせられてもよいし、本開示の各態様のいずれかで説明する機能の一部を備える構成要素と組み合わせられてもよいし、本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせられてもよい。
　（５）実施の形態の符号化装置または復号装置の機能の一部を備える構成要素、または、実施の形態の符号化装置または復号装置の処理の一部を実施する構成要素は、本開示の各態様いずれかで説明する構成要素と、本開示の各態様でいずれかで説明する機能の一部を備える構成要素と、または、本開示の各態様のいずれかで説明する処理の一部を実施する構成要素と組み合わせまたは置き換えられてもよい。
　（６）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のいずれかは、本開示の各態様のいずれかで説明する処理に、または、同様のいずれかの処理に、置き換えまたは組み合わせられてもよい。
　（７）実施の形態の符号化装置または復号装置が実施する方法に含まれる複数の処理のうちの一部の処理は、本開示の各態様のいずれかで説明する処理と組み合わせられてもよい。
　（８）本開示の各態様で説明する処理および／または構成の実施の仕方は、実施の形態の符号化装置または復号装置に限定されるものではない。例えば、処理および／または構成は、実施の形態において開示する動画像符号化または動画像復号とは異なる目的で利用される装置において実施されてもよい。
　［システム構成］
　図１は、本実施の形態に係る伝送システムの構成の一例を示す概略図である。
　伝送システムＴｒｓは、画像を符号化することによって生成されるストリームを伝送し、伝送されたストリームを復号するシステムである。このような伝送システムＴｒｓは、例えば図１に示すように、符号化装置１００、ネットワークＮｗ、および復号装置２００を含む。
　符号化装置１００には画像が入力される。符号化装置１００は、その入力された画像を符号化することによってストリームを生成し、そのストリームをネットワークＮｗに出力する。ストリームには、例えば、符号化された画像と、その符号化された画像を復号するための制御情報とが含まれている。この符号化によって画像は圧縮される。
　なお、符号化装置１００に入力される、符号化される前の元の画像は、原画像、原信号、または原サンプルとも呼ばれる。また、画像は、動画像または静止画像であってもよい。また、画像は、シーケンス、ピクチャおよびブロックなどの上位概念であって、別途規定されない限り、空間的および時間的な領域の制限を受けない。また、画像は、画素または画素値の配列からなり、その画像を表す信号、または画素値は、サンプルとも呼ばれる。また、ストリームは、ビットストリーム、符号化ビットストリーム、圧縮ビットストリーム、または符号化信号と呼ばれてもよい。さらに、符号化装置は、画像符号化装置または動画像符号化装置と呼ばれてもよく、符号化装置１００による符号化の方法は、符号化方法、画像符号化方法、または動画像符号化方法と呼ばれてもよい。
　ネットワークＮｗは、符号化装置１００が生成したストリームを復号装置２００に伝送する。ネットワークＮｗは、インターネット、広域ネットワーク（ＷＡＮ：Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、小規模ネットワーク（ＬＡＮ：Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、またはこれらの組み合わせであってもよい。ネットワークＮｗは、必ずしも双方向の通信網に限らず、地上デジタル放送、または衛星放送等の放送波を伝送する一方向の通信網であってもよい。また、ネットワークＮｗは、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）、ＢＤ（Ｂｌｕ－Ｒａｙ　Ｄｉｓｃ（登録商標））等のストリームを記録した記憶媒体によって代替されてもよい。
　復号装置２００は、ネットワークＮｗが伝送したストリームを復号することによって、例えば非圧縮の画像である復号画像を生成する。例えば、復号装置は、符号化装置１００による符号化方法に対応する復号方法にしたがってストリームを復号する。
　なお、復号装置は、画像復号装置または動画像復号装置と呼ばれてもよく、復号装置２００による復号の方法は、復号方法、画像復号方法、または動画像復号方法と呼ばれてもよい。
　［データ構造］
　図２は、ストリームにおけるデータの階層構造の一例を示す図である。ストリームは、例えばビデオシーケンスを含む。このビデオシーケンスは、例えば図２の（ａ）に示すように、ＶＰＳ（Ｖｉｄｅｏ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）と、複数のピクチャとを含む。
　ＶＰＳは、複数のレイヤから構成されている動画像において、複数のレイヤに共通する符号化パラメータと、動画像に含まれる複数のレイヤ、または個々のレイヤに関連する符号化パラメータとを含む。
　ＳＰＳは、シーケンスに対して用いられるパラメータ、すなわち、シーケンスを復号するために復号装置２００が参照する符号化パラメータを含む。例えば、その符号化パラメータは、ピクチャの幅または高さを示してもよい。なお、ＳＰＳは複数存在してもよい。
　ＰＰＳは、ピクチャに対して用いられるパラメータ、すなわち、シーケンス内の各ピクチャを復号するために復号装置２００が参照する符号化パラメータを含む。例えば、その符号化パラメータは、ピクチャの復号に用いられる量子化幅の基準値と、重み付き予測の適用を示すフラグとを含んでもよい。なお、ＰＰＳは複数存在してもよい。また、ＳＰＳとＰＰＳとは、単にパラメータセットと呼ばれる場合がある。
　ピクチャは、図２の（ｂ）に示すように、ピクチャヘッダと、１つ以上のスライスを含んでいてもよい。ピクチャヘッダは、その１つ以上のスライスを復号するために復号装置２００が参照する符号化パラメータを含む。
　スライスは、図２の（ｃ）に示すように、スライスヘッダと、１つ以上のブリックとを含む。スライスヘッダは、その１つ以上のブリックを復号するために復号装置２００が参照する符号化パラメータを含む。
　ブリックは、図２の（ｄ）に示すように、１つ以上のＣＴＵ（Ｃｏｄｉｎｇ　Ｔｒｅｅ　Ｕｎｉｔ）を含む。
　なお、ピクチャは、スライスを含まず、そのスライスの代わりに、タイルグループを含んでいてもよい。この場合、タイルグループは、１つ以上のタイルを含む。また、ブリックにスライスが含まれていてもよい。
　ＣＴＵは、スーパーブロックまたは基本分割単位とも呼ばれる。このようなＣＴＵは、図２の（ｅ）に示すように、ＣＴＵヘッダと、１つ以上のＣＵ（Ｃｏｄｉｎｇ　Ｕｎｉｔ）とを含む。ＣＴＵヘッダは、１つ以上のＣＵを復号するために復号装置２００が参照する符号化パラメータを含む。
　ＣＵは、複数の小さいＣＵに分割されてもよい。また、ＣＵは、図２の（ｆ）に示すように、ＣＵヘッダと、予測情報と、残差係数情報とを含む。予測情報は、そのＣＵを予測するための情報であって、残差係数情報は、後述の予測残差を示す情報である。なお、ＣＵは、基本的にＰＵ（Ｐｒｅｄｉｃｔｉｏｎ　Ｕｎｉｔ）およびＴＵ（Ｔｒａｎｓｆｏｒｍ　Ｕｎｉｔ）と同一であるが、例えば後述のＳＢＴでは、そのＣＵよりも小さい複数のＴＵを含んでいてもよい。また、ＣＵは、そのＣＵを構成するＶＰＤＵ（Ｖｉｒｔｕａｌ　Ｐｉｐｅｌｉｎｅ　Ｄｅｃｏｄｉｎｇ　Ｕｎｉｔ）ごとに処理されてもよい。ＶＰＤＵは、例えば、ハードウェアにおいてパイプライン処理を行う際に、１ステージで処理できる固定的な単位である。
　なお、ストリームは、図２に示す各階層のうちの何れか一部の階層を有していなくてもよい。また、これらの階層の順番は、入れ替えられてもよく、何れかの階層は他の階層に置き換えられてもよい。また、符号化装置１００または復号装置２００などの装置によって現時点で行われる処理の対象とされているピクチャを、カレントピクチャという。その処理が符号化であれば、カレントピクチャは、符号化対象ピクチャと同義であり、その処理が復号であれば、カレントピクチャは、復号対象ピクチャと同義である。また、符号化装置１００または復号装置２００などの装置によって現時点で行われる処理の対象とされている例えばＣＵまたはＣＵなどのブロックを、カレントブロックという。その処理が符号化であれば、カレントブロックは、符号化対象ブロックと同義であり、その処理が復号であれば、カレントブロックは、復号対象ブロックと同義である。
　［ピクチャの構成　スライス／タイル］
　ピクチャを並列にデコードするために、ピクチャはスライス単位またはタイル単位で構成される場合がある。
　スライスは、ピクチャを構成する基本的な符号化の単位である。ピクチャは、例えば１つ以上のスライスから構成される。また、スライスは、１つ以上の連続するＣＴＵからなる。
　図３は、スライスの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つのスライス（スライス１－４）に分割される。スライス１は、例えば１６個のＣＴＵからなり、スライス２は、例えば２１個のＣＴＵからなり、スライス３は、例えば２９個のＣＴＵからなり、スライス４は、例えば２２個のＣＴＵからなる。ここで、ピクチャ内の各ＣＴＵは、いずれかのスライスに属する。スライスの形状は、ピクチャを水平方向に分割した形になる。スライスの境界は、画面端である必要はなく、画面内のＣＴＵの境界のうちどこであってもよい。スライスの中のＣＴＵの処理順（符号化順または復号順）は、例えばラスタ・スキャン順である。また、スライスは、スライスヘッダと符号化データを含む。スライスヘッダには、スライスの先頭のＣＴＵアドレス、スライス・タイプなどそのスライスの特徴が記述されてもよい。
　タイルは、ピクチャを構成する矩形領域の単位である。各タイルにはＴｉｌｅＩｄと呼ばれる番号がラスタ・スキャン順に割り振られてもよい。
　図４は、タイルの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つの矩形領域のタイル（タイル１－４）に分割される。タイルが使用される場合、タイルが使用されない場合と比べてＣＴＵの処理順が変更される。タイルが使用されない場合、ピクチャ内の複数のＣＴＵは例えばラスタ・スキャン順に処理される。タイルが使用される場合には、複数のタイルのそれぞれにおいて、少なくとも１つのＣＴＵが例えばラスタ・スキャン順に処理される。例えば、図４に示すように、タイル１に含まれる複数のＣＴＵの処理順は、タイル１の１列目左端からタイル１の１列目右端まで向かい、次に、タイル１の２列目左端からタイル１の２列目右端まで向かう順である。
　なお、１つのタイルは、１つ以上のスライスを含む場合があり、１つのスライスは、１つ以上のタイルを含む場合がある。
　なお、ピクチャはタイルセット単位で構成されていてもよい。タイルセットは、１つ以上のタイルグループを含んでもよく、１つ以上のタイルを含んでもよい。ピクチャは、タイルセット、タイルグループ、およびタイルのうちのいずれか１つのみによって構成されていてもよい。例えば、タイルセットごとに複数のタイルをラスタ順に走査する順序を、タイルの基本符号化順序とする。各タイルセット内で基本符号化順序が連続する１つ以上のタイルの集まりをタイルグループとする。このようなピクチャは、後述の分割部１０２（図７参照）によって構成されてもよい。
　［スケーラブル符号化］
　図５および図６は、スケーラブルなストリームの構成の一例を示す図である。
　符号化装置１００は、図５に示すように、複数のピクチャのそれぞれを、複数のレイヤの何れかに分けて符号化することによって、時間的／空間的スケーラブルなストリームを生成してもよい。例えば、符号化装置１００は、レイヤ毎にピクチャを符号化することによって、ベースレイヤの上位にエンハンスメントレイヤが存在するスケーラビリティを実現する。このような各ピクチャの符号化を、スケーラブル符号化という。これにより、復号装置２００は、そのストリームを復号することによって表示される画像の画質を切り換えることができる。つまり、復号装置２００は、自らの性能という内的要因と、通信帯域の状態などの外的要因とに応じて、どのレイヤまで復号するかを決定する。その結果、復号装置２００は、同一のコンテンツを低解像度のコンテンツと高解像度のコンテンツとに自由に切り替えて復号できる。例えば、そのストリームの利用者は、移動中に、スマートフォンを用いて、そのストリームの動画像を途中まで視聴し、帰宅後に、インターネットＴＶ等の機器を用いて、その動画像の続きを視聴する。なお、上述のスマートフォンおよび機器のそれぞれには、互いに性能が同一または異なる復号装置２００が組み込まれている。この場合には、その機器がそのストリームのうちの上位レイヤまでを復号すれば、利用者は、帰宅後には高画質の動画像を視聴することができる。これにより、符号化装置１００は、同一内容で画質の異なる複数のストリームを生成する必要がなく、処理負荷を低減することができる。
　さらに、エンハンスメントレイヤは、画像の統計情報などに基づくメタ情報を含んでいてもよい。復号装置２００は、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化された動画像を生成してもよい。超解像とは、同一解像度におけるＳＮ（Ｓｉｇｎａｌ－ｔｏ－Ｎｏｉｓｅ）比の向上、および、解像度の拡大のいずれであってもよい。メタ情報は、超解像処理に用いる線形もしくは非線形のフィルタ係数を特定するため情報、または、超解像処理に用いるフィルタ処理、機械学習もしくは最小２乗演算におけるパラメータ値を特定する情報などを含んでいてもよい。
　または、ピクチャ内の各オブジェクトなどの意味合いに応じて、そのピクチャはタイル等に分割されていてもよい。この場合、復号装置２００は、復号の対象とされるタイルを選択することで、ピクチャのうちの一部の領域だけを復号してもよい。また、オブジェクトの属性（人物、車、ボールなど）と、ピクチャ内の位置（同一ピクチャにおける座標位置など）とが、メタ情報として格納されていてもよい。この場合、復号装置２００は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図６に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩなどの、画像データとは異なるデータ格納構造を用いて格納される。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、または色彩などを示す。
　また、ストリーム、シーケンスまたはランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。これにより、復号装置２００は、特定人物が動画像内に出現する時刻などを取得でき、その時刻とピクチャ単位の情報とを用いることで、オブジェクトが存在するピクチャと、そのピクチャ内でのオブジェクトの位置とを特定できる。
　［符号化装置］
　次に、実施の形態に係る符号化装置１００を説明する。図７は、実施の形態に係る符号化装置１００の構成の一例を示すブロック図である。符号化装置１００は、画像をブロック単位で符号化する。
　図７に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、予測パラメータ生成部１３０とを備える。なお、イントラ予測部１２４およびインター予測部１２６のそれぞれは、予測処理部の一部として構成されている。
　［符号化装置の実装例］
　図８は、符号化装置１００の実装例を示すブロック図である。符号化装置１００は、プロセッサａ１およびメモリａ２を備える。例えば、図７に示された符号化装置１００の複数の構成要素は、図８に示されたプロセッサａ１およびメモリａ２によって実装される。
　プロセッサａ１は、情報処理を行う回路であり、メモリａ２にアクセス可能な回路である。例えば、プロセッサａ１は、画像を符号化する専用または汎用の電子回路である。プロセッサａ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサａ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサａ１は、図７に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリａ２は、プロセッサａ１が画像を符号化するための情報が記憶される専用または汎用のメモリである。メモリａ２は、電子回路であってもよく、プロセッサａ１に接続されていてもよい。また、メモリａ２は、プロセッサａ１に含まれていてもよい。また、メモリａ２は、複数の電子回路の集合体であってもよい。また、メモリａ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリａ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリａ２には、符号化される画像が記憶されてもよいし、符号化された画像に対応するストリームが記憶されてもよい。また、メモリａ２には、プロセッサａ１が画像を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、メモリａ２は、図７に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリａ２は、図７に示されたブロックメモリ１１８およびフレームメモリ１２２の役割を果たしてもよい。より具体的には、メモリａ２には、再構成画像（具体的には、再構成済みブロックまたは再構成済みピクチャ等）が記憶されてもよい。
　なお、符号化装置１００において、図７に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図７に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　以下、符号化装置１００の全体的な処理の流れを説明した後に、符号化装置１００に含まれる各構成要素について説明する。
　［符号化処理の全体フロー］
　図９は、符号化装置１００による全体的な符号化処理の一例を示すフローチャートである。
　まず、符号化装置１００の分割部１０２は、原画像に含まれるピクチャを複数の固定サイズのブロック（１２８×１２８画素）に分割する（ステップＳａ＿１）。そして、分割部１０２は、その固定サイズのブロックに対して分割パターンを選択する（ステップＳａ＿２）。つまり、分割部１０２は、固定サイズのブロックを、その選択された分割パターンを構成する複数のブロックに、さらに分割する。そして、符号化装置１００は、その複数のブロックのそれぞれに対してステップＳａ＿３～Ｓａ＿９の処理を行う。
　イントラ予測部１２４およびインター予測部１２６からなる予測処理部と、予測制御部１２８とは、カレントブロックの予測画像を生成する（ステップＳａ＿３）。なお、予測画像は、予測信号、予測ブロックまたは予測サンプルとも呼ばれる。
　次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳａ＿４）。なお、予測残差は、予測誤差とも呼ばれる。
　次に、変換部１０６および量子化部１０８は、その予測画像に対して変換および量子化を行うことによって、複数の量子化係数を生成する（ステップＳａ＿５）。
　次に、エントロピー符号化部１１０は、その複数の量子化係数と、予測画像の生成に関する予測パラメータとに対して符号化（具体的にはエントロピー符号化）を行うことによって、ストリームを生成する（ステップＳａ＿６）。
　次に、逆量子化部１１２および逆変換部１１４は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、予測残差を復元する（ステップＳａ＿７）。
　次に、加算部１１６は、その復元された予測残差に予測画像を加算することによってカレントブロックを再構成する（ステップＳａ＿８）。これにより、再構成画像が生成される。なお、再構成画像は、再構成ブロックとも呼ばれ、特に符号化装置１００によって生成される再構成画像は、ローカル復号ブロックまたはローカル復号画像とも呼ばれる。
　この再構成画像が生成されると、ループフィルタ部１２０は、その再構成画像に対してフィルタリングを必要に応じて行う（ステップＳａ＿９）。
　そして、符号化装置１００は、ピクチャ全体の符号化が完了したか否かを判定し（ステップＳａ＿１０）、完了していないと判定する場合（ステップＳａ＿１０のＮｏ）、ステップＳａ＿２からの処理を繰り返し実行する。
　なお、上述の例では、符号化装置１００は、固定サイズのブロックに対して１つの分割パターンを選択し、その分割パターンにしたがって各ブロックの符号化を行うが、複数の分割パターンのそれぞれにしたがって各ブロックの符号化を行ってもよい。この場合には、符号化装置１００は、複数の分割パターンのそれぞれに対するコストを評価し、例えば最も小さいコストの分割パターンにしたがった符号化によって得られるストリームを、最終的に出力されるストリームとして選択してもよい。
　また、これらのステップＳａ＿１～Ｓａ＿１０の処理は、符号化装置１００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　このような符号化装置１００による符号化処理は、予測符号化と変換符号化とを用いたハイブリッド符号化である。また、予測符号化は、減算部１０４、変換部１０６、量子化部１０８、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、ブロックメモリ１１８、フレームメモリ１２２、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８からなる符号化ループによって行われる。つまり、イントラ予測部１２４およびインター予測部１２６からなる予測処理部は、符号化ループの一部を構成する。
　［分割部］
　分割部１０２は、原画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８画素）のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、例えば再帰的な四分木（ｑｕａｄｔｒｅｅ）および／または二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４画素以下）のブロックに分割する。すなわち、分割部１０２は、分割パターンを選択する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、種々の実装例では、ＣＵ、ＰＵおよびＴＵは区別される必要はなく、ピクチャ内の一部またはすべてのブロックがＣＵ、ＰＵ、またはＴＵの処理単位となってもよい。
　図１０は、実施の形態におけるブロック分割の一例を示す図である。図１０において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロックである。このブロック１０は、まず、４つの６４ｘ６４画素の正方形ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４画素の正方形ブロックは、さらに、それぞれ３２ｘ６４画素からなる２つの矩形ブロックに垂直に分割され、左の３２ｘ６４画素の矩形ブロックは、さらに、それぞれ１６ｘ６４画素からなる２つの矩形ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４画素の正方形ブロックは、２つの１６ｘ６４画素の矩形ブロック１１および１２と、３２ｘ６４画素の矩形ブロック１３とに分割される。
　右上の６４ｘ６４画素の正方形ブロックは、それぞれ６４ｘ３２画素からなる２つの矩形ブロック１４および１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４画素の正方形ブロックは、それぞれ３２ｘ３２画素からなる４つの正方形ブロックに分割される（四分木ブロック分割）。それぞれ３２ｘ３２画素からなる４つの正方形ブロックのうち左上のブロックおよび右下のブロックは、さらに分割される。左上の３２ｘ３２画素の正方形ブロックは、それぞれ１６ｘ３２画素からなる２つの矩形ブロックに垂直に分割され、右の１６ｘ３２画素からなる矩形ブロックは、さらに、それぞれ１６ｘ１６画素からなる２つの正方形ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２画素からなる正方形ブロックは、それぞれ３２ｘ１６画素からなる２つの矩形ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４画素の正方形ブロックは、１６ｘ３２画素の矩形ブロック１６と、それぞれ１６ｘ１６画素の２つの正方形ブロック１７および１８と、それぞれ３２ｘ３２画素の２つの正方形ブロック１９および２０と、それぞれ３２ｘ１６画素の２つの矩形ブロック２１および２２とに分割される。
　右下の６４ｘ６４画素からなるブロック２３は分割されない。
　以上のように、図１０では、ブロック１０は、再帰的な四分木および二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図１０では、１つのブロックが４つまたは２つのブロックに分割されていたが（四分木または二分木ブロック分割）、分割はこれらに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　図１１は、分割部１０２の構成の一例を示す図である。図１１に示すように、分割部１０２は、ブロック分割決定部１０２ａを備えていてもよい。ブロック分割決定部１０２ａは、一例として以下の処理を行ってもよい。
　ブロック分割決定部１０２ａは、例えば、ブロックメモリ１１８またはフレームメモリ１２２からブロック情報を収集し、そのブロック情報に基づいて上述の分割パターンを決定する。分割部１０２は、その分割パターンにしたがって原画像を分割し、その分割によって得られる１つ以上のブロックを減算部１０４に出力する。
　また、ブロック分割決定部１０２ａは、例えば、上述の分割パターンを示すパラメータを変換部１０６、逆変換部１１４、イントラ予測部１２４、インター予測部１２６およびエントロピー符号化部１１０に出力する。変換部１０６は、そのパラメータに基づいて予測残差を変換してもよく、イントラ予測部１２４およびインター予測部１２６は、そのパラメータに基づいて予測画像を生成してもよい。また、エントロピー符号化部１１０は、そのパラメータに対してエントロピー符号化を行ってもよい。
　分割パターンに関するパラメータは、一例として以下のようにストリームに書き込まれてもよい。
　図１２は、分割パターンの例を示す図である。分割パターンには、例えばブロックを水平方向および垂直方向のそれぞれに２つに分割するような４分割（ＱＴ）と、ブロックを１対２対１の比率で同じ方向に分割するような３分割（ＨＴまたはＶＴ）と、ブロックを１対１の比率で同じ方向に分割するような２分割（ＨＢまたはＶＢ）と、分割しない（ＮＳ）と、がある。
　なお、４分割および分割しない場合には、分割パターンは、ブロック分割方向を持たず、２分割および３分割の場合には、分割パターンは、分割方向情報を持っている。
　図１３Ａおよび図１３Ｂは、分割パターンのシンタックスツリーの一例を示す図である。図１３Ａの例では、まず、はじめに、分割を行うか否かを示す情報（Ｓ：Ｓｐｌｉｔフラグ）が存在し、次に、４分割を行うか否かを示す情報（ＱＴ：ＱＴフラグ）が存在する。次に３分割を行うか２分割を行うかを示す情報（ＴＴ：ＴＴフラグまたはＢＴ：ＢＴフラグ）が存在し、最後に分割方向を示す情報（Ｖｅｒ：ＶｅｒｔｉｃａｌフラグまたはＨｏｒ：Ｈｏｒｉｚｏｎｔａｌフラグ）が存在している。なお、このような分割パターンによる分割によって得られる１つ以上のブロックのそれぞれに対し、さらに同様の処理で分割を繰り返し適用してもよい。すなわち、一例として、分割を行うか否か、４分割を行うか否か、分割方法は水平方向か垂直方向か、および３分割を行うか２分割を行うか、の判定を再帰的に実施し、実施した判定結果を図１３Ａに示すシンタックスツリーに開示した符号化順序に従ってストリームに符号化してもよい。
　また、図１３Ａに示すシンタックスツリーでは、Ｓ、ＱＴ、ＴＴ、Ｖｅｒの順でそれらの情報が配置されているが、Ｓ、ＱＴ、Ｖｅｒ、ＢＴの順でそれらの情報が配置されていてもよい。つまり、図１３Ｂの例では、まず、分割を行うか否かを示す情報（Ｓ：Ｓｐｌｉｔフラグ）が存在し、次に、４分割を行うか否かを示す情報（ＱＴ：ＱＴフラグ）が存在する。次に分割方向を示す情報（Ｖｅｒ：ＶｅｒｔｉｃａｌフラグまたはＨｏｒ：Ｈｏｒｉｚｏｎｔａｌフラグ）が存在し、最後に２分割を行うか３分割を行うかを示す情報（ＢＴ：ＢＴフラグまたはＴＴ：ＴＴフラグ）が存在している。
　なお、ここで説明した分割パターンは一例であり、説明した分割パターン以外のものを用いてもよく、説明した分割パターンの一部のみを用いてもよい。
　［減算部］
　減算部１０４は、分割部１０２から入力され、分割部１０２によって分割されたブロック単位で、原画像から予測画像（予測制御部１２８から入力される予測画像）を減算する。つまり、減算部１０４は、カレントブロックの予測残差を算出する。そして、減算部１０４は、算出された予測残差を変換部１０６に出力する。
　原画像は、符号化装置１００の入力信号であり、例えば、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号および２つの色差（ｃｈｒｏｍａ）信号）である。
　［変換部］
　変換部１０６は、空間領域の予測残差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測残差に対して予め定められた離散コサイン変換（ＤＣＴ）または離散サイン変換（ＤＳＴ）を行う。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測残差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）またはＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。また、変換基底関数は、単に基底と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－ＩおよびＤＳＴ－ＶＩＩを含む。なお、これらの変換タイプは、ＤＣＴ２、ＤＣＴ５、ＤＣＴ８、ＤＳＴ１およびＤＳＴ７とそれぞれ表記されてもよい。図１４は、各変換タイプに対応する変換基底関数を示す表である。図１４においてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測およびインター予測など）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴまたはＡＭＴを適用するか否かを示す情報（例えばＥＭＴフラグまたはＡＭＴフラグと呼ばれる）と、選択された変換タイプを示す情報とは、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（すなわち変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）またはＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測残差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４画素のサブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報と、ＮＳＳＴに用いられる変換行列に関する情報とは、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　変換部１０６には、Ｓｅｐａｒａｂｌｅな変換と、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とが適用されてもよい。Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の一例として、入力が４×４画素のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換のさらなる例では、４×４画素の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うような変換（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）が行われてもよい。
　変換部１０６での変換では、ＣＵ内の領域に応じて周波数領域に変換する変換基底関数の変換タイプを切替えることもできる。一例として、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）がある。
　図１５は、ＳＶＴの一例を示す図である。
　ＳＶＴでは、図１５に示すように、水平方向あるいは垂直方向にＣＵを２等分し、いずれか一方の領域のみ周波数領域への変換を行う。変換タイプは、領域毎に設定されてもよく、例えば、ＤＳＴ７とＤＣＴ８が用いられる。例えば、ＣＵが垂直方向に２等分されることによって得られる２つの領域のうち、位置０の領域に対してはＤＳＴ７およびＤＣＴ８が用いられ得る。または、その２つの領域のうち、位置１の領域に対してはＤＳＴ７が用いられる。同様に、ＣＵが水平方向に２等分されることによって得られる２つの領域のうち、位置０の領域に対してはＤＳＴ７およびＤＣＴ８が用いられる。または、その２つの領域のうち、位置１の領域に対してはＤＳＴ７が用いられる。このような図１５に示す例では、ＣＵ内の２つの領域のうち、どちらか一方のみ変換が行われ、もう一方には変換が行われないが、２つの領域のそれぞれに対して変換を行ってもよい。また、分割方法には、２等分だけでなく、４等分もあってもよい。また、分割方法を示す情報を符号化してＣＵ分割と同様にシグナリングするなど、より柔軟にすることもできる。なお、ＳＶＴは、ＳＢＴ（Ｓｕｂ－ｂｌｏｃｋ　Ｔｒａｎｓｆｏｒｍ）と呼ぶこともある。
　前述したＡＭＴおよびＥＭＴは、ＭＴＳ（Ｍｕｌｔｉｐｌｅ　Ｔｒａｎｓｆｏｒｍ　Ｓｅｌｅｃｔｉｏｎ）と呼ばれてもよい。ＭＴＳを適用する場合は、ＤＳＴ７またはＤＣＴ８などの変換タイプを選択でき、選択された変換タイプを示す情報は、ＣＵ毎にインデックス情報として符号化されてもよい。一方で、ＣＵの形状に基づいて、インデックス情報を符号化することなく直交変換に使用する変換タイプを選択する処理として、ＩＭＴＳ（Ｉｍｐｌｉｃｉｔ　ＭＴＳ）と呼ばれる処理がある。ＩＭＴＳを適用する場合は、例えばＣＵの形状が矩形であれば、矩形の短辺側はＤＳＴ７、長辺側はＤＣＴ２を用いて、それぞれ直交変換する。また例えばＣＵの形状が正方形の場合は、シーケンス内でＭＴＳが有効であればＤＣＴ２を用い、ＭＴＳが無効であればＤＳＴ７を用いて直交変換を行う。ＤＣＴ２およびＤＳＴ７は一例であり、他の変換タイプを用いてもよいし、用いる変換タイプの組合せを異なる組合せとすることも可能である。ＩＭＴＳは、イントラ予測のブロックでのみ使用可としてもよいし、イントラ予測のブロックおよびインター予測のブロック共に使用可としてもよい。
　以上では、直交変換に用いる変換タイプを選択的に切り替える選択処理として、ＭＴＳ、ＳＢＴ、およびＩＭＴＳの３つの処理について説明したが、３つの選択処理は全て有効としてもよいし、選択的に一部の選択処理のみを有効としてもよい。個々の選択処理を有効とするかどうかは、ＳＰＳなどヘッダ内のフラグ情報などで識別できる。例えば、３つの選択処理が全て有効であれば、ＣＵ単位で、３つの選択処理から１つを選択して直交変換を行う。なお、変換タイプを選択的に切り替える選択処理は、以下の４つの機能［１］～［４］の少なくとも１つの機能が実現できれば、上記３つの選択処理とは異なる選択処理を用いてもよく、上記３つの選択処理のそれぞれを別の処理に置き換えてもよい。機能［１］は、ＣＵ内の全範囲を直交変換して、変換に用いた変換タイプを示す情報を符号化する機能である。機能［２］は、ＣＵの全範囲を直交変換して、変換タイプを示す情報は符号化せずに所定のルールに基づいて変換タイプを決定する機能である。機能［３］は、ＣＵの一部分の領域を直交変換して、変換に用いた変換タイプを示す情報を符号化する機能である。機能［４］は、ＣＵの一部分の領域を直交変換して、変換に用いた変換タイプを示す情報は符号化せずに所定のルールに基づいて変換タイプを決定する機能などである。
　なお、ＭＴＳ、ＩＭＴＳ、およびＳＢＴのそれぞれの適用の有無は処理単位ごとに決定されてもよい。例えば、シーケンス単位、ピクチャ単位、ブリック単位、スライス単位、ＣＴＵ単位、またはＣＵ単位で適用の有無を決定してもよい。
　なお、本開示における変換タイプを選択的に切り替えるツールは、変換処理に用いる基底を適応的に選択する方法、選択処理、または基底を選択するプロセスと言い換えてもよい。また、変換タイプを選択的に切り替えるツールは、変換タイプを適応的に選択するモードと言い換えてもよい。
　図１６は、変換部１０６による処理の一例を示すフローチャートである。
　例えば、変換部１０６は、直交変換を行うか否かを判定する（ステップＳｔ＿１）。ここで、変換部１０６は、直交変換を行うと判定すると（ステップＳｔ＿１のＹｅｓ）、複数の変換タイプから、直交変換に用いる変換タイプを選択する（ステップＳｔ＿２）。次に、変換部１０６は、その選択した変換タイプをカレントブロックの予測残差に適用することによって直交変換を行う（ステップＳｔ＿３）。そして、変換部１０６は、その選択した変換タイプを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｔ＿４）。一方、変換部１０６は、直交変換を行わないと判定すると（ステップＳｔ＿１のＮｏ）、直交変換を行わないことを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｔ＿５）。なお、ステップＳｔ＿１における直交変換を行うか否かの判定は、例えば、変換ブロックのサイズ、ＣＵに適用された予測モードなどに基づいて判定されてもよい。また、直交変換に用いる変換タイプを示す情報は符号化されず、予め規定された変換タイプを用いて直交変換を行ってもよい。
　図１７は、変換部１０６による処理の他の例を示すフローチャートである。なお、図１７に示す例は、図１６に示す例と同様、直交変換に用いる変換タイプを選択的に切り替える方法を適用する場合の直交変換の例である。
　一例として、第１の変換タイプ群は、ＤＣＴ２、ＤＳＴ７およびＤＣＴ８を含んでもよい。また一例として、第２の変換タイプ群はＤＣＴ２を含んでいてもよい。また、第１の変換タイプ群と第２の変換タイプ群とに含まれる変換タイプは、一部が重複していてもよいし、全て異なる変換タイプであってもよい。
　具体的には、変換部１０６は、変換サイズが所定値以下であるか否かを判定する（ステップＳｕ＿１）。ここで、所定値以下であると判定すると（ステップＳｕ＿１のＹｅｓ）、変換部１０６は、第１の変換タイプ群に含まれる変換タイプを用いてカレントブロックの予測残差を直交変換する（ステップＳｕ＿２）。次に、変換部１０６は、第１の変換タイプ群に含まれる１つ以上の変換タイプのうち、いずれの変換タイプを用いるかを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｕ＿３）。一方、変換部１０６は、変換サイズが所定値以下ではないと判定すると（ステップＳｕ＿１のＮｏ）、第２の変換タイプ群を用いてカレントブロックの予測残差を直交変換する（ステップＳｕ＿４）。
　ステップＳｕ＿３において、直交変換に用いられる変換タイプを示す情報は、カレントブロックの垂直方向に適用する変換タイプおよび水平方向に適用する変換タイプの組合せを示す情報であってもよい。また、第１の変換タイプ群は１つの変換タイプのみを含んでいてもよく、直交変換に用いられる変換タイプを示す情報は符号化されなくともよい。第２の変換タイプ群が複数の変換タイプを含んでいてもよく、第２の変換タイプ群に含まれる１つ以上の変換タイプのうち、直交変換に用いられる変換タイプを示す情報が符号化されてもよい。
　また、変換サイズのみに基づいて変換タイプが決定されてもよい。なお、変換サイズに基づいて、直交変換に用いる変換タイプを決定する処理であれば、変換サイズが所定値以下であるか否かの判定に限定されない。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの複数の変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された複数の変換係数（以下、量子化係数という）をエントロピー符号化部１１０および逆量子化部１１２に出力する。
　所定の走査順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）または降順（高周波から低周波の順）で定義される。
　量子化パラメータ（ＱＰ）とは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化係数の誤差（量子化誤差）が増大する。
　また、量子化には、量子化マトリックスが使用される場合がある。例えば、４ｘ４および８ｘ８などの周波数変換サイズと、イントラ予測およびインター予測などの予測モードと、輝度および色差などの画素成分とに対応して数種類の量子化マトリックスが使われる場合がある。なお、量子化とは、予め定められた間隔でサンプリングした値を予め定められたレベルに対応づけてデジタル化することをいい、この技術分野では、丸め、ラウンディング、またはスケーリングといった表現が用いられる場合もある。
　量子化マトリックスを使用する方法として、符号化装置１００側で直接設定された量子化マトリックスを使用する方法と、デフォルトの量子化マトリックス（デフォルトマトリックス）を使用する方法とがある。符号化装置１００側では、量子化マトリックスを直接設定することにより、画像の特徴に応じた量子化マトリックスを設定することができる。しかし、この場合、量子化マトリックスの符号化によって、符号量が増加するというデメリットがある。なお、デフォルトの量子化マトリックスまたは符号化された量子化マトリックスをそのまま用いるのではなく、デフォルトの量子化マトリックスまたは符号化された量子化マトリックスに基づいてカレントブロックの量子化に用いる量子化マトリックスを生成してもよい。
　一方、量子化マトリックスを使用せず、高域成分の係数も低域成分の係数も同じように量子化する方法もある。なお、この方法は、係数が全て同じ値である量子化マトリックス（フラットなマトリックス）を用いる方法に等しい。
　量子化マトリックスは、例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化されてもよい。
　量子化部１０８は、量子化マトリックスを用いる場合には、例えば、変換係数毎に、量子化パラメータなどから求まる量子化幅などを、量子化マトリックスの値を用いてスケーリングする。量子化マトリックスを用いずに行う量子化処理とは、量子化パラメータなどから求まる量子化幅に基づいて変換係数を量子化する処理であってもよい。なお、量子化マトリックスを用いずに行う量子化処理において、量子化幅に対して、ブロック内の全変換係数に対して共通となる所定の値を乗算してもよい。
　図１８は、量子化部１０８の構成の一例を示すブロック図である。
　量子化部１０８は、例えば、差分量子化パラメータ生成部１０８ａと、予測量子化パラメータ生成部１０８ｂと、量子化パラメータ生成部１０８ｃと、量子化パラメータ記憶部１０８ｄと、量子化処理部１０８ｅとを備える。
　図１９は、量子化部１０８による量子化の一例を示すフローチャートである。
　一例として、量子化部１０８は、図１９に示すフローチャートに基づいてＣＵごとに量子化を実施してもよい。具体的には、量子化パラメータ生成部１０８ｃは、量子化を行うか否かを判定する（ステップＳｖ＿１）。ここで、量子化を行うと判定すると（ステップＳｖ＿１のＹｅｓ）、量子化パラメータ生成部１０８ｃは、カレントブロックの量子化パラメータを生成し（ステップＳｖ＿２）、その量子化パラメータを量子化パラメータ記憶部１０８ｄに格納する（ステップＳｖ＿３）。
　次に、量子化処理部１０８ｅは、ステップＳｖ＿２で生成された量子化パラメータを用いてカレントブロックの変換係数を量子化する（ステップＳｖ＿４）。そして、予測量子化パラメータ生成部１０８ｂは、カレントブロックとは異なる処理単位の量子化パラメータを量子化パラメータ記憶部１０８ｄから取得する（ステップＳｖ＿５）。予測量子化パラメータ生成部１０８ｂは、その取得した量子化パラメータに基づいて、カレントブロックの予測量子化パラメータを生成する（ステップＳｖ＿６）。差分量子化パラメータ生成部１０８ａは、量子化パラメータ生成部１０８ｃによって生成された、カレントブロックの量子化パラメータと、予測量子化パラメータ生成部１０８ｂによって生成された、カレントブロックの予測量子化パラメータとの差分を算出する（ステップＳｖ＿７）。この差分の算出によって、差分量子化パラメータが生成される。差分量子化パラメータ生成部１０８ａは、その差分量子化パラメータをエントロピー符号化部１１０に出力することによって、その差分量子化パラメータを符号化させる（ステップＳｖ＿８）。
　なお、差分量子化パラメータは、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化されてもよい。また、量子化パラメータの初期値を、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化してもよい。このとき、量子化パラメータは量子化パラメータの初期値と差分量子化パラメータとを用いて生成されてもよい。
　なお、量子化部１０８は、複数の量子化器を備えていてもよく、複数の量子化方法から選択した量子化方法を用いて変換係数を量子化するｄｅｐｅｎｄｅｎｔ　ｑｕａｎｔｉｚａｔｉｏｎを適用してもよい。
　［エントロピー符号化部］
　図２０は、エントロピー符号化部１１０の構成の一例を示すブロック図である。
　エントロピー符号化部１１０は、量子化部１０８から入力された量子化係数と、予測パラメータ生成部１３０から入力された予測パラメータとに対してエントロピー符号化を行うことによってストリームを生成する。そのエントロピー符号化には、例えば、ＣＡＢＡＣ（Ｃｏｎｔｅｘｔ－ｂａｓｅｄ　Ａｄａｐｔｉｖｅ　Ｂｉｎａｒｙ　Ａｒｉｔｈｍｅｔｉｃ　Ｃｏｄｉｎｇ）が用いられる。具体的には、エントロピー符号化部１１０は、例えば、二値化部１１０ａと、コンテキスト制御部１１０ｂと、二値算術符号化部１１０ｃとを備える。二値化部１１０ａは、量子化係数および予測パラメータなどの多値信号を二値信号に変換する二値化を行う。二値化の方式には、例えば、Ｔｒｕｎｃａｔｅｄ　Ｒｉｃｅ　Ｂｉｎａｒｉｚａｔｉｏｎ、Ｅｘｐｏｎｅｎｔｉａｌ　Ｇｏｌｏｍｂ　ｃｏｄｅｓ、Ｆｉｘｅｄ　Ｌｅｎｇｔｈ　Ｂｉｎａｒｉｚａｔｉｏｎなどがある。コンテキスト制御部１１０ｂは、シンタックス要素の特徴または周囲の状況に応じたコンテキスト値、すなわち二値信号の発生確率を導出する。このコンテキスト値の導出方法には、例えば、バイパス、シンタックス要素参照、上・左隣接ブロック参照、階層情報参照、および、その他などがある。二値算術符号化部１１０ｃは、その導出されたコンテキスト値を用いて二値化信号に対して算術符号化を行う。
　図２１は、エントロピー符号化部１１０におけるＣＡＢＡＣの流れを示す図である。
　まず、エントロピー符号化部１１０におけるＣＡＢＡＣでは、初期化が行われる。この初期化では、二値算術符号化部１１０ｃにおける初期化と、初期コンテキスト値の設定とが行われる。そして、二値化部１１０ａおよび二値算術符号化部１１０ｃは、例えばＣＴＵの複数の量子化係数のそれぞれに対して順に、二値化と算術符号化とを実行する。このとき、コンテキスト制御部１１０ｂは、算術符号化が行われるたびにコンテキスト値の更新を行う。そして、コンテキスト制御部１１０ｂは、後処理として、コンテキスト値を退避させる。この退避されたコンテキスト値は、例えば次のＣＴＵに対するコンテキスト値の初期値のために用いられる。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８から入力された量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２から入力された変換係数を逆変換することにより予測残差を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測残差を復元する。そして、逆変換部１１４は、復元された予測残差を加算部１１６に出力する。
　なお、復元された予測残差は、通常、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測残差には、通常、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４から入力された予測残差と予測制御部１２８から入力された予測画像とを加算することによりカレントブロックを再構成する。その結果、再構成画像が生成される。そして、加算部１１６は、再構成画像をブロックメモリ１１８およびループフィルタ部１２０に出力する。
　［ブロックメモリ］
　ブロックメモリ１１８は、例えば、イントラ予測で参照されるブロックであってカレントピクチャ内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成画像を格納する。
　［フレームメモリ］
　フレームメモリ１２２は、例えば、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成画像を格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６から出力される再構成画像にループフィルタ処理を施し、そのフィルタ処理された再構成画像をフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、アダプティブループフィルタ（ＡＬＦ）、デブロッキング・フィルタ（ＤＦまたはＤＢＦ）、およびサンプルアダプティブオフセット（ＳＡＯ）などを含む。
　図２２は、ループフィルタ部１２０の構成の一例を示すブロック図である。
　ループフィルタ部１２０は、例えば図２２に示すように、デブロッキング・フィルタ処理部１２０ａと、ＳＡＯ処理部１２０ｂと、ＡＬＦ処理部１２０ｃとを備える。デブロッキング・フィルタ処理部１２０ａは、再構成画像に対して上述のデブロッキング・フィルタ処理を施す。ＳＡＯ処理部１２０ｂは、デブロッキング・フィルタ処理後の再構成画像に対して上述のＳＡＯ処理を施す。また、ＡＬＦ処理部１２０ｃは、ＳＡＯ処理後の再構成画像に対して上述のＡＬＦ処理を適用する。ＡＬＦおよびデブロッキング・フィルタの詳細については、後述する。ＳＡＯ処理は、リンギング（エッジ周辺で画素値が波打つように歪む現象）の低減と、画素値のずれの補正とによって、画質を改善する処理である。このＳＡＯ処理には、例えば、エッジ・オフセット処理およびバンド・オフセット処理などがある。なお、ループフィルタ部１２０は、図２２に開示した全ての処理部を備えていなくてもよく、一部の処理部のみを備えていてもよい。また、ループフィルタ部１２０は、図２２に開示した処理順とは異なる順番で上述の各処理を行う構成であってもよい。
　［ループフィルタ部　＞　アダプティブループフィルタ］
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２画素のサブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向および活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２画素のサブブロック）が複数のクラス（例えば１５または２５クラス）に分類される。サブブロックの分類は、例えば、勾配の方向および活性度に基づいて行われる。具体的な例では、勾配の方向値Ｄ（例えば０～２または０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラスに分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直および２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図２３Ａ～図２３Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図２３Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図２３Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図２３Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、通常、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベルまたはＣＵレベルで決定されてもよい。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定されてもよく、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定されてもよい。ＡＬＦのオン／オフを示す情報は、通常、ピクチャレベルまたはＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベルまたはＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　また、上述のように、複数のフィルタの中から１つのフィルタが選択されてサブブロックにＡＬＦ処理が施される。その複数のフィルタ（例えば１５または２５までのフィルタ）のそれぞれについて、そのフィルタに用いられる複数の係数からなる係数セットは、通常、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベル、ＣＴＵレベル、ＣＵレベルまたはサブブロックレベル）であってもよい。
　［ループフィルタ　＞　クロスコンポーネントアダプティブループフィルタ（Ｃｒｏｓｓ　Ｃｏｍｐｏｎｅｎｔ　Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）］
　図２３Ｄは、Ｙサンプル（第１成分）がＣｂのＣＣＡＬＦおよびＣｒのＣＣＡＬＦ（第１成分とは異なる複数の成分）に使用される例を示す図である。図２３Ｅは、ダイヤモンド形状フィルタを示す図である。
　ＣＣ－ＡＬＦの１つの例は、線形のダイヤモンド形フィルタ（図２３Ｄ、図２３Ｅ）を各色差コンポーネントの輝度チャネルに適用することによって動作する。例えば、フィルタ係数はＡＰＳで送信され、２＾１０のファクターでスケーリングされ、固定小数点表現のために丸められる。フィルタの適用は、可変ブロックサイズで制御され、サンプルのブロックごとに受信されるコンテキスト符号化済みのフラグで通知される。ブロックサイズとＣＣ－ＡＬＦ有効化フラグは、各色差コンポーネントのスライスレベルで受信される。ＣＣ－ＡＬＦのシンタックスとセマンティクスは、Ａｐｐｅｎｄｉｘにおいて提供される。寄書では、（色差サンプルにおいて）１６ｘ１６、３２ｘ３２、６４ｘ６４、１２８ｘ１２８のブロックサイズがサポートされている。
　［ループフィルタ　＞　結合色差クロスコンポーネントアダプティブループフィルタ（Ｊｏｉｎｔ　Ｃｈｒｏｍａ　Ｃｒｏｓｓ　Ｃｏｍｐｏｎｅｎｔ　Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）］
　図２３Ｆは、ＪＣ－ＣＣＡＬＦの例を示す図である。図２３Ｇは、ＪＣ－ＣＣＡＬＦのｗｅｉｇｈｔ＿ｉｎｄｅｘ候補の例を示す図である。
　ＪＣ－ＣＣＡＬＦの１つの例は、１つのＣＣＡＬＦフィルタのみを使用して、１つの色成分のみの色差調整信号として１つのＣＣＡＬＦフィルタ出力を生成し、同じ色差調整信号の適切に重み付けされたバージョンを他の色成分に適用する。このようにして、既存のＣＣＡＬＦの複雑さがおおよそ半分になる。
　重み値は、符号（ｓｉｇｎ）フラグ及び重みインデックスへ符号化される。重みインデックス（ｗｅｉｇｈｔ＿ｉｎｄｅｘと示す）は、３ビットに符号化され、ＪＣ－ＣＣＡＬＦウェイトＪｃＣｃＷｅｉｇｈｔの大きさを指定する。０と同じにすることはできない。ＪｃＣｃＷｅｉｇｈｔの大きさは次のように決定される。
　・ｗｅｉｇｈｔ＿ｉｎｄｅｘが４以下の場合、ＪｃＣｃＷｅｉｇｈｔはｗｅｉｇｈｔ＿ｉｎｄｅｘ＞＞２と等しい。
　・それ以外の場合、ＪｃＣｃＷｅｉｇｈｔは４／（ｗｅｉｇｈｔ＿ｉｎｄｅｘ－４）に等しい。
　Ｃｂ及びＣｒのＡＬＦフィルタリングのブロックレベルのオン／オフ制御は別々である。これは、ＣＣＡＬＦと同じであり、ブロックレベルのオン／オフ制御フラグの２つの個別のセットが符号化される。ここでは、ＣＣＡＬＦとは異なり、Ｃｂ、Ｃｒのオン／オフ制御ブロックサイズは同じであるため、１つのブロックサイズ変数のみが符号化される。
　［ループフィルタ部　＞　デブロッキング・フィルタ］
　デブロッキング・フィルタ処理では、ループフィルタ部１２０は、再構成画像のブロック境界にフィルタ処理を行うことによって、そのブロック境界に生じる歪みを減少させる。
　図２４は、デブロッキング・フィルタ処理部１２０ａの詳細な構成の一例を示すブロック図である。
　デブロッキング・フィルタ処理部１２０ａは、例えば、境界判定部１２０１と、フィルタ判定部１２０３と、フィルタ処理部１２０５と、処理判定部１２０８と、フィルタ特性決定部１２０７と、スイッチ１２０２、１２０４および１２０６とを備える。
　境界判定部１２０１は、デブロッキング・フィルタ処理される画素（すなわち対象画素）がブロック境界付近に存在しているか否かを判定する。そして、境界判定部１２０１は、その判定結果をスイッチ１２０２および処理判定部１２０８に出力する。
　スイッチ１２０２は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定された場合には、フィルタ処理前の画像を、スイッチ１２０４に出力する。逆に、スイッチ１２０２は、境界判定部１２０１によって対象画素がブロック境界付近に存在していないと判定された場合には、フィルタ処理前の画像をスイッチ１２０６に出力する。なお、フィルタ処理前の画像は、対象画素と、その対象画素の周辺にある少なくとも１つの周辺画素からなる画像である。
　フィルタ判定部１２０３は、対象画素の周辺にある少なくとも１つの周辺画素の画素値に基づいて、対象画素に対してデブロッキング・フィルタ処理を行うか否かを判定する。そして、フィルタ判定部１２０３は、その判定結果をスイッチ１２０４および処理判定部１２０８に出力する。
　スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像を、フィルタ処理部１２０５に出力する。逆に、スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行わないとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ処理部１２０５は、スイッチ１２０２および１２０４を介してフィルタ処理前の画像を取得した場合には、フィルタ特性決定部１２０７によって決定されたフィルタ特性を有するデブロッキング・フィルタ処理を、対象画素に対して実行する。そして、フィルタ処理部１２０５は、そのフィルタ処理後の画素をスイッチ１２０６に出力する。
　スイッチ１２０６は、処理判定部１２０８による制御に応じて、デブロッキング・フィルタ処理されていない画素と、フィルタ処理部１２０５によってデブロッキング・フィルタ処理された画素とを選択的に出力する。
　処理判定部１２０８は、境界判定部１２０１およびフィルタ判定部１２０３のそれぞれの判定結果に基づいて、スイッチ１２０６を制御する。つまり、処理判定部１２０８は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定され、かつ、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、デブロッキング・フィルタ処理された画素をスイッチ１２０６から出力させる。また、上述の場合以外では、処理判定部１２０８は、デブロッキング・フィルタ処理されていない画素をスイッチ１２０６から出力させる。このような画素の出力が繰り返し行われることによって、フィルタ処理後の画像がスイッチ１２０６から出力される。なお、図２４に示す構成は、デブロッキング・フィルタ処理部１２０ａにおける構成の一例であって、デブロッキング・フィルタ処理部１２０ａは、その他の構成を有していてもよい。
　図２５は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。
　デブロッキング・フィルタ処理では、例えば、画素値と量子化パラメータを用いて、特性の異なる２つのデブロッキング・フィルタ、すなわちストロングフィルタおよびウィークフィルタのうちの何れか１つが選択される。ストロングフィルタでは、図２５に示すように、ブロック境界を挟んで画素ｐ０～ｐ２と、画素ｑ０～ｑ２とが存在する場合、画素ｑ０～ｑ２のそれぞれの画素値は、以下の式に示す演算を行うことによって、画素値ｑ’０～ｑ’２に変更される。
　　ｑ’０＝（ｐ１＋２×ｐ０＋２×ｑ０＋２×ｑ１＋ｑ２＋４）／８
　　ｑ’１＝（ｐ０＋ｑ０＋ｑ１＋ｑ２＋２）／４
　　ｑ’２＝（ｐ０＋ｑ０＋ｑ１＋３×ｑ２＋２×ｑ３＋４）／８
　なお、上述の式において、ｐ０～ｐ２およびｑ０～ｑ２は、画素ｐ０～ｐ２および画素ｑ０～ｑ２のそれぞれの画素値である。また、ｑ３は、画素ｑ２にブロック境界と反対側に隣接する画素ｑ３の画素値である。また、上述の各式の右辺において、デブロッキング・フィルタ処理に用いられる各画素の画素値に乗算される係数が、フィルタ係数である。
　さらに、デブロッキング・フィルタ処理では、演算後の画素値が閾値を超えて変化しないように、クリップ処理が行われてもよい。このクリップ処理では、上述の式による演算後の画素値は、量子化パラメータから決定される閾値を用いて、「演算前の画素値±２×閾値」にクリップされる。これにより、過度な平滑化を防ぐことができる。
　図２６は、デブロッキング・フィルタ処理が行われるブロック境界の一例を説明するための図である。図２７は、ＢＳ値の一例を示す図である。
　デブロッキング・フィルタ処理が行われるブロック境界は、例えば、図２６で示すような８×８画素のブロックのＣＵ、ＰＵまたはＴＵの境界である。デブロッキング・フィルタ処理は、例えば、４行または４列を単位に行われる。まず、図２６に示すブロックＰおよびブロックＱに対して、図２７のようにＢｓ（Ｂｏｕｎｄａｒｙ　Ｓｔｒｅｎｇｔｈ）値が決定される。
　図２７のＢｓ値にしたがい、同一の画像に属するブロック境界であっても、異なる強さのデブロッキング・フィルタ処理を行うか否かが決定されてもよい。色差信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が２の場合に行われる。輝度信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が１以上であって、所定の条件が満たされた場合に行われる。なお、Ｂｓ値の判定条件は図２７に示したものに限定されず、他のパラメータに基づいて決定されてもよい。
　［予測部（イントラ予測部・インター予測部・予測制御部）］
　図２８は、符号化装置１００の予測部で行われる処理の一例を示すフローチャートである。なお、一例として予測部は、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８の全てまたは一部の構成要素からなる。予測処理部は、例えばイントラ予測部１２４およびインター予測部１２６を含む。
　予測部は、カレントブロックの予測画像を生成する（ステップＳｂ＿１）。なお、予測画像には、例えばイントラ予測画像（イントラ予測信号）またはインター予測画像（インター予測信号）がある。具体的には、予測部は、他のブロックに対する予測画像の生成、予測残差の生成、量子化係数の生成、予測残差の復元、および予測画像の加算が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の符号化済みのブロック（すなわち、上述の他のブロック）の画像であってもよい。カレントピクチャ内の符号化済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図２９は、符号化装置１００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、第１の方式で予測画像を生成し（ステップＳｃ＿１ａ）、第２の方式で予測画像を生成し（ステップＳｃ＿１ｂ）、第３の方式で予測画像を生成する（ステップＳｃ＿１ｃ）。第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　次に、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像を評価する（ステップＳｃ＿２）。例えば、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像に対してコストＣを算出し、それらの予測画像のコストＣを比較することによって、それらの予測画像を評価する。なお、コストＣは、Ｒ－Ｄ最適化モデルの式、例えば、Ｃ＝Ｄ＋λ×Ｒによって算出される。この式において、Ｄは、予測画像の符号化歪であって、例えば、カレントブロックの画素値と予測画像の画素値との差分絶対値和などによって表される。また、Ｒは、ストリームのビットレートである。また、λは、例えばラグランジュの未定乗数である。
　次に、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像のうちの何れか１つを選択する（ステップＳｃ＿３）。つまり、予測部は、最終的な予測画像を得るための方式またはモードを選択する。例えば、予測部は、それらの予測画像に対して算出されたコストＣに基づき、最も小さいコストＣの予測画像を選択する。または、ステップＳｃ＿２の評価およびステップＳｃ＿３における予測画像の選択は、符号化の処理に用いられるパラメータに基づいて行われてもよい。符号化装置１００は、その選択された予測画像、方式またはモードを特定するための情報をストリームに信号化してもよい。その情報は、例えばフラグなどであってもよい。これにより、復号装置２００は、その情報に基づいて、符号化装置１００において選択された方式またはモードにしたがって予測画像を生成することができる。なお、図２９に示す例では、予測部は、各方式で予測画像を生成した後に、何れかの予測画像を選択する。しかし、予測部は、それらの予測画像を生成する前に、上述の符号化の処理に用いられるパラメータに基づいて、方式またはモードを選択し、その方式またはモードにしたがって予測画像を生成してもよい。
　例えば、第１の方式および第２の方式は、それぞれイントラ予測およびインター予測であって、予測部は、これらの予測方式にしたがって生成される予測画像から、カレントブロックに対する最終的な予測画像を選択してもよい。
　図３０は、符号化装置１００の予測部で行われる処理の他の例を示すフローチャートである。
　まず、予測部は、イントラ予測によって予測画像を生成し（ステップＳｄ＿１ａ）、インター予測によって予測画像を生成する（ステップＳｄ＿１ｂ）。なお、イントラ予測によって生成された予測画像を、イントラ予測画像ともいい、インター予測によって生成された予測画像を、インター予測画像ともいう。
　次に、予測部は、イントラ予測画像およびインター予測画像のそれぞれを評価する（ステップＳｄ＿２）。この評価には、上述のコストＣが用いられてもよい。そして、予測部は、イントラ予測画像およびインター予測画像から、最も小さいコストＣが算出された予測画像を、カレントブロックの最終的な予測画像として選択してもよい（ステップＳｄ＿３）。つまり、カレントブロックの予測画像を生成するための予測方式またはモードが選択される。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、カレントブロックの予測画像（すなわちイントラ予測画像）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックの画素値（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測画像を生成し、イントラ予測画像を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、予め規定された複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、通常、１つ以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
　１つ以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定されたＰｌａｎａｒ予測モードおよびＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図３１は、イントラ予測における全６７個のイントラ予測モード（２個の非方向性予測モードおよび６５個の方向性予測モード）を示す図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す（２個の非方向性予測モードは図３１には図示されていない）。
　種々の実装例では、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、通常、ＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　図３２は、イントラ予測部１２４による処理の一例を示すフローチャートである。
　イントラ予測部１２４は、複数のイントラ予測モードから１つのイントラ予測モードを選択する（ステップＳｗ＿１）。そして、イントラ予測部１２４は、選択したイントラ予測モードにしたがって予測画像を生成する（ステップＳｗ＿２）。次に、イントラ予測部１２４は、ＭＰＭ（Ｍｏｓｔ　Ｐｒｏｂａｂｌｅ　Ｍｏｄｅｓ）を決定する（ステップＳｗ＿３）。ＭＰＭは、例えば６つのイントラ予測モードからなる。その６つのイントラ予測モードのうちの２つのモードは、Ｐｌａｎａｒ予測モードおよびＤＣ予測モードであってもよく、残りの４つのモードは、方向性予測モードであってもよい。そして、イントラ予測部１２４は、ステップＳｗ＿１で選択したイントラ予測モードがＭＰＭに含まれるか否かを判定する（ステップＳｗ＿４）。
　ここで、選択したイントラ予測モードがＭＰＭに含まれると判定すると（ステップＳｗ＿４のＹｅｓ）、イントラ予測部１２４は、ＭＰＭフラグを１に設定し（ステップＳｗ＿５）、ＭＰＭのうち、選択したイントラ予測モードを示す情報を生成する（ステップＳｗ＿６）。なお、１に設定されたＭＰＭフラグと、そのイントラ予測モードを示す情報とはそれぞれ、予測パラメータとしてエントロピー符号化部１１０によって符号化される。
　一方、選択したイントラ予測モードがＭＰＭに含まれないと判定すると（ステップＳｗ＿４のＮｏ）、イントラ予測部１２４は、ＭＰＭフラグを０に設定する（ステップＳｗ＿７）。または、イントラ予測部１２４は、ＭＰＭフラグを設定しない。そして、イントラ予測部１２４は、ＭＰＭに含まれない１つ以上のイントラ予測モードのうち、選択したイントラ予測モードを示す情報を生成する（ステップＳｗ＿８）。なお、０に設定されたＭＰＭフラグと、そのイントラ予測モードを示す情報とはそれぞれ、予測パラメータとしてエントロピー符号化部１１０によって符号化される。そのイントラ予測モードを示す情報は、例えば０～６０のうちの何れかの値を示す。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測画像（インター予測画像）を生成する。インター予測は、カレントブロックまたはカレントブロック内のカレントサブブロックの単位で行われる。サブブロックはブロックに含まれていて、ブロックより小さい単位である。サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　例えば、インター予測部１２６は、カレントブロックまたはカレントサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行い、そのカレントブロックまたはカレントサブブロックに最も一致する参照ブロックまたはサブブロックを見つける。そして、インター予測部１２６は、参照ブロックまたはサブブロックからカレントブロックまたはサブブロックへの動きまたは変化を補償する動き情報（例えば動きベクトル）を取得する。インター予測部１２６は、その動き情報に基づいて、動き補償（または動き予測）を行い、カレントブロックまたはサブブロックのインター予測画像を生成する。インター予測部１２６は、生成されたインター予測画像を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は、多様な形態でインター予測画像として信号化されてもよい。例えば、動きベクトルが信号化されてもよい。他の例として、動きベクトルと予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）との差分が信号化されてもよい。
　［参照ピクチャリスト］
　図３３は、各参照ピクチャの一例を示す図であり、図３４は、参照ピクチャリストの一例を示す概念図である。参照ピクチャリストは、フレームメモリ１２２に記憶されている１つ以上の参照ピクチャを示すリストである。なお、図３３において、矩形はピクチャを示し、矢印はピクチャの参照関係を示し、横軸は時間を示し、矩形中のＩ、ＰおよびＢは各々、イントラ予測ピクチャ、単予測ピクチャおよび双予測ピクチャを示し、矩形中の数字は復号順を示す。図３３に示すように、各ピクチャの復号順は、Ｉ０、Ｐ１、Ｂ２、Ｂ３、Ｂ４であり、各ピクチャの表示順は、Ｉ０、Ｂ３、Ｂ２、Ｂ４、Ｐ１である。図３４に示すように、参照ピクチャリストは、参照ピクチャの候補を表すリストであり、例えば１つのピクチャ（またはスライス）が１つ以上の参照ピクチャリストを有してもよい。例えば、カレントピクチャが、単予測ピクチャであれば１つの参照ピクチャリストを用い、カレントピクチャが双予測ピクチャであれば２つの参照ピクチャリストを用いる。図３３および図３４の例では、カレントピクチャｃｕｒｒＰｉｃであるピクチャＢ３は、Ｌ０リストおよびＬ１リストの２つの参照ピクチャリストを持つ。カレントピクチャｃｕｒｒＰｉｃがピクチャＢ３の場合、そのカレントピクチャｃｕｒｒＰｉｃの参照ピクチャの候補は、Ｉ０、Ｐ１およびＢ２であり、各参照ピクチャリスト（すなわちＬ０リストおよびＬ１リスト）はこれらのピクチャを示す。インター予測部１２６または予測制御部１２８は、各参照ピクチャリスト中のどのピクチャを実際に参照するか否かを参照ピクチャインデックスｒｅｆＩｄｘＬｘによって指定する。図３４では、参照ピクチャインデックスｒｅｆＩｄｘＬ０およびｒｅｆＩｄｘＬ１により参照ピクチャＰ１およびＢ２が指定されている。
　このような参照ピクチャリストを、シーケンス単位、ピクチャ単位、スライス単位、ブリック単位、ＣＴＵ単位、またはＣＵ単位で生成してもよい。また、参照ピクチャリストに示される参照ピクチャのうち、インター予測において参照される参照ピクチャを示す参照ピクチャインデックスを、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベル、またはＣＵレベルで符号化してもよい。また、複数のインター予測モードにおいて、共通の参照ピクチャリストを用いてもよい。
　［インター予測の基本フロー］
　図３５は、インター予測の基本的な流れを示すフローチャートである。
　インター予測部１２６は、まず、予測画像を生成する（ステップＳｅ＿１～Ｓｅ＿３）。次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳｅ＿４）。
　ここで、インター予測部１２６は、予測画像の生成では、例えば、カレントブロックの動きベクトル（ＭＶ）の決定（ステップＳｅ＿１およびＳｅ＿２）と、動き補償（ステップＳｅ＿３）とを行うことによって、その予測画像を生成する。また、インター予測部１２６は、ＭＶの決定では、例えば、候補動きベクトル（候補ＭＶ）の選択（ステップＳｅ＿１）と、ＭＶの導出（ステップＳｅ＿２）とを行うことによって、そのＭＶを決定する。候補ＭＶの選択は、例えば、インター予測部１２６が候補ＭＶリストを生成し、候補ＭＶリストから少なくとも１つの候補ＭＶを選択することによって行われる。なお、候補ＭＶリストには、過去に導出されたＭＶが候補ＭＶとして追加されてもよい。また、ＭＶの導出では、インター予測部１２６は、少なくとも１つの候補ＭＶから、さらに少なくとも１つの候補ＭＶを選択することによって、その選択された少なくとも１つの候補ＭＶを、カレントブロックのＭＶとして決定してもよい。あるいは、インター予測部１２６は、その選択された少なくとも１つの候補ＭＶのそれぞれについて、その候補ＭＶで指示される参照ピクチャの領域を探索することによって、カレントブロックのＭＶを決定してもよい。なお、この参照ピクチャの領域を探索することを、動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）と称してもよい。
　また、上述の例では、ステップＳｅ＿１～Ｓｅ＿３は、インター予測部１２６によって行われるが、例えばステップＳｅ＿１またはステップＳｅ＿２などの処理は、符号化装置１００に含まれる他の構成要素によって行われてもよい。
　なお、それぞれのインター予測モードにおける処理毎に候補ＭＶリストを作成してもよいし、複数のインター予測モードにおいて共通の候補ＭＶリストを用いてもよい。また、ステップＳｅ＿３およびＳｅ＿４の処理は、図９に示すステップＳａ＿３およびＳａ＿４の処理にそれぞれ相当する。また、ステップＳｅ＿３の処理は、図３０のステップＳｄ＿１ｂの処理に相当する。
　［ＭＶ導出のフロー］
　図３６は、ＭＶ導出の一例を示すフローチャートである。
　インター予測部１２６は、動き情報（例えばＭＶ）を符号化するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えば動き情報が予測パラメータとして符号化されて、信号化されてもよい。つまり、符号化された動き情報がストリームに含まれる。
　あるいは、インター予測部１２６は、動き情報を符号化しないモードでＭＶを導出してもよい。この場合には、動き情報はストリームに含まれない。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を符号化するモードには、ノーマルインターモード、ノーマルマージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測ＭＶ選択情報が含まれてもよい。また、動き情報を符号化しないモードには、ＦＲＵＣモードなどがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図３７は、ＭＶ導出の他の例を示すフローチャートである。
　インター予測部１２６は、差分ＭＶを符号化するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えば差分ＭＶが予測パラメータとして符号化されて、信号化される。つまり、符号化された差分ＭＶがストリームに含まれる。この差分ＭＶは、カレントブロックのＭＶと、その予測ＭＶとの差である。なお、予測ＭＶは、予測動きベクトルである。
　あるいは、インター予測部１２６は、差分ＭＶを符号化しないモードでＭＶを導出してもよい。この場合には、符号化された差分ＭＶはストリームに含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、ノーマルマージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［ＭＶ導出のモード］
　図３８Ａおよび図３８Ｂは、ＭＶ導出の各モードの分類の一例を示す図である。例えば図３８Ａに示すように、動き情報を符号化するか否か、および、差分ＭＶを符号化するか否かに応じて、ＭＶ導出のモードは大きく３つのモードに分類される。３つのモードは、インターモード、マージモード、およびＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードである。インターモードは、動き探索を行うモードであって、動き情報および差分ＭＶを符号化するモードである。例えば図３８Ｂに示すように、インターモードは、アフィンインターモードおよびノーマルインターモードを含む。マージモードは、動き探索を行わないモードであって、周辺の符号化済みブロックからＭＶを選択し、そのＭＶを用いてカレントブロックのＭＶを導出するモードである。このマージモードは、基本的に、動き情報を符号化し、差分ＭＶを符号化しないモードである。例えば図３８Ｂに示すように、マージモードは、ノーマルマージモード（通常マージモードまたはレギュラーマージモードと呼ぶこともある）、ＭＭＶＤ（Ｍｅｒｇｅ　ｗｉｔｈ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｄｉｆｆｅｒｅｎｃｅ）モード、ＣＩＩＰ（Ｃｏｍｂｉｎｅｄ　ｉｎｔｅｒ　ｍｅｒｇｅ／ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ）モード、トライアングルモード、ＡＴＭＶＰモード、およびアフィンマージモードを含む。ここで、マージモードに含まれる各モードのうちのＭＭＶＤモードでは、例外的に、差分ＭＶが符号化される。なお、上述のアフィンマージモードおよびアフィンインターモードは、アフィンモードに含まれるモードである。アフィンモードは、アフィン変換を想定して、カレントブロックを構成する複数のサブブロックそれぞれのＭＶを、カレントブロックのＭＶとして導出するモードである。ＦＲＵＣモードは、符号化済み領域間で探索を行うことによって、カレントブロックのＭＶを導出するモードであって、動き情報および差分ＭＶの何れも符号化しないモードである。なお、これらの各モードの詳細については、後述する。
　なお、図３８Ａおよび図３８Ｂに示す各モードの分類は一例であって、この限りではない。例えば、ＣＩＩＰモードで差分ＭＶが符号化される場合には、そのＣＩＩＰモードはインターモードに分類される。
　［ＭＶ導出　＞　ノーマルインターモード］
　ノーマルインターモードは、候補ＭＶによって示される参照ピクチャの領域から、カレントブロックの画像に類似するブロックを見つけ出すことによって、カレントブロックのＭＶを導出するインター予測モードである。また、このノーマルインターモードでは、差分ＭＶが符号化される。
　図３９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｇ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測ＭＶ候補として、予め決められた優先順位に従って抽出する（ステップＳｇ＿２）。なお、その優先順位は、Ｎ個の候補ＭＶのそれぞれに対して予め定められている。
　次に、インター予測部１２６は、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測ＭＶとして選択する（ステップＳｇ＿３）。このとき、インター予測部１２６は、選択された予測ＭＶを識別するための予測ＭＶ選択情報をストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、予測ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　次に、インター予測部１２６は、符号化済み参照ピクチャを参照し、カレントブロックのＭＶを導出する（ステップＳｇ＿４）。このとき、インター予測部１２６は、さらに、その導出されたＭＶと予測ＭＶとの差分値を差分ＭＶとしてストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、差分ＭＶを予測パラメータとしてエントロピー符号化部１１０に出力する。なお、符号化済み参照ピクチャは、符号化後に再構成された複数のブロックからなるピクチャである。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿５）。ステップＳｇ＿１～Ｓｇ＿５の処理は、各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１～Ｓｇ＿５の処理が実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１～Ｓｇ＿５の処理が実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了する。なお、ステップＳｇ＿１～Ｓｇ＿５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了してもよい。ステップＳｇ＿１～Ｓｇ＿５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了してもよい。
　なお、予測画像は、上述のインター予測信号である。また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルインターモード）を示す情報は、例えば予測パラメータとして符号化される。
　なお、候補ＭＶリストは、他のモードに用いられるリストと共通に用いられてもよい。また、候補ＭＶリストに関する処理を、他のモードに用いられるリストに関する処理に適用してもよい。この候補ＭＶリストに関する処理は、例えば、候補ＭＶリストからの候補ＭＶの抽出もしくは選択、候補ＭＶの並び替え、または、候補ＭＶの削除などである。
　［ＭＶ導出　＞　ノーマルマージモード］
　ノーマルマージモードは、候補ＭＶリストから候補ＭＶをカレントブロックのＭＶとして選択することによって、そのＭＶを導出するインター予測モードである。なお、ノーマルマージモードは、狭義のマージモードであって、単にマージモードと呼ばれることもある。本実施の形態では、ノーマルマージモードとマージモードとを区別し、マージモードを広義の意味で用いる。
　図４０は、ノーマルマージモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｈ＿１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿２）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報をストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿３）。ステップＳｈ＿１～Ｓｈ＿３の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１～Ｓｈ＿３の処理が実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１～Ｓｈ＿３の処理が実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了する。なお、ステップＳｈ＿１～Ｓｈ＿３の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了してもよい。ステップＳｈ＿１～Ｓｈ＿３の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了してもよい。
　また、ストリームに含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルマージモード）を示す情報は、例えば予測パラメータとして符号化される。
　図４１は、ノーマルマージモードによるカレントピクチャのＭＶ導出処理の一例を説明するための図である。
　まず、インター予測部１２６は、候補ＭＶを登録した候補ＭＶリストを生成する。候補ＭＶとしては、カレントブロックの空間的に周辺に位置する複数の符号化済みブロックが持つＭＶである空間隣接候補ＭＶ、符号化済み参照ピクチャにおけるカレントブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接候補ＭＶ、空間隣接候補ＭＶと時間隣接候補ＭＶのＭＶ値を組み合わせて生成したＭＶである結合候補ＭＶ、および値がゼロのＭＶであるゼロ候補ＭＶ等がある。
　次に、インター予測部１２６は、候補ＭＶリストに登録されている複数の候補ＭＶの中から１つの候補ＭＶを選択することで、その１つの候補ＭＶをカレントブロックのＭＶとして決定する。
　さらに、エントロピー符号化部１１０は、どの候補ＭＶを選択したかを示す信号であるｍｅｒｇｅ＿ｉｄｘをストリームに記述して符号化する。
　なお、図４１で説明した候補ＭＶリストに登録する候補ＭＶは一例であり、図中の個数とは異なる個数であったり、図中の候補ＭＶの一部の種類を含まない構成であったり、図中の候補ＭＶの種類以外の候補ＭＶを追加した構成であったりしてもよい。
　ノーマルマージモードにより導出したカレントブロックのＭＶを用いて、後述するＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）を行うことによって最終的なＭＶを決定してもよい。なお、ノーマルマージモードでは、差分ＭＶは符号化されないが、ＭＭＶＤモードでは、差分ＭＶは符号化される。ＭＭＶＤモードは、ノーマルマージモードと同様に候補ＭＶリストから１つの候補ＭＶを選択するが、差分ＭＶを符号化する。このような、ＭＭＶＤは、図３８Ｂに示すように、ノーマルマージモードと共にマージモードに分類されてもよい。なお、ＭＭＶＤモードでの差分ＭＶは、インターモードで用いる差分ＭＶと同じでなくてもよく、例えば、ＭＭＶＤモードでの差分ＭＶの導出は、インターモードでの差分ＭＶの導出に比べて処理量が小さい処理であってもよい。
　また、インター予測で生成した予測画像とイントラ予測で生成した予測画像とを重ね合わせて、カレントブロックの予測画像を生成するＣＩＩＰ（Ｃｏｍｂｉｎｅｄ　ｉｎｔｅｒ　ｍｅｒｇｅ／ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ）モードを行ってもよい。
　なお、候補ＭＶリストを、候補リストと称してもよい。また、ｍｅｒｇｅ＿ｉｄｘは、ＭＶ選択情報である。
　［ＭＶ導出　＞　ＨＭＶＰモード］
　図４２は、ＨＭＶＰモードによるカレントピクチャのＭＶ導出処理の一例について説明するための図である。
　ノーマルマージモードでは、符号化済みブロック（例えばＣＵ）を参照して生成された候補ＭＶリストの中から１つの候補ＭＶを選択することによって、カレントブロックである例えばＣＵのＭＶを決定する。ここで、他の候補ＭＶがその候補ＭＶリストに登録されてもよい。このような他の候補ＭＶが登録されるモードは、ＨＭＶＰモードと呼ばれる。
　ＨＭＶＰモードでは、ノーマルマージモードの候補ＭＶリストとは別に、ＨＭＶＰ用のＦＩＦＯ（Ｆｉｒｓｔ－Ｉｎ　Ｆｉｒｓｔ－Ｏｕｔ）バッファを用いて候補ＭＶを管理している。
　ＦＩＦＯバッファには、過去に処理したブロックのＭＶなどの動き情報が新しいものから順に格納されている。このＦＩＦＯバッファの管理では、１つのブロックの処理が行われる度に、最も新しいブロック（すなわち直前に処理されたＣＵ）のＭＶがＦＩＦＯバッファに格納され、代わりにＦＩＦＯバッファ内の最も古いＣＵ（すなわち最も先に処理されたＣＵ）のＭＶがＦＩＦＯバッファから削除される。図４２に示す例では、ＨＭＶＰ１が最も新しいブロックのＭＶであって、ＨＭＶＰ５が最も古いブロックのＭＶである。
　そして、例えば、インター予測部１２６は、ＦＩＦＯバッファに管理されている各ＭＶについて、ＨＭＶＰ１から順に、そのＭＶが、ノーマルマージモードの候補ＭＶリストに既に登録されている全ての候補ＭＶと異なるＭＶであるかどうかをチェックする。そして、インター予測部１２６は、全ての候補ＭＶと異なると判断した場合に、そのＦＩＦＯバッファに管理されているＭＶを、ノーマルマージモードの候補ＭＶリストに候補ＭＶとして追加してもよい。このときＦＩＦＯバッファから登録される候補ＭＶは１つでもよいし、複数個であってもよい。
　このようにＨＭＶＰモードを用いることによって、カレントブロックの空間的もしくは時間的に隣接するブロックのＭＶのみでなく、過去に処理されたブロックのＭＶも候補に加えることが可能となる。その結果、ノーマルマージモードの候補ＭＶのバリエーションが広がることで符号化効率を向上させることができる可能性が高くなる。
　なお、上述のＭＶは、動き情報であってもよい。つまり、候補ＭＶリストおよびＦＩＦＯバッファに格納される情報は、ＭＶの値だけでなく、参照するピクチャの情報、参照する方向および枚数などを示す情報を含んでいてもよい。また、上述のブロックは、例えばＣＵである。
　なお、図４２の候補ＭＶリストおよびＦＩＦＯバッファは一例であり、候補ＭＶリストおよびＦＩＦＯバッファは、図４２とは異なるサイズのリストまたはバッファであったり、図４２とは異なる順番で候補ＭＶを登録する構成であったりしてもよい。また、ここで説明した処理は符号化装置１００においても復号装置２００においても共通である。
　なお、ＨＭＶＰモードは、ノーマルマージモード以外のモードに対しても、適用しうる。例えば、ＦＩＦＯバッファに、過去にアフィンモードで処理したブロックのＭＶなどの動き情報を新しいものから順に格納し、候補ＭＶとして用いてもよい。ＨＭＶＰモードをアフィンモードに適用したモードを、ヒストリーアフィンモードと呼んでもよい。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　動き情報は、符号化装置１００側から信号化されずに、復号装置２００側で導出されてもよい。例えば、復号装置２００側で動き探索を行うことにより動き情報が導出されてもよい。この場合、復号装置２００側では、カレントブロックの画素値を用いずに動き探索が行われる。このような復号装置２００側で動き探索を行うモードには、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードまたはＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モードなどがある。
　ＦＲＵＣ処理の一例を図４３に示す。まず、カレントブロックに空間的または時間的に隣接する各符号化済みブロックのＭＶを参照して、それらのＭＶを候補ＭＶとして示すリスト（すなわち、候補ＭＶリストであって、ノーマルマージモードの候補ＭＶリストと共通であってもよい）が生成される（ステップＳｉ＿１）。次に、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶが選択される（ステップＳｉ＿２）。例えば、候補ＭＶリストに含まれる各候補ＭＶの評価値が算出され、その評価値に基づいて１つの候補ＭＶがベスト候補ＭＶとして選択される。そして、選択されたベスト候補ＭＶに基づいて、カレントブロックのためのＭＶが導出される（ステップＳｉ＿４）。具体的には、例えば、選択されたベスト候補ＭＶがそのままカレントブロックのためのＭＶとして導出される。また例えば、選択されたベスト候補ＭＶに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのためのＭＶが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶをそのＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を実施しなくてもよい。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿５）。ステップＳｉ＿１～Ｓｉ＿５の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１～Ｓｉ＿５の処理が実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１～Ｓｉ＿５の処理が実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了する。なお、ステップＳｉ＿１～Ｓｉ＿５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了してもよい。ステップＳｉ＿１～Ｓｉ＿５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了してもよい。
　サブブロック単位でも上述のブロック単位と同様に処理されてもよい。
　評価値は、種々の方法によって算出されてもよい。例えば、ＭＶに対応する参照ピクチャ内の領域の再構成画像と、所定の領域（その領域は、例えば、以下に示すように、他の参照ピクチャの領域またはカレントピクチャの隣接ブロックの領域であってもよい）の再構成画像とを比較する。そして、２つの再構成画像の画素値の差分を算出して、ＭＶの評価値に用いてもよい。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
　次に、パターンマッチングについて詳細に説明する。まず、候補ＭＶリスト（マージリストともいう）に含まれる１つの候補ＭＶが、パターンマッチングによる探索のスタートポイントとして選択される。パターンマッチングとしては、第１パターンマッチングまたは第２パターンマッチングが用いられてもよい。第１パターンマッチングおよび第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）およびテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　バイラテラルマッチング］
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。したがって、第１パターンマッチングでは、上述した候補ＭＶの評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
　図４４は、動き軌道に沿う２つの参照ピクチャにおける２つのブロック間での第１パターンマッチング（バイラテラルマッチング）の一例を説明するための図である。図４４に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つのＭＶ（ＭＶ０、ＭＶ１）が導出される。具体的には、カレントブロックに対して、候補ＭＶで指定された第１の符号化済み参照ピクチャ（Ｒｅｆ０）内の指定位置における再構成画像と、その候補ＭＶを表示時間間隔でスケーリングした対称ＭＶで指定された第２の符号化済み参照ピクチャ（Ｒｅｆ１）内の指定位置における再構成画像との差分が導出され、得られた差分値を用いて評価値が算出される。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶがベスト候補ＭＶとして選択されるとよい。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示すＭＶ（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向のＭＶが導出される。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　テンプレートマッチング］
　第２パターンマッチング（テンプレートマッチング）では、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上および／または左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第２パターンマッチングでは、上述した候補ＭＶの評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　図４５は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。図４５に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックのＭＶが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補ＭＶで指定された符号化済み参照ピクチャ（Ｒｅｆ０）内の同等位置における再構成画像との差分が導出され、得られた差分値を用いて評価値が算出される。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶがベスト候補ＭＶとして選択されるとよい。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、適用可能なパターンマッチングの方法（第１パターンマッチングまたは第２パターンマッチング）を示す情報がＣＵレベルで信号化されてもよい。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　［ＭＶ導出　＞　アフィンモード］
　アフィンモードは、ａｆｆｉｎｅ変換を用いてＭＶを生成するモードであり、例えば、複数の隣接ブロックのＭＶに基づいてサブブロック単位でＭＶを導出してもよい。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図４６Ａは、複数の隣接ブロックのＭＶに基づくサブブロック単位のＭＶの導出の一例を説明するための図である。図４６Ａにおいて、カレントブロックは、例えば、１６個の４ｘ４画素からなるサブブロックを含む。ここでは、隣接ブロックのＭＶに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、同様に、隣接サブブロックのＭＶに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、以下の式（１Ａ）により、２つの動きベクトルｖ０およびｖ１を投影して、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000001
　ここで、ｘおよびｙは、それぞれ、サブブロックの水平位置および垂直位置を示し、ｗは、予め定められた重み係数を示す。
　このようなアフィンモードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、このアフィンモードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　また、このようなアフィンモードは、左上および右上角制御ポイントのＭＶの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　図４６Ｂは、３つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。図４６Ｂにおいて、カレントブロックは、例えば、１６個の４ｘ４画素からなるサブブロックを含む。ここでは、隣接ブロックのＭＶに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出される。同様に、隣接ブロックのＭＶに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出され、隣接ブロックのＭＶに基づいてカレントブロックの左下角制御ポイントの動きベクトルｖ２が導出される。そして、以下の式（１Ｂ）により、３つの動きベクトルｖ０、ｖ１およびｖ２を投影して、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘおよびｙは、それぞれ、サブブロック中心の水平位置および垂直位置を示し、ｗおよびｈは、予め定められた重み係数を示す。ｗは、カレントブロックの幅、ｈは、カレントブロックの高さを示してもよい。
　互いに異なる制御ポイント数（例えば、２つと３つ）を用いるアフィンモードは、ＣＵレベルで切り替えて信号化されてもよい。なお、ＣＵレベルで使用しているアフィンモードの制御ポイント数を示す情報を、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）で信号化してもよい。
　また、このような３つの制御ポイントを有するアフィンモードは、左上、右上および左下角制御ポイントのＭＶの導出方法が異なるいくつかのモードを含んでもよい。例えば、３つの制御ポイントを有するアフィンモードには、上述の２つの制御ポイントを有するアフィンモードと同様、アフィンインターモードと、アフィンマージモードの２つのモードがある。
　なお、アフィンモードにおいて、カレントブロックに含まれる各サブブロックのサイズは、４ｘ４画素に限定されず、他の大きさでもよい。例えば、各サブブロックのサイズは、８×８画素であってもよい。
　［ＭＶ導出　＞　アフィンモード　＞　制御ポイント］
　図４７Ａ，図４７Ｂおよび図４７Ｃは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。
　アフィンモードでは、図４７Ａに示すように、例えば、カレントブロックに隣接する符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のうち、アフィンモードで符号化されたブロックに対応する複数のＭＶに基づいて、カレントブロックの制御ポイントのそれぞれの予測ＭＶが算出される。具体的には、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序でこれらのブロックが検査され、アフィンモードで符号化された最初の有効なブロックが特定される。この特定されたブロックに対応する複数のＭＶに基づいて、カレントブロックの制御ポイントのＭＶが算出される。
　例えば、図４７Ｂに示すように、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とが算出される。
　例えば、図４７Ｃに示すように、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とが算出される。
　なお、図４７Ａ～図４７Ｃに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１に示すステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　図４８Ａおよび図４８Ｂは、アフィンモードにおける制御ポイントＭＶの導出の他の一例を説明するための概念図である。
　図４８Ａは、２つの制御ポイントを有するアフィンモードを説明するための図である。
　このアフィンモードでは、図４８Ａに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左上角制御ポイントの動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥのそれぞれのＭＶから選択されたＭＶが、カレントブロックの右上角制御ポイントの動きベクトルｖ１として用いられる。
　図４８Ｂは、３つの制御ポイントを有するアフィンモードを説明するための図である。
　このアフィンモードでは、図４８Ｂに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左上角制御ポイントの動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥのそれぞれのＭＶから選択されたＭＶが、カレントブロックの右上角制御ポイントの動きベクトルｖ１として用いられる。さらに、カレントブロックに隣接する符号化済みブロックＦおよびブロックＧのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左下角制御ポイントの動きベクトルｖ２として用いられる。
　なお、図４８Ａおよび図４８Ｂに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１のステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　ここで、例えば、異なる制御ポイント数（例えば、２つと３つ）のアフィンモードをＣＵレベルで切り替えて信号化する場合などにおいて、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合がある。
　図４９Ａおよび図４９Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の一例を説明するための概念図である。
　例えば、図４９Ａに示すように、カレントブロックが左上角、右上角および左下角の３つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている。この場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１が算出される。更に、導出された動きベクトルｖ０およびｖ１から、左下角制御ポイントの動きベクトルｖ２が算出される。
　例えば、図４９Ｂに示すように、カレントブロックが左上角および右上角の２つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている。この場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とが算出される。
　なお、図４９Ａおよび図４９Ｂに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１のステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　［ＭＶ導出　＞　アフィンモード　＞　アフィンマージモード］
　図５０は、アフィンマージモードの一例を示すフローチャートである。
　アフィンマージモードでは、まず、インター予測部１２６は、カレントブロックの制御ポイントのそれぞれのＭＶを導出する（ステップＳｋ＿１）。制御ポイントは、図４６Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図４６Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。このとき、インター予測部１２６は、導出された２つまたは３つのＭＶを識別するためのＭＶ選択情報をストリームに符号化してもよい。
　例えば、図４７Ａ～図４７Ｃに示すＭＶの導出方法を用いる場合、インター予測部１２６は、図４７Ａに示すように、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで符号化された最初の有効なブロックを特定する。
　インター予測部１２６は、特定されたアフィンモードで符号化された最初の有効なブロックを用いて、制御ポイントのＭＶを導出する。例えば、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合、図４７Ｂに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４を、カレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。
　或いは、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合、図４７Ｃに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５を、カレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とを算出する。
　なお、上述の図４９Ａに示すように、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合に、３つの制御ポイントのＭＶを算出してもよく、上述の図４９Ｂに示すように、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合に、２つの制御ポイントのＭＶを算出してもよい。
　次に、インター予測部１２６は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部１２６は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｋ＿２）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿３）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｋ＿２およびＳｋ＿３の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いた予測画像の生成の処理が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｋ＿１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、例えば、２つの制御ポイントを有するアフィンマージモードの候補ＭＶと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンマージモードと、３つの制御ポイントを有するアフィンマージモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。候補ＭＶは、例えば、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のＭＶであってもよく、それらのブロックのうちの有効なブロックのＭＶであってもよい。
　なお、ＭＶ選択情報として、候補ＭＶリストのいずれの候補ＭＶかを示すインデックスを送ってもよい。
　［ＭＶ導出　＞　アフィンモード　＞　アフィンインターモード］
　図５１は、アフィンインターモードの一例を示すフローチャートである。
　アフィンインターモードでは、まず、インター予測部１２６は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１）。制御ポイントは、図４６Ａまたは図４６Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　例えば、図４８Ａおよび図４８Ｂに示すＭＶの導出方法を用いる場合、インター予測部１２６は、図４８Ａまたは図４８Ｂに示すカレントブロックの各制御ポイント近傍の符号化済みブロックのうちの何れかのブロックのＭＶを選択することによって、カレントブロックの制御ポイントの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。このとき、インター予測部１２６は、選択された２つまたは３つの予測ＭＶを識別するための予測ＭＶ選択情報をストリームに符号化する。
　例えば、インター予測部１２６は、カレントブロックに隣接する符号化済みブロックからどのブロックのＭＶを制御ポイントの予測ＭＶとして選択するかを、コスト評価等を用いて決定し、どの予測ＭＶを選択したかを示すフラグをビットストリームに記述してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、フラグなどの予測ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　次に、インター予測部１２６は、ステップＳｊ＿１で選択または導出された予測ＭＶをそれぞれ更新しながら（ステップＳｊ＿２）、動き探索を行う（ステップＳｊ＿３およびＳｊ＿４）。つまり、インター予測部１２６は、更新される予測ＭＶに対応する各サブブロックのＭＶをアフィンＭＶとして、上述の式（１Ａ）または式（１Ｂ）を用いて算出する（ステップＳｊ＿３）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いて各サブブロックに対して動き補償を行う（ステップＳｊ＿４）。ステップＳｊ＿３およびＳｊ＿４の処理は、ステップＳｊ＿２で予測ＭＶが更新されるごとに、カレントブロック内の全てのブロックに対して実行される。その結果、インター予測部１２６は、動き探索ループにおいて、例えば最も小さいコストが得られる予測ＭＶを、制御ポイントのＭＶとして決定する（ステップＳｊ＿５）。このとき、インター予測部１２６は、さらに、その決定されたＭＶと予測ＭＶとの差分値を差分ＭＶとしてストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、差分ＭＶを予測パラメータとしてエントロピー符号化部１１０に出力する。
　最後に、インター予測部１２６は、その決定されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｊ＿６）。
　なお、ステップＳｊ＿１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、２つの制御ポイントを有するアフィンインターモードの候補ＭＶと、３つの制御ポイントを有するアフィンインターモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンインターモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンインターモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンインターモードと、３つの制御ポイントを有するアフィンインターモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。候補ＭＶは、例えば、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のＭＶであってもよく、それらのブロックのうちの有効なブロックのＭＶであってもよい。
　なお、予測ＭＶ選択情報として、候補ＭＶリストのいずれの候補ＭＶかを示すインデックスを送ってもよい。
　［ＭＶ導出　＞　トライアングルモード］
　インター予測部１２６は、上述の例では、矩形のカレントブロックに対して１つの矩形の予測画像を生成する。しかし、インター予測部１２６は、その矩形のカレントブロックに対して矩形と異なる形状の複数の予測画像を生成し、それらの複数の予測画像を結合することによって、最終的な矩形の予測画像を生成してもよい。矩形と異なる形状は、例えば三角形であってもよい。
　図５２Ａは、２つの三角形の予測画像の生成を説明するための図である。
　インター予測部１２６は、カレントブロック内の三角形の第１パーティションに対して、その第１パーティションの第１ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。同様に、インター予測部１２６は、カレントブロック内の三角形の第２パーティションに対して、その第２パーティションの第２ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。そして、インター予測部１２６は、これらの予測画像を結合することによって、カレントブロックと同じ矩形の予測画像を生成する。
　なお、第１パーティションの予測画像として、第１ＭＶを用いてカレントブロックに対応する矩形の第１予測画像を生成してもよい。また、第２パーティションの予測画像として、第２ＭＶを用いてカレントブロックに対応する矩形の第２予測画像を生成してもよい。第１予測画像と第２予測画像とを重み付け加算することにより、カレントブロックの予測画像を生成してもよい。なお、重み付け加算する部位は、第１パーティションと第２パーティションの境界を挟む一部の領域のみであってもよい。
　図５２Ｂは、第２パーティションと重なる第１パーティションの第１部分、並びに、補正処理の一部として重み付けされ得る第１サンプルセット及び第２サンプルセットの例を示す概念図である。第１部分は、例えば、第１パーティションの幅又は高さの４分の１であってもよい。別の例において、第１部分は、第１パーティションの縁に隣接するＮ個のサンプルに対応する幅を有していてもよい。ここで、Ｎは、ゼロより大きい整数であり、例えば、Ｎは、整数２であってもよい。図５２Ｂは、第１パーティションの幅の４分の１の幅の矩形部分を有する矩形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。図５２Ｂの中央の例は、第１パーティションの高さの４分の１の高さの矩形部分を有する矩形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。図５２Ｂの右の例は、２つのサンプルに対応する高さの多角形部分を有する三角形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。
　第１部分は、隣接パーティションと重なる第１パーティションの部分であってもよい。図５２Ｃは、隣接パーティションの一部と重なる第１パーティションの一部である第１パーティションの第１部分を示す概念図である。説明を簡単にするために、空間的に隣接する矩形パーティションと重なる部分を有する矩形パーティションが示されている。三角形パーティションなどの他の形状を有するパーティションが用いられてもよいし、重なる部分は、空間的に又は時間的に隣接するパーティションと重なっていてもよい。
　また、インター予測を用いて２つのパーティションのそれぞれに対して予測画像を生成する例が示されているが、イントラ予測を用いて少なくとも１つのパーティションに対して予測画像が生成されてもよい。
　図５３は、トライアングルモードの一例を示すフローチャートである。
　トライアングルモードでは、まず、インター予測部１２６は、カレントブロックを第１パーティションと第２パーティションとに分割する（ステップＳｘ＿１）。このとき、インター予測部１２６は、各パーティションへの分割に関する情報であるパーティション情報を予測パラメータとしてストリームに符号化してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、パーティション情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。
　次に、インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｘ＿２）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　そして、インター予測部１２６は、ステップＳｘ＿２で取得された複数の候補ＭＶの中から、第１パーティションの候補ＭＶおよび第２パーティションの候補ＭＶを、第１ＭＶおよび第２ＭＶとしてそれぞれ選択する（ステップＳｘ＿３）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報を予測パラメータとしてストリームに符号化してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。
　次に、インター予測部１２６は、その選択された第１ＭＶと符号化済み参照ピクチャとを用いて動き補償を行ことにより、第１予測画像を生成する（ステップＳｘ＿４）。同様に、インター予測部１２６は、選択された第２ＭＶと符号化済み参照ピクチャとを用いて動き補償を行ことにより、第２予測画像を生成する（ステップＳｘ＿５）。
　最後に、インター予測部１２６は、第１予測画像と第２予測画像とを重み付け加算することによって、カレントブロックの予測画像を生成する（ステップＳｘ＿６）。
　なお、図５２Ａに示す例では、第１パーティションおよび第２パーティションはそれぞれ三角形であるが、台形であってもよく、それぞれ互いに異なる形状であってもよい。さらに、図５２Ａに示す例では、カレントブロックが２つのパーティションから構成されているが、３つ以上のパーティションから構成されていてもよい。
　また、第１パーティションおよび第２パーティションは重複していてもよい。すなわち、第１パーティションおよび第２パーティションは同じ画素領域を含んでいてもよい。この場合、第１パーティションにおける予測画像と第２パーティションにおける予測画像とを用いてカレントブロックの予測画像を生成してもよい。
　また、この例では２つのパーティションともにインター予測で予測画像が生成される例を示したが、少なくとも１つのパーティションについてイントラ予測によって予測画像を生成してもよい。
　なお、第１ＭＶを選択するための候補ＭＶリストと第２ＭＶを選択するための候補ＭＶリストは異なっていてもよいし、同じ候補ＭＶリストであってもよい。
　なお、パーティション情報は、少なくともカレントブロックを複数のパーティションに分割する分割方向を示すインデックスを含んでいてもよい。ＭＶ選択情報は、選択された第１ＭＶを示すインデックスおよび選択された第２ＭＶを示すインデックスを含んでいてもよい。１つのインデックスが複数の情報を示してもよい。例えば、パーティション情報の一部または全体と、ＭＶ選択情報の一部または全体とをまとめて示す１つのインデックスが符号化されてもよい。
　［ＭＶ導出　＞　ＡＴＭＶＰモード］
　図５４は、サブブロック単位にＭＶが導出されるＡＴＭＶＰモードの一例を示す図である。
　ＡＴＭＶＰモードは、マージモードに分類されるモードである。例えば、ＡＴＭＶＰモードでは、ノーマルマージモードに用いられる候補ＭＶリストに、サブブロック単位の候補ＭＶが登録される。
　具体的には、ＡＴＭＶＰモードでは、まず、図５４に示すように、カレントブロックの左下に隣接するブロックのＭＶ（ＭＶ０）によって指定される符号化済みの参照ピクチャにおいて、そのカレントブロックに対応付けられた時間ＭＶ参照ブロックが特定される。次に、カレントブロック内における各サブブロックについて、その時間ＭＶ参照ブロック内のそのサブブロックに対応する領域の符号化時に用いられたＭＶを特定する。このように特定されたＭＶが、カレントブロックのサブブロックの候補ＭＶとして候補ＭＶリストに含まれる。このような各サブブロックの候補ＭＶが候補ＭＶリストから選択される場合には、その候補ＭＶをサブブロックのＭＶとして用いた動き補償がそのサブブロックに対して実行される。これにより、各サブブロックの予測画像が生成される。
　なお、図５４に示す例では、周辺ＭＶ参照ブロックとして、カレントブロックの左下に隣接するブロックを用いたが、それ以外のブロックを用いてもよい。また、サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　［動き探索　＞　ＤＭＶＲ］
　図５５は、マージモードおよびＤＭＶＲの関係を示す図である。
　インター予測部１２６は、マージモードでカレントブロックのＭＶを導出する（ステップＳｌ＿１）。次に、インター予測部１２６は、ＭＶの探索、すなわち動き探索を行うか否かを判定する（ステップＳｌ＿２）。ここで、インター予測部１２６は、動き探索を行わないと判定すると（ステップＳｌ＿２のＮｏ）、ステップＳｌ＿１で導出されたＭＶを、カレントブロックに対する最終のＭＶとして決定する（ステップＳｌ＿４）。すなわち、この場合には、マージモードでカレントブロックのＭＶが決定される。
　一方、ステップＳｌ＿１で動き探索を行うと判定すると（ステップＳｌ＿２のＹｅｓ）、インター予測部１２６は、ステップＳｌ＿１で導出されたＭＶによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終のＭＶを導出する（ステップＳｌ＿３）。すなわち、この場合には、ＤＭＶＲでカレントブロックのＭＶが決定される。
　図５６は、ＭＶを決定するためのＤＭＶＲの一例を説明するための概念図である。
　まず、例えばマージモードにおいて、カレントブロックに対して候補ＭＶ（Ｌ０およびＬ１）を選択する。そして、候補ＭＶ（Ｌ０）に従って、Ｌ０リストの符号化済みピクチャである第１参照ピクチャ（Ｌ０）から参照画素を特定する。同様に、候補ＭＶ（Ｌ１）に従って、Ｌ１リストの符号化済みピクチャである第２参照ピクチャ（Ｌ１）から参照画素を特定する。これらの参照画素の平均をとることでテンプレートを生成する。
　次に、そのテンプレートを用いて、第１参照ピクチャ（Ｌ０）および第２参照ピクチャ（Ｌ１）の候補ＭＶの周辺領域をそれぞれ探索し、コストが最小となるＭＶを、カレントブロックの最終的なＭＶとして決定する。なお、コストは、例えば、テンプレートの各画素値と探索領域の各画素値との差分値および候補ＭＶ値等を用いて算出してもよい。
　ここで説明した処理そのものでなくても、候補ＭＶの周辺を探索して最終的なＭＶを導出することができる処理であれば、どのような処理を用いてもよい。
　図５７は、ＭＶを決定するためのＤＭＶＲの他の一例を説明するための概念図である。図５７に示す本例は、図５６に示すＤＭＶＲの一例とは異なり、テンプレートを生成せずにコストが算出される。
　まず、インター予測部１２６は、候補ＭＶリストから取得した候補ＭＶである初期ＭＶに基づいて、Ｌ０リストとＬ１リストのそれぞれの参照ピクチャに含まれる参照ブロック周辺を探索する。例えば、図５７に示すように、Ｌ０リストの参照ブロックに対応する初期ＭＶは、ＩｎｉｔＭＶ＿Ｌ０であり、Ｌ１リストの参照ブロックに対応する初期ＭＶは、ＩｎｉｔＭＶ＿Ｌ１である。インター予測部１２６は、動き探索では、まず、Ｌ０リストの参照ピクチャに対する探索位置を設定する。その設定される探索位置を示す差分ベクトル、具体的には、初期ＭＶ（すなわちＩｎｉｔＭＶ＿Ｌ０）によって示される位置からその探索位置への差分ベクトルは、ＭＶｄ＿Ｌ０である。そして、インター予測部１２６は、Ｌ１リストの参照ピクチャにおける探索位置を決定する。この探索位置は、初期ＭＶ（すなわちＩｎｉｔＭＶ＿Ｌ１）によって示される位置からその探索位置への差分ベクトルによって示される。具体的には、インター予測部１２６は、ＭＶｄ＿Ｌ０のミラーリングによってその差分ベクトルをＭＶｄ＿Ｌ１として決定する。つまり、インター予測部１２６は、Ｌ０リストとＬ１リストのそれぞれの参照ピクチャにおいて、初期ＭＶが示す位置から対称となる位置を探索位置とする。インター予測部１２６は、探索位置ごとに、その探索位置におけるブロック内の画素値の差分絶対値の総和（ＳＡＤ）などをコストとして算出し、そのコストが最小となる探索位置を見つけ出す。
　図５８Ａは、ＤＭＶＲにおける動き探索の一例を示す図であり、図５８Ｂは、その動き探索の一例を示すフローチャートである。
　まず、インター予測部１２６は、Ｓｔｅｐ１で、初期ＭＶが示す探索位置（開始点ともいう）と、その周囲にある８つの探索位置とにおけるコストを算出する。そして、インター予測部１２６は、開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部１２６は、開始点以外の探索位置のコストが最小と判定すると、コストが最小となる探索位置に移動して、Ｓｔｅｐ２の処理を行う。一方、インター予測部１２６は、開始点のコストが最小であれば、Ｓｔｅｐ２の処理をスキップしてＳｔｅｐ３の処理を行う。
　Ｓｔｅｐ２では、インター予測部１２６は、Ｓｔｅｐ１の処理結果に応じて移動した探索位置を新たな開始点として、Ｓｔｅｐ１の処理と同様の探索を行う。そして、インター予測部１２６は、その開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部１２６は、開始点以外の探索位置のコストが最小であれば、Ｓｔｅｐ４の処理を行う。一方、インター予測部１２６は、開始点のコストが最小であれば、Ｓｔｅｐ３の処理を行う。
　Ｓｔｅｐ４では、インター予測部１２６は、その開始点の探索位置を最終探索位置として扱い、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　Ｓｔｅｐ３では、インター予測部１２６は、Ｓｔｅｐ１またはＳｔｅｐ２の開始点の上下左右にある４点におけるコストに基づき、コストが最小となる小数精度の画素位置を決定し、その画素位置を最終探索位置とする。その小数精度の画素位置は、上下左右にある４点のベクトル（（０，１），（０，－１），（－１，０），（１，０））を、その４点のそれぞれの探索位置におけるコストを重みとして重み付け加算することで決定される。そして、インター予測部１２６は、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ／ＬＩＣ］
　動き補償では、予測画像を生成し、その予測画像を補正するモードがある。そのモードは、例えば、後述のＢＩＯ、ＯＢＭＣ、およびＬＩＣである。
　図５９は、予測画像の生成の一例を示すフローチャートである。
　インター予測部１２６は、予測画像を生成し（ステップＳｍ＿１）、上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿２）。
　図６０は、予測画像の生成の他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックのＭＶを導出する（ステップＳｎ＿１）。次に、インター予測部１２６は、そのＭＶを用いて予測画像を生成し（ステップＳｎ＿２）、補正処理を行うか否かを判定する（ステップＳｎ＿３）。ここで、インター予測部１２６は、補正処理を行うと判定すると（ステップＳｎ＿３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿４）。なお、後述のＬＩＣでは、ステップＳｎ＿４において、輝度および色差が補正されてもよい。一方、インター予測部１２６は、補正処理を行わないと判定すると（ステップＳｎ＿３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿５）。
　［動き補償　＞　ＯＢＭＣ］
　動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測画像が生成されてもよい。具体的には、（参照ピクチャ内の）動き探索により得られた動き情報に基づく予測画像と、（カレントピクチャ内の）隣接ブロックの動き情報に基づく予測画像と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測画像が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）またはＯＢＭＣモードと呼ばれることがある。
　ＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化されてもよい。さらに、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、これらの情報の信号化のレベルは、シーケンスレベルおよびＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　ＯＢＭＣモードについて、より具体的に説明する。図６１および図６２は、ＯＢＭＣによる予測画像補正処理の概要を説明するためのフローチャートおよび概念図である。
　まず、図６２に示すように、カレントブロックに割り当てられたＭＶを用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。図６２において、矢印“ＭＶ”は参照ピクチャを指し、予測画像を得るためにカレントピクチャのカレントブロックが何を参照しているかを示している。
　次に、符号化済みの左隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｌ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。ＭＶ（ＭＶ＿Ｌ）は、カレントブロックから参照ピクチャを指す矢印“ＭＶ＿Ｌ”によって示される。そして、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、符号化済みの上隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｕ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。ＭＶ（ＭＶ＿Ｕ）は、カレントブロックから参照ピクチャを指す矢印“ＭＶ＿Ｕ”によって示される。そして、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　なお、上述の例は、左隣接および上隣接のブロックを用いた２パスの補正方法であるが、その補正方法は、右隣接および／または下隣接のブロックも用いた３パスまたはそれ以上のパスの補正方法であってもよい。
　なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
　なお、ここでは１枚の参照ピクチャから、追加的な予測画像Ｐｒｅｄ＿ＬおよびＰｒｅｄ＿Ｕを重ね合わせることで１枚の予測画像Ｐｒｅｄを得るためのＯＢＭＣの予測画像補正処理について説明した。しかし、複数の参照画像に基づいて予測画像が補正される場合には、同様の処理が複数の参照ピクチャのそれぞれに適用されてもよい。このような場合、複数の参照ピクチャに基づくＯＢＭＣの画像補正を行うことによって、各々の参照ピクチャから、補正された予測画像を取得した後に、その取得された複数の補正予測画像をさらに重ね合わせることで最終的な予測画像を取得する。
　なお、ＯＢＭＣでは、カレントブロックの単位は、ＰＵ単位であっても、ＰＵをさらに分割したサブブロック単位であってもよい。
　ＯＢＭＣを適用するかどうかの判定の方法として、例えば、ＯＢＭＣを適用するかどうかを示す信号であるｏｂｍｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置１００は、カレントブロックが動きの複雑な領域に属しているかどうかを判定してもよい。符号化装置１００は、動きの複雑な領域に属している場合は、ｏｂｍｃ＿ｆｌａｇとして値１を設定してＯＢＭＣを適用して符号化を行い、動きの複雑な領域に属していない場合は、ｏｂｍｃ＿ｆｌａｇとして値０を設定してＯＢＭＣを適用せずにブロックの符号化を行う。一方、復号装置２００では、ストリームに記述されたｏｂｍｃ＿ｆｌａｇを復号することで、その値に応じてＯＢＭＣを適用するかどうかを切替えて復号を行う。
　［動き補償　＞　ＢＩＯ］
　次に、ＭＶを導出する方法について説明する。まず、等速直線運動を仮定したモデルに基づいてＭＶを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。また、このｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗは、ＢＩＯの代わりに、ＢＤＯＦと表記されてもよい。
　図６３は、等速直線運動を仮定したモデルを説明するための図である。図６３において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応するＭＶを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応するＭＶを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）および（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）および（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（２）が成り立つ。
Figure JPOXMLDOC01-appb-M000003
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（ｉ）輝度値の時間微分と、（ｉｉ）水平方向の速度および参照画像の空間勾配の水平成分の積と、（ｉｉｉ）垂直方向の速度および参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、候補ＭＶリスト等から得られるブロック単位の動きベクトルが画素単位で補正されてもよい。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置２００側でＭＶが導出されてもよい。例えば、複数の隣接ブロックのＭＶに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　図６４は、ＢＩＯにしたがったインター予測の一例を示すフローチャートである。また、図６５は、そのＢＩＯにしたがったインター予測を行うインター予測部１２６の構成の一例を示す図である。
　図６５に示すように、インター予測部１２６は、例えば、メモリ１２６ａと、補間画像導出部１２６ｂと、勾配画像導出部１２６ｃと、オプティカルフロー導出部１２６ｄと、補正値導出部１２６ｅと、予測画像補正部１２６ｆとを備える。なお、メモリ１２６ａは、フレームメモリ１２２であってもよい。
　インター予測部１２６は、カレントブロックを含むピクチャ（Ｃｕｒ　Ｐｉｃ）と異なる２枚の参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）を用いて、２つの動きベクトル（Ｍ０，Ｍ１）を導出する。そして、インター予測部１２６は、その２つの動きベクトル（Ｍ０，Ｍ１）を用いてカレントブロックの予測画像を導出する（ステップＳｙ＿１）。なお、動きベクトルＭ０は、参照ピクチャＲｅｆ０に対応する動きベクトル（ＭＶｘ０，ＭＶｙ０）であり、動きベクトルＭ１は、参照ピクチャＲｅｆ１に対応する動きベクトル（ＭＶｘ１，ＭＶｙ１）である。
　次に、補間画像導出部１２６ｂは、メモリ１２６ａを参照し、動きベクトルＭ０および参照ピクチャＬ０を用いてカレントブロックの補間画像Ｉ０を導出する。また、補間画像導出部１２６ｂは、メモリ１２６ａを参照し、動きベクトルＭ１および参照ピクチャＬ１を用いてカレントブロックの補間画像Ｉ１を導出する（ステップＳｙ＿２）。ここで、補間画像Ｉ０は、カレントブロックに対して導出される、参照ピクチャＲｅｆ０に含まれる画像であって、補間画像Ｉ１は、カレントブロックに対して導出される、参照ピクチャＲｅｆ１に含まれる画像である。補間画像Ｉ０および補間画像Ｉ１はそれぞれ、カレントブロックと同じサイズであってもよい。または、補間画像Ｉ０および補間画像Ｉ１はそれぞれ、後述の勾配画像を適切に導出するために、カレントブロックよりも大きな画像であってもよい。さらに、補間画像Ｉ０およびＩ１は、動きベクトル（Ｍ０，Ｍ１）および参照ピクチャ（Ｌ０，Ｌ１）と、動き補償フィルタとを適用して導出された予測画像を含んでいてもよい。
　また、勾配画像導出部１２６ｃは、補間画像Ｉ０および補間画像Ｉ１から、カレントブロックの勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を導出する（ステップＳｙ＿３）。なお、水平方向の勾配画像は、（Ｉｘ０，Ｉｘ１）であり、垂直方向の勾配画像は、（Ｉｙ０，Ｉｙ１）である。勾配画像導出部１２６ｃは、例えば、補間画像に対して勾配フィルタを適用することによって、その勾配画像を導出してもよい。勾配画像は、水平方向または垂直方向に沿った画素値の空間的な変化量を示すものであればよい。
　次に、オプティカルフロー導出部１２６ｄは、カレントブロックを構成する複数のサブブロック単位で、補間画像（Ｉ０，Ｉ１）および勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を用いて上述の速度ベクトルであるオプティカルフロー（ｖｘ，ｖｙ）を導出する（ステップＳｙ＿４）。オプティカルフローは、画素の空間的な移動量を補正する係数であり、局所動き推定値、補正動きベクトル、または補正重みベクトルと呼ばれてもよい。一例として、サブブロックは、４ｘ４画素のサブＣＵであってもよい。なお、オプティカルフローの導出は、サブブロック単位でなく、画素単位などの他の単位で行われてもよい。
　次に、インター予測部１２６は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックの予測画像を補正する。例えば、補正値導出部１２６ｅは、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックに含まれる画素の値の補正値を導出する（ステップＳｙ＿５）。そして、予測画像補正部１２６ｆは、補正値を用いてカレントブロックの予測画像を補正してもよい（ステップＳｙ＿６）。なお、補正値は各画素単位で導出されてもよいし、複数の画素単位またはサブブロック単位で導出されてもよい。
　なお、ＢＩＯの処理フローは、図６４に開示した処理に限定されない。図６４に開示した処理の一部の処理のみを実施してもよいし、異なる処理を追加または置換してもよいし、異なる処理順で実行してもよい。
　［動き補償　＞　ＬＩＣ］
　次に、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）を用いて予測画像（予測）を生成するモードの一例について説明する。
　図６６Ａは、ＬＩＣによる輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。また、図６６Ｂは、そのＬＩＣを用いた予測画像生成方法の一例を示すフローチャートである。
　まず、インター予測部１２６は、符号化済みの参照ピクチャからＭＶを導出して、カレントブロックに対応する参照画像を取得する（ステップＳｚ＿１）。
　次に、インター予測部１２６は、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する（ステップＳｚ＿２）。この抽出は、カレントピクチャにおける符号化済み左隣接参照領域（周辺参照領域）および符号化済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、インター予測部１２６は、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する（ステップＳｚ＿３）。
　インター予測部１２６は、ＭＶで指定された参照ピクチャ内の参照画像に対してその輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する（ステップＳｚ＿４）。つまり、ＭＶで指定された参照ピクチャ内の参照画像である予測画像に対して、輝度補正パラメータに基づく補正が行われる。この補正では、輝度が補正されてもよく、色差が補正されてもよい。即ち、色差がどのように変化したかを示す情報を用いて色差の補正パラメータが算出され、色差の補正処理が行われてもよい。
　なお、図６６Ａにおける周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
　また、ここでは１枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に、上述と同様の方法で輝度補正処理を行ってから予測画像を生成してもよい。
　ＬＩＣを適用するかどうかの判定の方法として、例えば、ＬＩＣを適用するかどうかを示す信号であるｌｉｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置１００において、カレントブロックが、輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はｌｉｃ＿ｆｌａｇとして値１を設定してＬＩＣを適用して符号化を行い、輝度変化が発生している領域に属していない場合はｌｉｃ＿ｆｌａｇとして値０を設定してＬＩＣを適用せずに符号化を行う。一方、復号装置２００では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号することで、その値に応じてＬＩＣを適用するかどうかを切替えて復号を行ってもよい。
　ＬＩＣを適用するかどうかの判定の別の方法として、例えば、周辺ブロックでＬＩＣを適用したかどうかに従って判定する方法もある。具体的な一例としては、カレントブロックがマージモードで処理されている場合、インター予測部１２６は、マージモードにおけるＭＶの導出の際に選択した周辺の符号化済みブロックがＬＩＣを適用して符号化されたかどうかを判定する。インター予測部１２６は、その結果に応じてＬＩＣを適用するかどうかを切替えて符号化を行う。なお、この例の場合でも、同じ処理が復号装置２００側の処理に適用される。
　ＬＩＣ（輝度補正処理）について図６６Ａおよび図６６Ｂを用いて説明したが、以下、その詳細を説明する。
　まず、インター予測部１２６は、符号化済みピクチャである参照ピクチャからカレントブロックに対応する参照画像を取得するためのＭＶを導出する。
　次に、インター予測部１２６は、カレントブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、ＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。例えば、カレントピクチャ内の周辺参照領域内のある画素の輝度画素値をｐ０とし、当該画素と同等位置の、参照ピクチャ内の周辺参照領域内の画素の輝度画素値をｐ１とする。インター予測部１２６は、周辺参照領域内の複数の画素に対して、Ａ×ｐ１＋Ｂ＝ｐ０を最適化する係数ＡおよびＢを輝度補正パラメータとして算出する。
　次に、インター予測部１２６は、ＭＶで指定された参照ピクチャ内の参照画像に対して輝度補正パラメータを用いて輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する。例えば、参照画像内の輝度画素値をｐ２とし、輝度補正処理後の予測画像の輝度画素値をｐ３とする。インター予測部１２６は、参照画像内の各画素に対して、Ａ×ｐ２＋Ｂ＝ｐ３を算出することで輝度補正処理後の予測画像を生成する。
　なお、図６６Ａに示す周辺参照領域の一部が用いられてもよい。例えば、上隣接画素および左隣接画素のそれぞれから間引いた所定数の画素を含む領域を周辺参照領域として用いてもよい。また、周辺参照領域は、カレントブロックに隣接する領域に限らず、カレントブロックに隣接しない領域であってもよい。また、図６６Ａに示す例では、参照ピクチャ内の周辺参照領域は、カレントピクチャ内の周辺参照領域から、カレントピクチャのＭＶで指定される領域であるが、他のＭＶで指定される領域であってもよい。例えば、当該他のＭＶは、カレントピクチャ内の周辺参照領域のＭＶであってもよい。
　なお、ここでは、符号化装置１００における動作を説明したが、復号装置２００における動作も同様である。
　なお、ＬＩＣは輝度のみではなく、色差に適用してもよい。このとき、Ｙ、Ｃｂ、およびＣｒのそれぞれに対して個別に補正パラメータを導出してもよいし、いずれかに対して共通の補正パラメータを用いてもよい。
　また、ＬＩＣ処理はサブブロック単位で適用してもよい。例えば、カレントサブブロックの周辺参照領域と、カレントサブブロックのＭＶで指定された参照ピクチャ内の参照サブブロックの周辺参照領域を用いて補正パラメータを導出してもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測画像（イントラ予測部１２４から出力される画像または信号）およびインター予測画像（インター予測部１２６から出力される画像または信号）のいずれかを選択し、選択した予測画像を減算部１０４および加算部１１６に出力する。
　［予測パラメータ生成部］
　予測パラメータ生成部１３０は、イントラ予測、インター予測、および予測制御部１２８における予測画像の選択などに関する情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。エントロピー符号化部１１０は、予測パラメータ生成部１３０から入力されるその予測パラメータ、量子化部１０８から入力される量子化係数に基づいて、ストリームを生成してもよい。予測パラメータは復号装置２００に使用されてもよい。復号装置２００は、ストリームを受信して復号し、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理と同じ処理を行ってもよい。予測パラメータは、選択予測信号（例えば、ＭＶ、予測タイプ、または、イントラ予測部１２４またはインター予測部１２６で用いられた予測モード）、または、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理に基づく、あるいはその予測処理を示す、任意のインデックス、フラグ、もしくは値を含んでいてもよい。
　［復号装置］
　次に、上記の符号化装置１００から出力されたストリームを復号可能な復号装置２００について説明する。図６７は、実施の形態に係る復号装置２００の構成の一例を示すブロック図である。復号装置２００は、符号化された画像であるストリームをブロック単位で復号する装置である。
　図６７に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、予測パラメータ生成部２２２と、分割決定部２２４とを備える。なお、イントラ予測部２１６およびインター予測部２１８のそれぞれは、予測処理部の一部として構成されている。
　［復号装置の実装例］
　図６８は、復号装置２００の実装例を示すブロック図である。復号装置２００は、プロセッサｂ１およびメモリｂ２を備える。例えば、図６７に示された復号装置２００の複数の構成要素は、図６８に示されたプロセッサｂ１およびメモリｂ２によって実装される。
　プロセッサｂ１は、情報処理を行う回路であり、メモリｂ２にアクセス可能な回路である。例えば、プロセッサｂ１は、ストリームを復号する専用または汎用の電子回路である。プロセッサｂ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサｂ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサｂ１は、図６７等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリｂ２は、プロセッサｂ１がストリームを復号するための情報が記憶される専用または汎用のメモリである。メモリｂ２は、電子回路であってもよく、プロセッサｂ１に接続されていてもよい。また、メモリｂ２は、プロセッサｂ１に含まれていてもよい。また、メモリｂ２は、複数の電子回路の集合体であってもよい。また、メモリｂ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリｂ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリｂ２には、画像が記憶されてもよいし、ストリームが記憶されてもよい。また、メモリｂ２には、プロセッサｂ１がストリームを復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリｂ２は、図６７等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリｂ２は、図６７に示されたブロックメモリ２１０およびフレームメモリ２１４の役割を果たしてもよい。より具体的には、メモリｂ２には、再構成画像（具体的には、再構成済みブロックまたは再構成済みピクチャ等）が記憶されてもよい。
　なお、復号装置２００において、図６７等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図６７等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　以下、復号装置２００の全体的な処理の流れを説明した後に、復号装置２００に含まれる各構成要素について説明する。なお、復号装置２００に含まれる各構成要素のうち、符号化装置１００に含まれる構成要素と同様の処理を行うものについては、詳細な説明を省略する。例えば、復号装置２００に含まれる、逆量子化部２０４、逆変換部２０６、加算部２０８、ブロックメモリ２１０、フレームメモリ２１４、イントラ予測部２１６、インター予測部２１８、予測制御部２２０、およびループフィルタ部２１２は、符号化装置１００に含まれる、逆量子化部１１２、逆変換部１１４、加算部１１６、ブロックメモリ１１８、フレームメモリ１２２、イントラ予測部１２４、インター予測部１２６、予測制御部１２８、およびループフィルタ部１２０と、それぞれ同様の処理を行う。
　［復号処理の全体フロー］
　図６９は、復号装置２００による全体的な復号処理の一例を示すフローチャートである。
　まず、復号装置２００の分割決定部２２４は、エントロピー復号部２０２から入力されるパラメータに基づいて、ピクチャに含まれる複数の固定サイズのブロック（１２８×１２８画素）のそれぞれの分割パターンを決定する（ステップＳｐ＿１）。この分割パターンは、符号化装置１００によって選択された分割パターンである。そして、復号装置２００は、その分割パターンを構成する複数のブロックのそれぞれに対してステップＳｐ＿２～Ｓｐ＿６の処理を行う。
　エントロピー復号部２０２は、カレントブロックの符号化された量子化係数および予測パラメータを復号（具体的にはエントロピー復号）する（ステップＳｐ＿２）。
　次に、逆量子化部２０４および逆変換部２０６は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、そのカレントブロックの予測残差を復元する（ステップＳｐ＿３）。
　次に、イントラ予測部２１６、インター予測部２１８および予測制御部２２０からなる予測処理部は、カレントブロックの予測画像を生成する（ステップＳｐ＿４）。
　次に、加算部２０８は、予測残差に予測画像を加算することによってカレントブロックを再構成画像（復号画像ブロックともいう）に再構成する（ステップＳｐ＿５）。
　そして、この再構成画像が生成されると、ループフィルタ部２１２は、その再構成画像に対してフィルタリングを行う（ステップＳｐ＿６）。
　そして、復号装置２００は、ピクチャ全体の復号が完了したか否かを判定し（ステップＳｐ＿７）、完了していないと判定する場合（ステップＳｐ＿７のＮｏ）、ステップＳｐ＿１からの処理を繰り返し実行する。
　なお、これらのステップＳｐ＿１～Ｓｐ＿７の処理は、復号装置２００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　［分割決定部］
　図７０は、分割決定部２２４と他の構成要素との関係を示す図である。分割決定部２２４は、一例として以下の処理を行ってもよい。
　分割決定部２２４は、例えば、ブロックメモリ２１０またはフレームメモリ２１４からブロック情報を収集し、さらに、エントロピー復号部２０２からパラメータを取得する。そして、分割決定部２２４は、そのブロック情報およびパラメータに基づいて固定サイズのブロックの分割パターンを決定してもよい。そして、分割決定部２２４は、その決定された分割パターンを示す情報を逆変換部２０６、イントラ予測部２１６およびインター予測部２１８に出力してもよい。逆変換部２０６は、分割決定部２２４からの情報によって示される分割パターンに基づいて変換係数に対して逆変換を行ってもよい。イントラ予測部２１６およびインター予測部２１８は、分割決定部２２４からの情報によって示される分割パターンに基づいて予測画像を生成してもよい。
　［エントロピー復号部］
　図７１は、エントロピー復号部２０２の構成の一例を示すブロック図である。
　エントロピー復号部２０２は、ストリームをエントロピー復号することによって、量子化係数、予測パラメータ、および分割パターンに関するパラメータなどを生成する。そのエントロピー復号には、例えば、ＣＡＢＡＣが用いられる。具体的には、エントロピー復号部２０２は、例えば、二値算術復号部２０２ａと、コンテキスト制御部２０２ｂと、多値化部２０２ｃとを備える。二値算術復号部２０２ａは、コンテキスト制御部２０２ｂによって導出されたコンテキスト値を用いてストリームを二値信号に算術復号する。コンテキスト制御部２０２ｂは、符号化装置１００のコンテキスト制御部１１０ｂと同様、シンタックス要素の特徴または周囲の状況に応じたコンテキスト値、すなわち二値信号の発生確率を導出する。多値化部２０２ｃは、二値算術復号部２０２ａから出力される二値信号を、上述の量子化係数などを示す多値信号に変換する多値化（ｄｅｂｉｎａｒｉｚｅ）を行う。この多値化は、上述の二値化の方式にしたがって行われる。
　エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。エントロピー復号部２０２は、イントラ予測部２１６、インター予測部２１８および予測制御部２２０に、ストリーム（図１参照）に含まれている予測パラメータを出力してもよい。イントラ予測部２１６、インター予測部２１８および予測制御部２２０は、符号化装置１００側におけるイントラ予測部１２４、インター予測部１２６および予測制御部１２８で行われる処理と同じ予測処理を実行することができる。
　［エントロピー復号部］
　図７２は、エントロピー復号部２０２におけるＣＡＢＡＣの流れを示す図である。
　まず、エントロピー復号部２０２におけるＣＡＢＡＣでは、初期化が行われる。この初期化では、二値算術復号部２０２ａにおける初期化と、初期コンテキスト値の設定とが行われる。そして、二値算術復号部２０２ａおよび多値化部２０２ｃは、例えばＣＴＵの符号化データに対して、算術復号と多値化とを実行する。このとき、コンテキスト制御部２０２ｂは、算術復号が行われるたびにコンテキスト値の更新を行う。そして、コンテキスト制御部２０２ｂは、後処理として、コンテキスト値を退避させる。この退避されたコンテキスト値は、例えば次のＣＴＵに対するコンテキスト値の初期値のために用いられる。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力であるカレントブロックの量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　図７３は、逆量子化部２０４の構成の一例を示すブロック図である。
　逆量子化部２０４は、例えば、量子化パラメータ生成部２０４ａと、予測量子化パラメータ生成部２０４ｂと、量子化パラメータ記憶部２０４ｄと、逆量子化処理部２０４ｅとを備える。
　図７４は、逆量子化部２０４による逆量子化の一例を示すフローチャートである。
　逆量子化部２０４は、一例として、図７４に示すフローに基づいてＣＵごとに逆量子化処理を実施してもよい。具体的には、量子化パラメータ生成部２０４ａは、逆量子化を行うか否かを判定する（ステップＳｖ＿１１）。ここで、逆量子化を行うと判定すると（ステップＳｖ＿１１のＹｅｓ）、量子化パラメータ生成部２０４ａは、カレントブロックの差分量子化パラメータをエントロピー復号部２０２から取得する（ステップＳｖ＿１２）。
　次に、予測量子化パラメータ生成部２０４ｂは、カレントブロックとは異なる処理単位の量子化パラメータを量子化パラメータ記憶部２０４ｄから取得する（ステップＳｖ＿１３）。予測量子化パラメータ生成部２０４ｂは、その取得した量子化パラメータに基づいて、カレントブロックの予測量子化パラメータを生成する（ステップＳｖ＿１４）。
　そして、量子化パラメータ生成部２０４ａは、エントロピー復号部２０２から取得された、カレントブロックの差分量子化パラメータと、予測量子化パラメータ生成部２０４ｂによって生成された、カレントブロックの予測量子化パラメータとを加算する（ステップＳｖ＿１５）。この加算によって、カレントブロックの量子化パラメータが生成される。また、量子化パラメータ生成部２０４ａは、そのカレントブロックの量子化パラメータを量子化パラメータ記憶部２０４ｄに格納する（ステップＳｖ＿１６）。
　次に、逆量子化処理部２０４ｅは、ステップＳｖ＿１５で生成された量子化パラメータを用いてカレントブロックの量子化係数を変換係数に逆量子化する（ステップＳｖ＿１７）。
　なお、差分量子化パラメータは、ビットシーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで復号されてもよい。また、量子化パラメータの初期値を、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで復号してもよい。このとき、量子化パラメータは量子化パラメータの初期値と差分量子化パラメータとを用いて生成されてもよい。
　なお、逆量子化部２０４は複数の逆量子化器を備えていてもよく、複数の逆量子化方法から選択した逆量子化方法を用いて量子化係数を逆量子化してもよい。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測残差を復元する。
　例えばストリームから読み解かれた情報がＥＭＴまたはＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、ストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　図７５は、逆変換部２０６による処理の一例を示すフローチャートである。
　例えば、逆変換部２０６は、直交変換を行わないことを示す情報がストリームに存在するか否かを判定する（ステップＳｔ＿１１）。ここで、その情報が存在しないと判定すると（ステップＳｔ＿１１のＮｏ）、逆変換部２０６は、エントロピー復号部２０２によって復号された、変換タイプを示す情報を取得する（ステップＳｔ＿１２）。次に、逆変換部２０６は、その情報に基づいて、符号化装置１００の直交変換に用いられた変換タイプを決定する（ステップＳｔ＿１３）。そして、逆変換部２０６は、その決定した変換タイプを用いて逆直交変換を行う（ステップＳｔ＿１４）。
　図７６は、逆変換部２０６による処理の他の例を示すフローチャートである。
　例えば、逆変換部２０６は、変換サイズが所定値以下であるか否かを判定する（ステップＳｕ＿１１）。ここで、所定値以下であると判定すると（ステップＳｕ＿１１のＹｅｓ）、逆変換部２０６は、第１の変換タイプ群に含まれる１つ以上の変換タイプのうち、いずれの変換タイプが符号化装置１００によって用いられたかを示す情報をエントロピー復号部２０２から取得する（ステップＳｕ＿１２）。なお、このような情報は、エントロピー復号部２０２によって復号されて逆変換部２０６に出力される。
　逆変換部２０６は、その情報に基づいて、符号化装置１００における直交変換に用いられた変換タイプを決定する（ステップＳｕ＿１３）。そして、逆変換部２０６は、その決定した変換タイプを用いてカレントブロックの変換係数を逆直交変換する（ステップＳｕ＿１４）。一方、逆変換部２０６は、ステップＳｕ＿１１において、変換サイズが所定値以下でないと判定すると（ステップＳｕ＿１１のＮｏ）、第２の変換タイプ群を用いてカレントブロックの変換係数を逆直交変換する（ステップＳｕ＿１５）。
　なお、逆変換部２０６による逆直交変換は、一例としてＴＵごとに図７５または図７６に示すフローに従って実施されてもよい。また、直交変換に用いた変換タイプを示す情報を復号せず、予め規定された変換タイプを用いて逆直交変換を行ってもよい。また、変換タイプは、具体的にはＤＳＴ７またはＤＣＴ８などであって、逆直交変換では、その変換タイプに対応する逆変換基底関数が用いられる。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測残差と予測制御部２２０からの入力である予測画像とを加算することによりカレントブロックを再構成する。つまり、カレントブロックの再構成画像が生成される。そして、加算部２０８は、カレントブロックの再構成画像をブロックメモリ２１０およびループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって、カレントピクチャ内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成画像を格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって生成された再構成画像にループフィルタを施し、フィルタが施された再構成画像をフレームメモリ２１４および表示装置等に出力する。
　ストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向および活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成画像に適用される。
　図７７は、ループフィルタ部２１２の構成の一例を示すブロック図である。なお、ループフィルタ部２１２は、符号化装置１００のループフィルタ部１２０と同様の構成を有する。
　ループフィルタ部２１２は、例えば図７７に示すように、デブロッキング・フィルタ処理部２１２ａと、ＳＡＯ処理部２１２ｂと、ＡＬＦ処理部２１２ｃとを備える。デブロッキング・フィルタ処理部２１２ａは、再構成画像に対して上述のデブロッキング・フィルタ処理を施す。ＳＡＯ処理部２１２ｂは、デブロッキング・フィルタ処理後の再構成画像に対して上述のＳＡＯ処理を施す。また、ＡＬＦ処理部２１２ｃは、ＳＡＯ処理後の再構成画像に対して上述のＡＬＦ処理を適用する。なお、ループフィルタ部２１２は、図７７に開示した全ての処理部を備えていなくてもよく、一部の処理部のみを備えていてもよい。また、ループフィルタ部２１２は、図７７に開示した処理順とは異なる順番で上述の各処理を行う構成であってもよい。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタが施された再構成画像を格納する。
　［予測部（イントラ予測部・インター予測部・予測制御部）］
　図７８は、復号装置２００の予測部で行われる処理の一例を示すフローチャートである。なお、一例として予測部は、イントラ予測部２１６、インター予測部２１８、および予測制御部２２０の全てまたは一部の構成要素からなる。予測処理部は、例えばイントラ予測部２１６およびインター予測部２１８を含む。
　予測部は、カレントブロックの予測画像を生成する（ステップＳｑ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測部は、他のブロックに対する予測画像の生成、予測残差の復元、および予測画像の加算が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。復号装置２００の予測部は、符号化装置１００の予測部によって生成される予測画像と同一の予測画像を生成する。つまり、それらの予測部に用いられる予測画像の生成方法は、互いに共通または対応している。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の復号済みのブロック（すなわち、上述の他のブロック）の画像であってもよい。カレントピクチャ内の復号済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図７９は、復号装置２００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、予測画像を生成するための方式またはモードを判定する（ステップＳｒ＿１）。例えば、この方式またはモードは、例えば予測パラメータなどに基づいて判定されてもよい。
　予測部は、予測画像を生成するためのモードとして第１の方式を判定した場合には、その第１の方式にしたがって予測画像を生成する（ステップＳｒ＿２ａ）。また、予測部は、予測画像を生成するためのモードとして第２の方式を判定した場合には、その第２の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｂ）。また、予測部は、予測画像を生成するためのモードとして第３の方式を判定した場合には、その第３の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｃ）。
　第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　図８０Ａ及び図８０Ｂは、復号装置２００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、一例として図８０Ａ及び図８０Ｂに示すフローに従って予測処理を行ってもよい。なお、図８０Ａ及び図８０Ｂに示すイントラブロックコピーは、インター予測に属する１つのモードであって、カレントピクチャに含まれるブロックが参照画像または参照ブロックとして参照されるモードである。つまり、イントラブロックコピーでは、カレントピクチャと異なるピクチャは参照されない。また、図８０Ａに示すＰＣＭモードは、イントラ予測に属する１つのモードであって、変換および量子化が行われないモードである。
　［イントラ予測部］
　イントラ予測部２１６は、ストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、カレントブロックの予測画像（すなわちイントラ予測画像）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックの画素値（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測画像を生成し、イントラ予測画像を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、ストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　図８１は、復号装置２００のイントラ予測部２１６による処理の一例を示す図である。
　イントラ予測部２１６は、まず、１を示すＭＰＭフラグがストリームに存在するか否かを判定する（ステップＳｗ＿１１）。ここで、１を示すＭＰＭフラグが存在すると判定すると（ステップＳｗ＿１１のＹｅｓ）、イントラ予測部２１６は、ＭＰＭのうち、符号化装置１００において選択されたイントラ予測モードを示す情報をエントロピー復号部２０２から取得する（ステップＳｗ＿１２）。なお、その情報は、エントロピー復号部２０２によって復号されてイントラ予測部２１６に出力される。次に、イントラ予測部２１６は、ＭＰＭを決定する（ステップＳｗ＿１３）。ＭＰＭは、例えば６つのイントラ予測モードからなる。そして、イントラ予測部２１６は、そのＭＰＭに含まれる複数のイントラ予測モードの中から、ステップＳｗ＿１２で取得された情報によって示されるイントラ予測モードを決定する（ステップＳｗ＿１４）。
　一方、イントラ予測部２１６は、ステップＳｗ＿１１において、１を示すＭＰＭフラグがストリームに存在しないと判定すると（ステップＳｗ＿１１のＮｏ）、符号化装置１００において選択されたイントラ予測モードを示す情報を取得する（ステップＳｗ＿１５）。つまり、イントラ予測部２１６は、ＭＰＭに含まれない１つ以上のイントラ予測モードのうち、符号化装置１００において選択されたイントラ予測モードを示す情報をエントロピー復号部２０２から取得する。なお、その情報は、エントロピー復号部２０２によって復号されてイントラ予測部２１６に出力される。そして、イントラ予測部２１６は、そのＭＰＭに含まれていない１つ以上のイントラ予測モードの中から、ステップＳｗ＿１５で取得された情報によって示されるイントラ予測モードを決定する（ステップＳｗ＿１７）。
　イントラ予測部２１６は、ステップＳｗ＿１４またはステップＳｗ＿１７において決定されたイントラ予測モードにしたがって予測画像を生成する（ステップＳｗ＿１８）。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロックまたはカレントブロック内のサブブロックの単位で行われる。なお、サブブロックはブロックに含まれていて、ブロックより小さい単位である。サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　例えば、インター予測部２１８は、ストリーム（例えば、エントロピー復号部２０２から出力される予測パラメータ）から読み解かれた動き情報（例えばＭＶ）を用いて動き補償を行うことでカレントブロックまたはサブブロックのインター予測画像を生成し、インター予測画像を予測制御部２２０に出力する。
　ストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測画像を生成する。
　また、ストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチングまたはテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償（予測）を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいてＭＶを導出する。また、ストリームから読み解かれた情報がアフィンモードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックのＭＶに基づいてサブブロック単位でＭＶを導出する。
　［ＭＶ導出のフロー］
　図８２は、復号装置２００におけるＭＶ導出の一例を示すフローチャートである。
　インター予測部２１８は、例えば、動き情報（例えばＭＶ）を復号するか否かを判定する。例えば、インター予測部２１８は、ストリームに含まれる予測モードに応じて判定してもよく、ストリームに含まれるその他の情報に基づいて判定してもよい。ここで、インター予測部２１８は、動き情報を復号すると判定すると、その動き情報を復号するモードで、カレントブロックのＭＶを導出する。一方、インター予測部２１８は、動き情報を復号しないと判定すると、動き情報を復号しないモードでＭＶを導出する。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を復号するモードには、ノーマルインターモード、ノーマルマージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測ＭＶ選択情報が含まれてもよい。また、動き情報を復号しないモードには、ＦＲＵＣモードなどがある。インター予測部２１８は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図８３は、復号装置２００におけるＭＶ導出の他の例を示すフローチャートである。
　インター予測部２１８は、例えば、差分ＭＶを復号するか否かを判定する、例えば、インター予測部２１８は、ストリームに含まれる予測モードに応じて判定してもよく、ストリームに含まれるその他の情報に基づいて判定してもよい。ここで、インター予測部２１８は、差分ＭＶを復号すると判定すると、差分ＭＶを復号するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えばストリームに含まれる差分ＭＶが予測パラメータとして復号される。
　一方、インター予測部２１８は、差分ＭＶを復号しないと判定すると、差分ＭＶを復号しないモードでＭＶを導出する。この場合には、符号化された差分ＭＶはストリームに含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、ノーマルマージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部２１８は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［ＭＶ導出　＞　ノーマルインターモード］
　例えば、ストリームから読み解かれた情報がノーマルインターモードを適用することを示す場合、インター予測部２１８は、ストリームから読み解かれた情報に基づいて、ノーマルマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８４は、復号装置２００におけるノーマルインターモードによるインター予測の例を示すフローチャートである。
　復号装置２００のインター予測部２１８は、ブロックごとに、そのブロックに対して動き補償を行う。このときには、インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｇ＿１１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、予め決められた優先順位に従って抽出する（ステップＳｇ＿１２）。なお、その優先順位は、Ｎ個の予測ＭＶ候補のそれぞれに対して予め定められている。
　次に、インター予測部２１８は、入力されたストリームから予測ＭＶ選択情報を復号し、その復号された予測ＭＶ選択情報を用いて、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測ＭＶとして選択する（ステップＳｇ＿１３）。
　次に、インター予測部２１８は、入力されたストリームから差分ＭＶを復号し、その復号された差分ＭＶである差分値と、選択された予測ＭＶとを加算することによって、カレントブロックのＭＶを導出する（ステップＳｇ＿１４）。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿１５）。ステップＳｇ＿１１～Ｓｇ＿１５の処理は、各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１１～Ｓｇ＿１５の処理が実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１１～Ｓｇ＿１５の処理が実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了する。なお、ステップＳｇ＿１１～Ｓｇ＿１５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了してもよい。ステップＳｇ＿１１～Ｓｇ＿１５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了してもよい。
　［ＭＶ導出　＞　ノーマルマージモード］
　例えば、ストリームから読み解かれた情報がノーマルマージモードの適用を示す場合、インター予測部２１８は、ノーマルマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８５は、復号装置２００におけるノーマルマージモードによるインター予測の例を示すフローチャートである。
　インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｈ＿１１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿１２）。具体的には、インター予測部２１８は、例えばストリームに予測パラメータとして含まれるＭＶ選択情報を取得し、そのＭＶ選択情報によって識別される候補ＭＶを、カレントブロックのＭＶとして選択する。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿１３）。ステップＳｈ＿１１～Ｓｈ＿１３の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１１～Ｓｈ＿１３の処理が実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１１～Ｓｈ＿１３の処理が実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了する。なお、ステップＳｈ＿１１～Ｓｈ＿１３の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了してもよい。ステップＳｈ＿１１～Ｓｈ＿１３の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了してもよい。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　例えば、ストリームから読み解かれた情報がＦＲＵＣモードの適用を示す場合、インター予測部２１８は、ＦＲＵＣモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。この場合、動き情報は、符号化装置１００側から信号化されずに、復号装置２００側で導出される。例えば、復号装置２００は、動き探索を行うことにより動き情報を導出してもよい。この場合、復号装置２００は、カレントブロックの画素値を用いずに動き探索を行う。
　図８６は、復号装置２００におけるＦＲＵＣモードによるインター予測の例を示すフローチャートである。
　まず、インター予測部２１８は、カレントブロックに空間的または時間的に隣接する各復号済みブロックのＭＶを参照して、それらのＭＶを候補ＭＶとして示すリスト（すなわち、候補ＭＶリストであって、ノーマルマージモードの候補ＭＶリストと共通であってもよい）を生成する（ステップＳｉ＿１１）。次に、インター予測部２１８は、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶを選択する（ステップＳｉ＿１２）。例えば、インター予測部２１８は、候補ＭＶリストに含まれる各候補ＭＶの評価値を算出し、その評価値に基づいて１つの候補ＭＶをベスト候補ＭＶとして選択する。そして、インター予測部２１８は、選択されたベスト候補ＭＶに基づいて、カレントブロックのためのＭＶを導出する（ステップＳｉ＿１４）。具体的には、例えば、選択されたベスト候補ＭＶがそのままカレントブロックのためのＭＶとして導出される。また例えば、選択されたベスト候補ＭＶに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのためのＭＶが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶをそのＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を実施しなくてもよい。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿１５）。ステップＳｉ＿１１～Ｓｉ＿１５の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１１～Ｓｉ＿１５の処理が実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１１～Ｓｉ＿１５の処理が実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了する。サブブロック単位でも上述のブロック単位と同様に処理されてもよい。
　［ＭＶ導出　＞　アフィンマージモード］
　例えば、ストリームから読み解かれた情報がアフィンマージモードの適用を示す場合、インター予測部２１８は、アフィンマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８７は、復号装置２００におけるアフィンマージモードによるインター予測の例を示すフローチャートである。
　アフィンマージモードでは、まず、インター予測部２１８は、カレントブロックの制御ポイントのそれぞれのＭＶを導出する（ステップＳｋ＿１１）。制御ポイントは、図４６Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図４６Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。
　例えば、図４７Ａ～図４７Ｃに示すＭＶの導出方法を用いる場合、インター予測部２１８は、図４７Ａに示すように、復号済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで復号された最初の有効なブロックを特定する。
　インター予測部２１８は、特定されたアフィンモードで復号された最初の有効なブロックを用いて、制御ポイントのＭＶを導出する。例えば、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合、図４７Ｂに示すように、インター予測部２１８は、ブロックＡを含む復号済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４をカレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。これにより、各制御ポイントのＭＶが導出される。
　なお、図４９Ａに示すように、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合に、３つの制御ポイントのＭＶを算出してもよく、図４９Ｂに示すように、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合に、２つの制御ポイントのＭＶを算出してもよい。
　また、ストリームに予測パラメータとしてＭＶ選択情報が含まれている場合には、インター予測部２１８は、そのＭＶ選択情報を用いてカレントブロックの各制御ポイントのＭＶを導出してもよい。
　次に、インター予測部２１８は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部２１８は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｋ＿１２）。そして、インター予測部２１８は、それらのアフィンＭＶおよび復号済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿１３）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｋ＿１２およびＳｋ＿１３の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いたインター予測が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｋ＿１１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、例えば、２つの制御ポイントを有するアフィンマージモードの候補ＭＶと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンマージモードと、３つの制御ポイントを有するアフィンマージモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。
　［ＭＶ導出　＞　アフィンインターモード］
　例えば、ストリームから読み解かれた情報がアフィンインターモードの適用を示す場合、インター予測部２１８は、アフィンインターモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８８は、復号装置２００におけるアフィンインターモードによるインター予測の例を示すフローチャートである。
　アフィンインターモードでは、まず、インター予測部２１８は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１１）。制御ポイントは、例えば図４６Ａまたは図４６Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　インター予測部２１８は、ストリームに予測パラメータとして含まれる予測ＭＶ選択情報を取得し、その予測ＭＶ選択情報によって識別されるＭＶを用いて、カレントブロックの各制御ポイントの予測ＭＶを導出する。例えば、図４８Ａおよび図４８Ｂに示すＭＶの導出方法を用いる場合、インター予測部２１８は、図４８Ａまたは図４８Ｂに示すカレントブロックの各制御ポイント近傍の復号済みブロックのうち、予測ＭＶ選択情報によって識別されるブロックのＭＶを選択することによって、カレントブロックの制御ポイントの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。
　次に、インター予測部２１８は、例えば、ストリームに予測パラメータとして含まれる各差分ＭＶを取得し、カレントブロックの各制御ポイントの予測ＭＶと、その予測ＭＶに対応する差分ＭＶとを加算する（ステップＳｊ＿１２）。これにより、カレントブロックの各制御ポイントのＭＶが導出される。
　次に、インター予測部２１８は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部２１８は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｊ＿１３）。そして、インター予測部２１８は、それらのアフィンＭＶおよび復号済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｊ＿１４）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｊ＿１３およびＳｊ＿１４の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いたインター予測が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｊ＿１１では、ステップＳｋ＿１１と同様、上述の候補ＭＶリストが生成されてもよい。
　［ＭＶ導出　＞　トライアングルモード］
　例えば、ストリームから読み解かれた情報がトライアングルモードの適用を示す場合、インター予測部２１８は、トライアングルモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８９は、復号装置２００におけるトライアングルモードによるインター予測の例を示すフローチャートである。
　トライアングルモードでは、まず、インター予測部２１８は、カレントブロックを第１パーティションと第２パーティションとに分割する（ステップＳｘ＿１１）。このとき、インター予測部２１８は、各パーティションへの分割に関する情報であるパーティション情報を予測パラメータとしてストリームから取得してもよい。そして、インター予測部２１８は、そのパーティション情報に応じて、カレントブロックを第１パーティションと第２パーティションとに分割してもよい。
　次に、インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｘ＿１２）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　そして、インター予測部２１８は、ステップＳｘ＿１１で取得された複数の候補ＭＶの中から、第１パーティションの候補ＭＶおよび第２パーティションの候補ＭＶを、第１ＭＶおよび第２ＭＶとしてそれぞれ選択する（ステップＳｘ＿１３）。このとき、インター予測部２１８は、選択された候補ＭＶを識別するためのＭＶ選択情報を予測パラメータとしてストリームから取得してもよい。そして、インター予測部２１８は、そのＭＶ選択情報に応じて第１ＭＶおよび第２ＭＶを選択してもよい。
　次に、インター予測部２１８は、その選択された第１ＭＶと復号済み参照ピクチャとを用いて動き補償を行ことにより、第１予測画像を生成する（ステップＳｘ＿１４）。同様に、インター予測部２１８は、選択された第２ＭＶと復号済み参照ピクチャとを用いて動き補償を行ことにより、第２予測画像を生成する（ステップＳｘ＿１５）。
　最後に、インター予測部２１８は、第１予測画像と第２予測画像とを重み付け加算することによって、カレントブロックの予測画像を生成する（ステップＳｘ＿１６）。
　［動き探索　＞　ＤＭＶＲ］
　例えば、ストリームから読み解かれた情報がＤＭＶＲの適用を示す場合、インター予測部２１８は、ＤＭＶＲで動き探索を行う。
　図９０は、復号装置２００におけるＤＭＶＲによる動き探索の例を示すフローチャートである。
　インター予測部２１８は、まず、マージモードでカレントブロックのＭＶを導出する（ステップＳｌ＿１１）。次に、インター予測部２１８は、ステップＳｌ＿１１で導出されたＭＶによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終のＭＶを導出する（ステップＳｌ＿１２）。すなわち、ＤＭＶＲによってカレントブロックのＭＶが決定される。
　図９１は、復号装置２００におけるＤＭＶＲによる動き探索の詳細な一例を示すフローチャートである。
　まず、インター予測部２１８は、図５８Ａに示すＳｔｅｐ１で、初期ＭＶが示す探索位置（開始点ともいう）と、その周囲にある８つの探索位置とにおけるコストを算出する。そして、インター予測部２１８は、開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部２１８は、開始点以外の探索位置のコストが最小と判定すると、コストが最小となる探索位置に移動して、図５８Ａに示すＳｔｅｐ２の処理を行う。一方、インター予測部２１８は、開始点のコストが最小であれば、図５８Ａに示すＳｔｅｐ２の処理をスキップしてＳｔｅｐ３の処理を行う。
　図５８Ａに示すＳｔｅｐ２では、インター予測部２１８は、Ｓｔｅｐ１の処理結果に応じて移動した探索位置を新たな開始点として、Ｓｔｅｐ１の処理と同様の探索を行う。そして、インター予測部２１８は、その開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部２１８は、開始点以外の探索位置のコストが最小であれば、Ｓｔｅｐ４の処理を行う。一方、インター予測部２１８は、開始点のコストが最小であれば、Ｓｔｅｐ３の処理を行う。
　Ｓｔｅｐ４では、インター予測部２１８は、その開始点の探索位置を最終探索位置として扱い、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　図５８Ａに示すＳｔｅｐ３では、インター予測部２１８は、Ｓｔｅｐ１またはＳｔｅｐ２の開始点の上下左右にある４点におけるコストに基づき、コストが最小となる小数精度の画素位置を決定し、その画素位置を最終探索位置とする。その小数精度の画素位置は、上下左右にある４点のベクトル（（０，１），（０，－１），（－１，０），（１，０））を、その４点のそれぞれの探索位置におけるコストを重みとして重み付け加算することで決定される。そして、インター予測部２１８は、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ／ＬＩＣ］
　例えば、ストリームから読み解かれた情報が予測画像の補正の適用を示す場合、インター予測部２１８は、予測画像を生成すると、その補正のモードにしたがって予測画像を補正する。そのモードは、例えば、上述のＢＩＯ、ＯＢＭＣ、およびＬＩＣなどである。
　図９２は、復号装置２００における予測画像の生成の一例を示すフローチャートである。
　インター予測部２１８は、予測画像を生成し（ステップＳｍ＿１１）、上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿１２）。
　図９３は、復号装置２００における予測画像の生成の他の例を示すフローチャートである。
　インター予測部２１８は、カレントブロックのＭＶを導出する（ステップＳｎ＿１１）。次に、インター予測部２１８は、そのＭＶを用いて予測画像を生成し（ステップＳｎ＿１２）、補正処理を行うか否かを判定する（ステップＳｎ＿１３）。例えば、インター予測部２１８は、ストリームに含まれる予測パラメータを取得し、その予測パラメータに基づいて、補正処理を行うか否かを判定する。この予測パラメータは、例えば、上述の各モードを適用するか否かを示すフラグである。ここで、インター予測部２１８は、補正処理を行うと判定すると（ステップＳｎ＿１３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿１４）。なお、ＬＩＣでは、ステップＳｎ＿１４において、予測画像の輝度および色差が補正されてもよい。一方、インター予測部２１８は、補正処理を行わないと判定すると（ステップＳｎ＿１３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿１５）。
　［動き補償　＞　ＯＢＭＣ］
　例えば、ストリームから読み解かれた情報がＯＢＭＣの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＯＢＭＣにしたがって予測画像を補正する。
　図９４は、復号装置２００におけるＯＢＭＣによる予測画像の補正の例を示すフローチャートである。なお、図９４のフローチャートは、図６２に示すカレントピクチャおよび参照ピクチャを用いた予測画像の補正の流れを示す。
　まず、インター予測部２１８は、図６２に示すように、カレントブロックに割り当てられたＭＶを用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。
　次に、インター予測部２１８は、復号済みの左隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｌ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。そして、インター予測部２１８は、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、インター予測部２１８は、復号済みの上隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｕ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。そして、インター予測部２１８は、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　［動き補償　＞　ＢＩＯ］
　例えば、ストリームから読み解かれた情報がＢＩＯの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＢＩＯにしたがって予測画像を補正する。
　図９５は、復号装置２００におけるＢＩＯによる予測画像の補正の例を示すフローチャートである。
　インター予測部２１８は、図６３に示すように、カレントブロックを含むピクチャ（Ｃｕｒ　Ｐｉｃ）と異なる２枚の参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）を用いて、２つの動きベクトル（Ｍ０，Ｍ１）を導出する。そして、インター予測部２１８は、その２つの動きベクトル（Ｍ０，Ｍ１）を用いてカレントブロックの予測画像を導出する（ステップＳｙ＿１１）。なお、動きベクトルＭ０は、参照ピクチャＲｅｆ０に対応する動きベクトル（ＭＶｘ０，ＭＶｙ０）であり、動きベクトルＭ１は、参照ピクチャＲｅｆ１に対応する動きベクトル（ＭＶｘ１，ＭＶｙ１）である。
　次に、インター予測部２１８は、動きベクトルＭ０および参照ピクチャＬ０を用いてカレントブロックの補間画像Ｉ０を導出する。また、インター予測部２１８は、動きベクトルＭ１および参照ピクチャＬ１を用いてカレントブロックの補間画像Ｉ１を導出する（ステップＳｙ＿１２）。ここで、補間画像Ｉ０は、カレントブロックに対して導出される、参照ピクチャＲｅｆ０に含まれる画像であって、補間画像Ｉ１は、カレントブロックに対して導出される、参照ピクチャＲｅｆ１に含まれる画像である。補間画像Ｉ０および補間画像Ｉ１はそれぞれ、カレントブロックと同じサイズであってもよい。または、補間画像Ｉ０および補間画像Ｉ１はそれぞれ、後述の勾配画像を適切に導出するために、カレントブロックよりも大きな画像であってもよい。さらに、補間画像Ｉ０およびＩ１は、動きベクトル（Ｍ０，Ｍ１）および参照ピクチャ（Ｌ０，Ｌ１）と、動き補償フィルタとを適用して導出された予測画像を含んでいてもよい。
　また、インター予測部２１８は、補間画像Ｉ０および補間画像Ｉ１から、カレントブロックの勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を導出する（ステップＳｙ＿１３）。なお、水平方向の勾配画像は、（Ｉｘ０，Ｉｘ１）であり、垂直方向の勾配画像は、（Ｉｙ０，Ｉｙ１）である。インター予測部２１８は、例えば、補間画像に対して勾配フィルタを適用することによって、その勾配画像を導出してもよい。勾配画像は、水平方向または垂直方向に沿った画素値の空間的な変化量を示すものであればよい。
　次に、インター予測部２１８は、カレントブロックを構成する複数のサブブロック単位で、補間画像（Ｉ０，Ｉ１）および勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を用いて上述の速度ベクトルであるオプティカルフロー（ｖｘ，ｖｙ）を導出する（ステップＳｙ＿１４）。一例として、サブブロックは、４ｘ４画素のサブＣＵであってもよい。
　次に、インター予測部２１８は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックの予測画像を補正する。例えば、インター予測部２１８は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックに含まれる画素の値の補正値を導出する（ステップＳｙ＿１５）。そして、インター予測部２１８は、補正値を用いてカレントブロックの予測画像を補正してもよい（ステップＳｙ＿１６）。なお、補正値は各画素単位で導出されてもよいし、複数の画素単位またはサブブロック単位で導出されてもよい。
　なお、ＢＩＯの処理フローは、図９５に開示した処理に限定されない。図９５に開示した処理の一部の処理のみを実施してもよいし、異なる処理を追加または置換してもよいし、異なる処理順で実行してもよい。
　［動き補償　＞　ＬＩＣ］
　例えば、ストリームから読み解かれた情報がＬＩＣの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＬＩＣにしたがって予測画像を補正する。
　図９６は、復号装置２００におけるＬＩＣによる予測画像の補正の例を示すフローチャートである。
　まず、インター予測部２１８は、ＭＶを用いて、復号済みの参照ピクチャからカレントブロックに対応する参照画像を取得する（ステップＳｚ＿１１）。
　次に、インター予測部２１８は、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する（ステップＳｚ＿１２）。この抽出は、図６６Ａに示すように、カレントピクチャにおける復号済み左隣接参照領域（周辺参照領域）および復号済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、インター予測部２１８は、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する（ステップＳｚ＿１３）。
　インター予測部２１８は、ＭＶで指定された参照ピクチャ内の参照画像に対してその輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する（ステップＳｚ＿１４）。つまり、ＭＶで指定された参照ピクチャ内の参照画像である予測画像に対して、輝度補正パラメータに基づく補正が行われる。この補正では、輝度が補正されてもよく、色差が補正されてもよい。
　［予測制御部］
　予測制御部２２０は、イントラ予測画像およびインター予測画像のいずれかを選択し、選択した予測画像を加算部２０８に出力する。全体的に、復号装置２００側の予測制御部２２０、イントラ予測部２１６およびインター予測部２１８の構成、機能、および処理は、符号化装置１００側の予測制御部１２８、イントラ予測部１２４およびインター予測部１２６の構成、機能、および処理と対応していてもよい。
　［映像の元の速度に関連する処理］
　図９７は、実施の形態に係る符号化動作を示すフローチャートである。例えば、符号化装置１００は、映像をビットストリームに符号化する。映像は、本来の速度よりも遅い速度、すなわちスローモーションの映像であってもよいし、本来の速度よりも速い速度、すなわちファーストモーションの映像であってもよい。映像の符号化において、符号化装置１００は、図９７に示された動作を行う。
　例えば、符号化装置１００は、第１速度に対応する出力時間情報をビットストリームに符号化する（Ｓ１０１）。出力時間情報は、具体的には、映像に含まれるピクチャの出力時間に関連する情報であり、映像を第１速度で再生するための情報である。第１速度は、スローモーション又はファーストモーションで映像を再生するための速度であってもよい。つまり、映像は、スローモーション又はファーストモーションの映像として符号化されてもよい。
　また、符号化装置１００は、第２速度に対応する元速度情報をビットストリームに符号化する（Ｓ１０２）。元速度情報は、具体的には、第２速度に関連する情報であり、映像を第２速度で再生するための情報である。第２速度は、映像の元の速度である。つまり、元速度情報は、映像を通常の速度で再生するための情報である。本開示において、元の速度は、本来の速度、実際の速度、又は、通常の速度等のように表現される場合がある。
　そして、符号化装置１００は、出力時間情報を用いて、映像を第１速度で再生するための処理タイミングを示す第１タイミング情報を導出する（Ｓ１０３）。また、符号化装置１００は、元速度情報を用いて、映像を第２速度で再生するための処理タイミングを示す第２タイミング情報を導出する（Ｓ１０４）。
　ここで、処理タイミングは、映像に含まれるピクチャの復号、出力又は表示のタイミングであってもよい。タイミング情報は、符号化されてもよいし、オブジェクトトラッキング処理に用いられてもよいし、その他の認識処理又は画像処理に用いられてもよい。
　なお、符号化動作の各ステップの順序は入れ替わっていてもよい。また、符号化装置１００は、並列で複数のステップを実施してもよい。例えば、符号化装置１００は、第１タイミング情報の導出（Ｓ１０３）と第２タイミング情報の導出（Ｓ１０４）とを並列で処理してもよい。
　図９８は、実施の形態に係る復号動作を示すフローチャートである。例えば、復号装置２００は、映像をビットストリームから復号する。復号装置２００は、スローモーション又はファーストモーションの映像としてビットストリームに符号化された映像をビットストリームから復号してもよい。映像の復号において、復号装置２００は、図９８に示された動作を行う。
　例えば、復号装置２００は、第１速度に対応する出力時間情報をビットストリームから復号する（Ｓ２０１）。出力時間情報は、具体的には、映像に含まれるピクチャの出力時間に関連する情報であり、映像を第１速度で再生するための情報である。第１速度は、スローモーション又はファーストモーションで映像を再生するための速度であってもよい。
　また、復号装置２００は、第２速度に対応する元速度情報をビットストリームから復号する（Ｓ２０２）。元速度情報は、具体的には、第２速度に関連する情報であり、映像を第２速度で再生するための情報である。第２速度は、映像の元の速度である。映像の元の速度は、具体的には、例えばカメラ等の撮像装置で撮影されたコンテンツの場合、キャプチャするピクチャ間の時間的距離である。つまり、元速度情報は、映像を通常の速度で再生するための情報である。
　そして、復号装置２００は、映像を第１速度で再生するか、第２速度で再生するかを示す信号を取得する（Ｓ２０３）。この信号は、具体的には、スローモーション又はファーストモーションの映像として符号化された映像の速度で映像を再生するか、映像の元の速度で映像を再生するかを示す。この信号は、ユーザの操作に従って復号装置２００に入力される信号であってもよい。
　映像を第１速度で再生することを信号が示す場合（Ｓ２０４でＹｅｓ）、復号装置２００は、出力時間情報を用いて、映像を第１速度で再生する（Ｓ２０５）。映像を第１速度で再生することを信号が示していない場合（Ｓ２０４でＮｏ）、つまり、映像を第２速度で再生することを信号が示す場合、復号装置２００は、元速度情報を用いて、映像を第２速度で再生する（Ｓ２０６）。映像を再生することは、例えば、映像を復号して表示することに対応する。
　なお、復号動作の各ステップの順序は入れ替わっていてもよい。各ステップの順序は、出力時間情報の復号ステップ（Ｓ２０１）が第１速度で再生ステップ（Ｓ２０５）よりも前に、また、元速度情報の復号ステップ（Ｓ２０２）が第２速度で再生ステップ（Ｓ２０６）よりも前にあれば、いずれの順序でもよい。
　なお、出力時間情報及び元速度情報は、後述すされる複数の例で説明された、出力時間情報及び元速度情報の例の任意の組み合わせであってもよい。
　上記の動作によって、符号化装置１００及び復号装置２００は、映像の元の速度に関連する情報を共有することができる。そして、符号化された映像の速度である第１速度で映像を再生するか、映像の元の速度である第２速度で映像を再生するかが選択される。したがって、例えば、スローモーション又はファーストモーションの映像を符号化しつつ、本来の速度で映像を再生することも可能になる。
　［映像の元の速度に関連する処理の具体例］
　図９９は、実施の形態に係る復号動作の第１具体例を示すフローチャートである。例えば、復号装置２００のエントロピー復号部２０２が、図９９に示された動作を行う。以下の説明において、画像はピクチャに対応し得る。
　この例において、まず、ビットストリームから倍率（Ｓｃａｌｅ　Ｆａｃｔｏｒ）が復号される（Ｓ３０１）。ここで、倍率は、ビットストリームから復号された各画像の複数の復号タイミング及び複数の出力タイミングのスケーリングに用いられる。また、倍率は、スローモーション又はファーストモーションの映像としてビットストリームに符号化された映像から本来の速度で映像を再生するための倍率であってもよい。つまり、倍率は、上述の元速度情報に対応し得る。
　次に、画像の復号時間に関連する復号時間パラメータが、ビットストリームから復号される（Ｓ３０２）。一例では、復号時間パラメータは、整数値の数であり、これに関連する画像の復号時間の導出に用いられる。また、復号時間は、画像のＣＰＢ（Ｃｏｄｅｄ　Ｐｉｃｔｕｒｅ　Ｂｕｆｆｅｒ）除去時間に対応し得る。
　次に、画像の出力時間に関連する出力時間パラメータがビットストリームから復号される（Ｓ３０３）。一例では、出力時間パラメータは、整数値の数であり、この数値を用いて画像の出力時間を導出する。また、出力時間は、画像のＤＰＢ（Ｄｅｃｏｄｅｄ　Ｐｉｃｔｕｒｅ　Ｂｕｆｆｅｒ）出力時間に対応し得る。また、出力時間パラメータは、映像を第１時間で再生するための上述の出力時間情報に対応し得る。
　次に、復号装置２００によって取得される信号が第１速度で画像を表示することを示す場合に、復号時間パラメータ及び出力時間パラメータを用いて、画像が第１速度で復号される（Ｓ３０４）。後述の通り、復号装置２００は、復号装置２００の外部から信号を取得してもよい。あるいは、復号装置２００は、復号装置２００の内部メモリ等から設定情報として信号を取得してもよい。ここで、画像を第１速度で表示することは、例えば、映像を第１速度で再生することを意味する。
　一例では、第１速度は、ビットストリームに符号化された映像の復号速度及び／又は出力速度に対応していてもよく、ビットストリームに符号化された各画像のＣＰＢ除去時間及びＤＰＢ出力時間である第１ＣＰＢ除去時間及び第１ＤＰＢ出力時間によって表現され得る。
　最後に、信号が画像を第２速度で表示することを示す場合、復号時間パラメータ、出力時間パラメータ及び倍率を用いて、画像が第２速度で復号される（Ｓ３０５）。一例では、画像の第２ＣＰＢ除去時間は、ビットストリームから復号された復号時間パラメータ及び倍率を用いて導出される。画像の第２ＤＰＢ出力時間は、ビットストリームから復号された出力時間パラメータ及び倍率を用いて導出される。
　そして、第２速度は、各画像の第２ＣＰＢ除去時間と第２ＤＰＢ出力時間によって表現され得る。信号が第２速度で画像を表示することを示す場合、復号装置２００から出力される映像は、第２速度で再生される。ここで、第２速度は、第１速度とは異なる。
　図１００は、実施の形態に係る復号システムの構成を示すブロック図である。図１００に示すように、例えば、信号は、復号装置２００の外部のモジュール４００から復号装置２００へ入力される。このモジュール４００は、信号送信器であってもよく、システムレイヤモジュール、ビデオプレーヤーモジュール又はハードウェア制御モジュールであってもよい。
　信号が画像を第１速度で表示することを示す場合、復号装置２００から出力された映像は、表示装置３００において第１速度で再生される。また、信号が画像を第２速度で表示することを示す場合、復号装置２００から出力された映像は、表示装置３００において第２速度で再生される。
　図１０１Ａは、ビットストリームにおける元速度情報（例えば倍率）の位置の例を示す概念図である。この例において、元速度情報は、ビットストリームにおいて１つの符号化画像を有するアクセスユニットのデータに含まれる。元速度情報は、各アクセスユニットのデータに含まれていてもよい。
　図１０１Ｂは、ビットストリームにおける元速度情報（例えば倍率）の位置の別の例を示す概念図である。この例において、元速度情報は、ビットストリームにおいて１つの符号化画像を有するアクセスユニットのデータとは別のヘッダに含まれる。そして、復号装置２００は、ヘッダから元速度情報を復号する。
　なお、アクセスユニットは、ＤＰＢからの出力が同じ時間である複数の符号化画像を有する単位である。アクセスユニットは、上述した通り、ビットストリームにおいて１つの符号化画像を有していてもよい。
　なお、ヘッダとは、アクセスユニットよりも前に付与され、かつ、符号化に用いられるパラメータが記述される領域である。ヘッダは、図２に示される、ビデオパラメーターセット、シーケンスパラメータセット、又は、ピクチャパラメータセットに対応していてもよい。
　あるいは、元速度情報は、ビットストリームにおけるＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）に含まれていてもよい。復号装置２００は、ＳＥＩから元速度情報を復号してもよい。ヘッダは、ＳＥＩに対応していてもよい。
　例えば、倍率は、整数値で表現されてもよい。あるいは、倍率は、浮動小数点値で表現されてもよい。
　図１０２は、実施の形態に係る復号動作の第２具体例を示すフローチャートである。例えば、復号装置２００のエントロピー復号部２０２は、図１０２に示された動作を行ってもよい。図１０２に示された例は、図９９に示された例とほぼ同じであるが、図１０２において、表現形式が変更され、また、部分的な補足が加えられている。
　この例において、図９９の例と同様に、倍率がビットストリームから復号される（Ｓ４０１）。また、画像の復号時間に関連する復号時間パラメータがビットストリームから復号される（Ｓ４０２）。また、画像の出力時間に関連する出力時間パラメータがビットストリームから復号される（Ｓ４０３）。また、復号装置２００の外部のモジュール４００から符号化された信号が取得され、符号化された信号が復号される。そして、画像を表示する速度として第１速度及び第２速度のいずれを信号が示しているかが判定される（Ｓ４０４）。
　信号が第１速度で画像を表示することを示す場合（Ｓ４０４で第１速度）、画像は、ビットストリームから復号された復号時間パラメータ及び出力時間パラメータを用いて、第１速度で復号され表示される（Ｓ４０５）。信号が第２速度で画像を表示することを示す場合、画像は、ビットストリームから復号された復号時間パラメータ、出力時間パラメータ及び倍率を用いて、第２速度で復号され表示される（Ｓ４０６）。信号が取得されない場合、復号装置２００は、デフォルトとして第１速度で画像を復号し表示してもよい。
　図１０３Ａ及び図１０３Ｂには、倍率の異なる複数の値に対応する複数の例が示されている。
　図１０３Ａは、倍率が０．５である場合における復号及び出力が行われる時間を示すタイムチャートである。ここでは、第１速度は、ビットストリームから復号された復号時間パラメータ及び出力時間パラメータに従って画像を復号し出力する速度に対応する。また、ここでは、参照しやすいように、復号時間及び出力時間は、同じと仮定されるが、復号時間及び出力時間は、異なっていてもよい。
　０．５の倍率では、第２速度は、第１速度の０．５倍であり、第２速度では、第１速度に比べて画像が２倍遅く復号され出力される。例えば、第１速度において、複数の画像で構成される映像は、ファーストモーション（通常の動きよりも２倍速い動き）を提示する。第２速度において、複数の画像で構成される映像は、通常の動き（第１速度の動きよりも２倍遅い動き）を提示する。通常の動きとは、カメラ又はセンサ等で撮影した符号化前の動きである。
　なお、第１速度において、複数の画像で構成される映像は、通常の動きを提示してもよい。そして、第２速度において、複数の画像で構成される映像は、スローモーション（第１速度の動きよりも２倍遅い動き）を提示してもよい。
　図１０３Ｂは、倍率が２である場合における復号及び出力が行われる時間を示すタイムチャートである。図１０３Ａと同様に、第１速度は、ビットストリームから復号された復号時間パラメータ及び出力時間パラメータに従って画像を復号し出力する速度に対応する。また、図１０３Ａと同様に、復号時間及び出力時間は、同じと仮定されるが、復号時間及び出力時間は、異なっていてもよい。
　２の倍率では、第２速度は、第１速度の２倍であり、第２速度では、第１速度に比べて画像が２倍速く復号され出力される。例えば、第１速度において、複数の画像で構成される映像は、スローモーション（通常の動きよりも２倍遅い動き）を提示する。第２速度において、複数の画像で構成される映像は、通常の動き（第１速度の動きよりも２倍速い動き）を提示する。
　なお、第１速度において、複数の画像で構成される映像は、通常の動きを提示してもよい。そして、第２速度において、複数の画像で構成される映像は、ファーストモーション（第１速度の動きよりも２倍速い動き）を提示してもよい。
　図１０３Ｃは、倍率が２である場合における選択的な復号及び出力が行われる時間を示すタイムチャートである。２の倍率の場合の更なる変形例として、復号装置２００は、図１０３Ｃに示されるように、第２の速度で画像を選択的に復号し出力してもよい。これにより、復号装置２００の処理量が低減され得る。具体的には、この例において、画像１、３及び５は復号され表示され、画像２及び４は復号されず表示されない。すなわち、画像２及び４の復号及び表示がスキップされる。
　図１０３Ｄは、複数のテンポラルサブレイヤで符号化された複数の画像の例を示す概念図である。図１０３Ｄに示されるようなテンポラルサブレイヤが用いられてもよい。具体的には、画像１、３及び５は、Ｔｉｄ０（つまり、値が０であるテンポラルＩＤ）で識別されるテンポラルサブレイヤに対応する同じセットにおいて符号化される。そして、画像２及び４は、Ｔｉｄ１（つまり、値が１であるテンポラルＩＤ）で識別されるテンポラルサブレイヤに対応する別のセットにおいて符号化される。
　オペレーティングポイント（具体的には、復号装置２００によって第２速度で復号可能なテンポラルサブレイヤ）を示すことを目的として、各テンポラルサブレイヤに対してレベル（ｌｅｖｅｌ＿ｉｄｃ）が符号化されてもよい。各テンポラルサブレイヤのｌｅｖｅｌ＿ｉｄｃは、倍率が符号化されるヘッダ又はＳＥＩと同じヘッダ又はＳＥＩで符号化されてもよい。
　復号装置２００のオペレーティングポイントが、テンポラルサブレイヤのｌｅｖｅｌ＿ｉｄｃよりも低い場合、復号装置２００は、そのテンポラルサブレイヤの復号をスキップしてもよい。
　具体的には、図１０３Ｃの例において、２の倍率で画像が復号され出力される場合、復号速度を上げるため、より高いオペレーティングポイントを有する復号装置２００が要求されてもよい。例えば、Ｔｉｄ１に対応する複数の画像には、Ｔｉｄ０に対応する複数の画像のｌｅｖｅｌ＿ｉｄｃよりも高いｌｅｖｅｌ＿ｉｄｃが割り当てられる。そのため、より高いオペレーティングポイントを有する復号装置２００が要求されてもよい。
　別の例において、復号装置２００は、第２速度で複数の画像を復号出力する際に、Ｔｉｄ１に対応する複数の画像の復号をスキップして、第１速度で複数の画像を復号して出力する動作性能と同じ動作性能を維持することを選択してもよい。この場合、オペレーティングポイントが高くなくてもよい。
　各テンポラルサブレイヤのレベル（ｌｅｖｅｌ＿ｉｄｃ）をシグナリングする例については、図１０４Ｃを用いて後述する。
　図１０４Ａ及び図１０４Ｂは、元速度情報（具体的には倍率）をシグナリングするためのシンタックス構造の異なる複数の例を示す。元速度情報は、ヘッダ又はＳＥＩに配置され得る。したがって、これらのシンタックス構造は、ヘッダ又はＳＥＩに含まれ得る。
　図１０４Ａは、元速度情報に関連するシンタックス構造の例を示すシンタックス図である。図１０４Ａの例では、１つの値を示す倍率（ｓｃａｌｅ＿ｆａｃｔｏｒ）が元速度情報として復号される。この値は、倍率自体を表してもよい。あるいは、この値は、ルックアップテーブルを参照してルックアップテーブルの中から倍率を選択するためのインデックス値であってもよい。
　図１０４Ｂは、元速度情報に関連するシンタックス構造の別の例を示すシンタックス図である。図１０４Ｂでは、元速度情報として、複数のパラメータが復号される。例えば、倍率の分子（ｓｃａｌｅ＿ｆａｃｔｏｒ＿ｎｏｍｉｎａｔｏｒ）及び分母（ｓｃａｌｅ＿ｆａｃｔｏｒ＿ｄｅｎｏｍｉｎａｔｏｒ）が元速度情報として復号される。倍率は、分母で分子を割ることによって算出される。算出される値は、浮動小数点値表現であってもよいし、あるいは、固定小数点値表現に丸められた値であってもよい。
　第２速度に対応する第２復号速度及び第２出力速度は、それぞれ、復号時間パラメータ及び出力時間パラメータに、倍率を乗算（又は倍率に対応する値の左シフトを適用）することで算出される。別の例では、第２復号速度及び第２出力速度は、それぞれ、復号時間パラメータ及び出力時間パラメータを倍率で割る（又は倍率に対応する値の右シフトを適用する）ことで算出される。
　別の例において、他の情報から倍率は導出されてもよい。例えば、倍率は、ビットストリームに存在する複数の復号時間パラメータ又は複数の出力時間パラメータから導出され得る。別の例において、倍率は、図１０４Ａ又は図１０４Ｂを用いてシグナリングされた複数の値から算出されることで導出されてもよい。
　以下の式では、シグナリングされた倍率（ｓｃａｌｅ＿ｆａｃｔｏｒ）から、復号時間パラメータ又は複数の出力時間パラメータに適用される倍率（ｓｃａｌｅ　ｆａｃｔｏｒ）が算出される。
　　tmpScaleFactor = scale_factor - 16
　　if( tmpScaleFactor < 0 )
　　　scale factor = 1 ÷ |tmpScaleFactor|
　　else
　　　scale factor = tmpScaleFactor + 1
　上記の式において、ｓｃａｌｅ＿ｆａｃｔｏｒの値が１６である場合、算出される倍率の値は１である。この場合、スケーリングが行われない。そして、上記の式において、ｓｃａｌｅ＿ｆａｃｔｏｒの値が１６よりも小さい場合、値が１よりも小さい倍率が算出され、図１０３Ａの例が得られる。ｓｃａｌｅ＿ｆａｃｔｏｒの値が１６以上である場合、値が１以上である倍率が算出され、図１０３Ｂの例が得られる。
　図１０４Ｃは、元速度情報に関連するシンタックス構造の更に別の例を示すシンタックス図である。図１０４Ｃには、元速度情報（具体的には倍率）と共にテンポラルサブレイヤのレベル（ｌｅｖｅｌ＿ｉｄｃ）をシグナリングするための例が示されている。
　なお、倍率は、ビットストリーム内の別の場所で個別にシグナリングされてもよい。また、記述子（Ｄｅｓｃｒｉｐｔｏｒ）におけるｕ（ｎ）は、ｎビットの整数を表す。つまり、ｕ（ｎ）は、符号化パラメータがｎビットの整数で表現されることを表す。ただし、ここで示される記述子は例であり、記述子は、ここで示される例に限られない。例えば、ｕ（１０）の記述子は、可能な値の大きさの一例に過ぎない。ｕ（２）、ｕ（３）、ｕ（４）、ｕ（５）、ｕ（６）、ｕ（７）、ｕ（８）などの他の可能な記述子が用いられてもよい。
　ここで、ｓｕｂｌａｙｅｒ＿ｉｎｆｏ＿ｐｒｅｓｅｎｔ＿ｆｌａｇは、テンポラルサブレイヤのレベル（ｌｅｖｅｌ＿ｉｄｃ）のパラメータが存在するか否かを示す。また、ｍａｘ＿ｓｕｂｌａｙｅｒｓ＿ｍｉｎｕｓ１は、ビットストリームにおいて存在するテンポラルサブレイヤ数を示す。この値は、ビットストリームのＳＰＳでシグナリングされる値と同じである。
　また、ｓｕｂｌａｙｅｒ＿ｌｅｖｅｌ＿ｐｒｅｓｅｎｔ＿ｆｌａｇ［ｉ］は、インデックス値がｉであるテンポラルサブレイヤのレベル（ｌｅｖｅｌ＿ｉｄｃ）が存在するか否かを示す。この情報が存在しない場合、ＳＰＳで指定されるデフォルトのレベル（ｌｅｖｅｌ＿ｉｄｃ）が用いられる。また、ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿ｂｉｔは、バイトアライメントの目的で複数のビットの割り当てに用いられる。
　また、ｓｕｂｌａｙｅｒ＿ｌｅｖｅｌ＿ｉｄｃ［ｉ］は、インデックス値がｉであるテンポラルサブレイヤのレベル（ｌｅｖｅｌ＿ｉｄｃ）を示す。
　なお、図１０４Ｃでは、元速度情報が、テンポラルサブレイヤ情報の前に符号化されている。言い換えると、複数のサブレイヤが存在している場合も、複数のサブレイヤに対して同一の元速度情報が用いられる。しかしながら、複数のサブレイヤに対して、異なる元速度情報が用いられてもよい。この場合のシンタックス構造は、例えば、先に、テンポラルサブレイヤ数を示すｍａｘ＿ｓｕｂｌａｙｅｒｓ＿ｍｉｎｕｓ１があり、後に、そのサブレイヤの数の元速度情報を読み取るように構成されていてもよい。
　なお、図１０４Ｃの例では、元速度情報が複数のパラメータで示されているが、図１０４Ａの例のように、元速度情報が１つのパラメータで示されてもよい。
　図１０４Ｄは、元速度情報に関連するシンタックス構造の更に別の例を示すシンタックス図である。この例では、複数のテンポラルサブレイヤにおいて最も高いレベル（ｌｅｖｅｌ＿ｉｄｃ）のパラメータが、各テンポラルサブレイヤのレベル（ｌｅｖｅｌ＿ｉｄｃ）のパラメータとは別途にシグナリングされる。
　ここで、ｍａｘ＿ｓｕｂｌａｙｅｒ＿ｌｅｖｅｌ＿ｉｄｃは、複数のテンポラルサブレイヤにおいて要求される最も高いレベル（ｌｅｖｅｌ＿ｉｄｃ）を示す。要求される最も高いレベル（ｌｅｖｅｌ＿ｉｄｃ）は、最も高いテンポラルサブレイヤのレベル（ｌｅｖｅｌ＿ｉｄｃ）であってもよい。なお、この場合、各テンポラルサブレイヤのレベル（ｌｅｖｅｌ＿ｉｄｃ）のシグナリングにおいて、最も高いテンポラルサブレイヤのレベル（ｌｅｖｅｌ＿ｉｄｃ）のシグナリングが省略されてもよい。
　本開示において、例えば、復号時間パラメータは、画像の復号時間を示し、画像がＣＰＢ（Ｃｏｄｅｄ　Ｐｉｃｔｕｒｅ　Ｂｕｆｆｅｒ）から除去される時間を示す。具体的には、復号時間パラメータは、初期到着最早時間（Ｉｎｉｔｉａｌ　Ａｒｒｉｖａｌ　Ｅａｒｌｉｅｓｔ　Ｔｉｍｅ）、最終到着時間（Ｆｉｎａｌ　Ａｒｒｉｖａｌ　Ｔｉｍｅ）、標準除去時間（Ｎｏｍｉｎａｌ　Ｒｅｍｏｖａｌ　Ｔｉｍｅ）、及び、ＣＰＢ除去時間（ＣＰＢ　Ｒｅｍｏｖａｌ　Ｔｉｍｅ）に関連する。
　また、例えば、出力時間パラメータは、画像の出力時間を示し、画像がＤＰＢ（Ｄｅｃｏｄｅｄ　Ｐｉｃｔｕｒｅ　Ｂｕｆｆｅｒ）から出力される時間を示す。具体的には、出力時間パラメータは、ＤＰＢ出力時間（ＤＰＢ　Ｏｕｔｐｕｔ　Ｔｉｍｅ）に関連する。
　カレント画像の復号時間及び出力時間は、それぞれ、以下のように導出され得る。
　　「初期到着最早時間」＝「標準除去時間」－「初期ＣＰＢ除去遅延」÷「倍率」÷９００００
　　「初期到着時間」＝ｍａｘ（「前画像の最終到着時間」、「初期到着最早時間」）
　　「最終到着時間」＝「初期到着時間」＋「画像のビットサイズ」×「ビットレート」×「倍率」
　　「最初のフレームの標準除去時間」＝「初期ＣＰＢ除去遅延」÷「倍率」÷９００００
　　「後続のフレームの標準除去時間」＝「ベースタイム」＋「クロックティック」×（「ＣＰＢ除去遅延」－「ＣＰＢ遅延オフセット」）÷「倍率」
　　「ＤＰＢ出力時間」＝「ＣＰＢ除去時間」＋「クロックティック」×（「ＤＰＢ出力遅延」－「ＤＰＢ出力デルタ」）÷「倍率」
　ここで、値が１である倍率は、第２速度が第１速度と同じであることを表し、値が１以外である倍率は、第２速度が第１速度とは異なることを表す。また、「クロックティック」は、復号装置２００によって用いられるクロックティック時間を表す。また、「初期ＣＰＢ除去遅延」は、複数の画像ビットが復号される前の初期遅延時間を示す。また、「標準除去時間」は、画像がＣＰＢから除去される標準時間を示す。
　また、「初期到着時間」は、画像の最初のビットがＣＰＢに到着した時間を示す。また、「最終到着時間」は、画像のすべてのビットがＣＰＢに到着した時間を示す。また、「ＣＰＢ除去時間」は、画像がＣＰＢバッファから除去され、出力の準備が整った時間を示し、標準除去時間から導かれる。また、「ＤＰＢ出力時間」は、画像が表示装置３００に出力される必要がある時間を示す。
　図１０５は、速度情報に関連するシンタックス構造の例を示すシンタックス図である。例えば、複数の倍率が１つのヘッダ又はＳＥＩに含まれてもよい。各倍率は、復号及び出力に関する１つの速度を示す。図１０５には、１つ以上の倍率がヘッダ又はＳＥＩに含まれる場合のシンタックスの例が示されている。
　別の変形例において、複数のＳＥＩが同じアクセスユニット内でシグナリングされ、各ＳＥＩが、復号及び出力に関する１つの速度を示す１つの倍率を含んでいてもよい。各ＳＥＩ内の倍率は、図１０４Ａ又は図１０４Ｂの例を用いてシグナリングされてもよい。
　複数の倍率がシグナリングされる場合、１つの倍率が元の速度に対応し、その他の１つ以上の倍率が元の速度とは別の速度に対応していてもよい。これにより、別の速度で再生が行われてもよい。
　別の変形例において、元速度情報として、倍率ではなく速度を直接シグナリングしてもよい。シグナリングされた元速度情報は、第２速度、すなわち、復号及び出力に関する実際の速度を表してもよい。例えば、第１速度が毎秒３０フレームの復号であり、第２速度が毎秒６０フレームの復号である場合、（適用対象の倍率を示す）２がシグナリングされてもよいし、又は、（復号及び出力に関する実際の速度を示す）６０がシグナリングされてもよい。なお、元速度情報が第２速度を示す場合の具体的な手段は、１秒当たりに表示するフレーム数を表示する例に限らない。元速度情報は、フレーム間が何秒であるか、すなわち、フレーム間のインターバルを示していてもよい。
　別の変形例において、倍率以外のフラグが、シグナリングされてもよく、復号及び出力に関する実際の速度の形態を表してもよい。例えば、第１速度と第２速度との関係を表すフラグであってもよい。第１速度が、実際の速度である第２速度よりも速いこと（ファーストモーション）であることをフラグが示していてもよいし、第１速度が、実際の速度である第２速度よりも遅いこと（スローモーション）であることをフラグが示していてもよい。また、シグナリングされる値が倍率又は速度のいずれを表すかを示すフラグがシグナリングされてもよい。なお、本別の変形例において、フラグは、３値以上の値のいずれかを示すパラメータであってもよい。
　上記の構成及び処理では、画像の復号及び出力に関して複数の速度をシグナリングすることが可能になる場合がある。したがって、復号装置２００が復号及び出力に関して異なる２つの時間を得ることが可能になる場合がある。例えば、スローモーション映像を記録するユースケースにおいて、映像の実際の速度の情報も同じビットストリームに含めることが可能になる場合がある。したがって、視聴及びポストプロダクション作業に役立つ可能性がある。
　また、図１０４Ｃの例のように、テンポラルサブレイヤ毎にレベルをシグナリングすることによって、復号装置２００が処理対象のテンポラルサブレイヤに従って復号に適した画像間隔（ピクチャ間隔）で画像の復号及び出力を行うことが可能になる場合がある。
　また、図１０５の例のように、複数の速度の情報をシグナリングすることによって、元の速度以外の速度で再生を行うことが可能になる場合がある。さらに、複数のテンポラルサブレイヤにそれぞれ対応する複数の速度の情報をシグナリングすることが可能になる場合がある。そして、これにより、複数のテンポラルサブレイヤにそれぞれ対応する複数の速度のそれぞれで処理を行うことが可能になる場合がある。
　なお、上記では、主に復号処理が示されているが、符号化処理において復号処理に対応する処理が行われてもよい。また、上述された構成及び処理の全てが常に必要ではなく、上述された構成及び処理の一部のみが用いられてもよい。
　なお、本開示における「速度」とは、１秒間の動画像を構成するピクチャ数（ｆｐｓ：ｆｒａｍｅｓ　ｐｅｒ　ｓｅｃｏｎｄ）であってもよいし、ピクチャ間の時間的間隔で示される値であってもよい。
　［映像の元の速度に関連する処理の代表例］
　図１０６は、符号化装置１００が行う符号化動作における基本的な処理を示すフローチャートである。例えば、符号化装置１００は、回路、及び、回路に接続されたメモリを備える。符号化装置１００が備える回路及びメモリは、図８に示されるプロセッサａ１及びメモリａ２に対応していてもよい。符号化装置１００の回路は、動作において、以下を行う。
　例えば、符号化装置１００の回路は、映像をビットストリームに符号化する。ここで、映像は、映像の元の速度とは異なる第１速度で出力されるように指定されている。また、映像の符号化において、符号化装置１００の回路は、映像の元の速度である第２速度に関連する元速度情報をビットストリームに符号化する（Ｓ５０１）。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームに符号化することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　また、符号化装置１００の回路は、時刻情報とスケール情報とを元速度情報としてビットストリームに符号化してもよい。また、第２速度は、時刻情報とスケール情報とに基づいて算出されてもよい。これにより、第２速度を指定することが可能になる場合がある。したがって、本来の速度で動作を行うことが可能になる場合がある。
　また、符号化装置１００の回路は、映像の出力時間に関連する出力時間情報をビットストリームに符号化してもよい。これにより、映像の出力時間を指定することが可能になる場合がある。そして、映像の出力時間を調整することが可能になる場合がある。
　また、符号化装置１００の回路は、出力時間情報を用いて、映像を第１速度で再生するための処理タイミングを示す第１タイミング情報を導出してもよい。また、符号化装置１００の回路は、元速度情報を用いて、映像を第２速度で再生するための処理タイミングを示す第２タイミング情報を導出してもよい。これにより、出力時間情報を用いて、第１速度に対応する第１タイミング情報を的確に導出し、元速度情報を用いて、第２速度に対応する第２タイミング情報を的確に導出することが可能になる場合がある。
　また、符号化装置１００の回路は、元速度情報をビットストリームに含まれるヘッダに符号化してもよい。これにより、元の速度に関連する情報を映像データに対するヘッダ情報として効率的に符号化することが可能になる場合がある。
　また、符号化装置１００の回路は、元速度情報をビットストリームに含まれるＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）に符号化してもよい。これにより、元の速度に関連する情報を映像データに対する付加情報として効率的に符号化することが可能になる場合がある。
　また、元速度情報は、映像を第２速度で再生するための映像のピクチャ間隔を示してもよい。これにより、映像を元の速度で再生するためのピクチャ間隔を示す元速度情報を符号化することが可能になる場合がある。したがって、ピクチャ間隔に従って本来の速度で映像を再生することが可能になる場合がある。
　また、元速度情報は、第１速度に対する第２速度の倍率を示してもよい。これにより、映像を元の速度で再生するための倍率を示す元速度情報を符号化することが可能になる場合がある。したがって、倍率に従って本来の速度で映像を再生することが可能になる場合がある。
　また、元速度情報は、分子パラメータ及び分母パラメータを含んでいてもよい。そして、倍率は、分子パラメータを分母パラメータで除算することによって示されてもよい。これにより、倍率を分子パラメータ及び分母パラメータに従って的確に指定することが可能になる場合がある。
　また、符号化装置１００の回路は、映像が第２速度で再生される場合に復号装置２００に要求される適合能力レベルをビットストリームに含まれるテンポラルサブレイヤ毎にビットストリームに符号化してもよい。これにより、映像を元の速度で再生するためのテンポラルサブレイヤを復号装置２００の適合能力レベルに従って効率的に指定することが可能になる場合がある。
　また、符号化装置１００の回路は、映像が第１速度で再生される場合に復号装置２００に要求される第１適合能力レベルと、映像が第２速度で再生される場合に復号装置２００に要求される第２適合能力レベルとをビットストリームに符号化してもよい。
　これにより、映像を第１速度で再生するための適合能力レベルと、映像を第２速度で再生するための適合能力レベルとを符号化することが可能になる場合がある。したがって、映像を第１速度で再生することが可能か否か、及び、映像を第２速度で再生することが可能か否かを復号装置２００の適合能力レベルに従って効率的に判定することが可能になる場合がある。
　また、第１速度は、スローモーション又はファーストモーションに対応していてもよい。そして、符号化装置１００の回路は、スローモーションの映像又はファーストモーションの映像として映像をビットストリームに符号化してもよい。
　これにより、映像をスローモーション又はファーストモーションの映像として符号化する際に、元の速度に関連する情報を符号化することが可能になる場合がある。したがって、スローモーション又はファーストモーションの映像として符号化された映像を元の速度に関連する情報に従って本来の速度で再生することが可能になる場合がある。
　また、符号化装置１００の回路は、第１速度と第２速度との関係を示す情報を符号化してもよい。これにより、ビットストリームにおける映像の速度と、映像の本来の速度との関係を指定することが可能になる場合がある。したがって、これらの関係に従って、ビットストリームにおける映像の速度から、映像の本来の速度を的確に導出することが可能になる場合がある。
　また、符号化装置１００の回路は、速度情報をビットストリームに符号化してもよい。ここで、速度情報は、第２速度を含む複数の速度に関連する情報であり、映像を各速度で再生するための情報であり、元速度情報を含む情報である。これにより、複数の速度のうちのいずれかの速度で映像を再生することが可能になる場合がある。
　また、例えば、符号化装置１００の回路は、第１速度に対応する復号時間情報をビットストリームに符号化してもよい。ここで、復号時間情報は、映像に含まれるピクチャの復号時間に関連する情報であり、映像を第１速度で再生するための情報である。また、例えば、符号化装置１００の回路は、出力時間情報及び復号時間情報をビットストリームにおけるヘッダ又はＳＥＩに符号化してもよい。
　また、例えば、符号化装置１００のエントロピー符号化部１１０が、符号化装置１００の回路として、上述された動作を行ってもよい。また、エントロピー符号化部１１０は、他の構成要素と協働して、上述された動作を行ってもよい。
　また、符号化装置１００は、ビットストリーム出力装置として動作してもよい。具体的には、ビットストリーム出力装置は、回路と、回路に接続されたメモリとを備えていてもよい。
　そして、ビットストリーム出力装置の回路は、映像をビットストリームに符号化して、ビットストリームを出力してもよい。ここで、映像は、映像の元の速度とは異なる第１速度で出力されるように指定されている。映像の符号化において、ビットストリーム出力装置の回路は、映像の元の速度である第２速度に関連する元速度情報をビットストリームに符号化してもよい。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームに符号化することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　図１０７は、復号装置２００が行う復号における基本的な処理を示すフローチャートである。例えば、復号装置２００は、回路、及び、回路に接続されたメモリを備える。復号装置２００が備える回路及びメモリは、図６８に示されるプロセッサｂ１及びメモリｂ２に対応していてもよい。復号装置２００の回路は、動作において、以下を行う。
　例えば、復号装置２００の回路は、映像をビットストリームから復号する。ここで、映像は、映像の元の速度とは異なる第１速度で出力されるように指定されている。また、映像の復号において、復号装置２００の回路は、映像の元の速度である第２速度に関連する元速度情報をビットストリームから復号する（Ｓ６０１）。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームから復号することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　また、復号装置２００の回路は、時刻情報とスケール情報とを元速度情報としてビットストリームから復号してもよい。また、第２速度は、時刻情報とスケール情報とに基づいて算出されてもよい。これにより、第２速度を指定することが可能になる場合がある。したがって、本来の速度で動作を行うことが可能になる場合がある。
　また、復号装置２００の回路は、映像の出力時間に関連する出力時間情報をビットストリームから復号してもよい。これにより、映像の出力時間を指定することが可能になる場合がある。そして、映像の出力時間を調整することが可能になる場合がある。
　また、復号装置２００の回路は、信号を取得してもよい。そして、復号装置２００の回路は、映像を第１速度で再生することを信号が示す場合、出力時間情報を用いて、映像を第１速度で再生してもよい。また、復号装置２００の回路は、映像を第２速度で再生することを信号が示す場合、元速度情報を用いて、映像を第２速度で再生してもよい。これにより、出力時間情報を用いて、映像を第１速度で再生する処理と、元速度情報を用いて、映像を第２速度で再生する処理とを信号に従って切り替えることが可能になる場合がある。
　また、復号装置２００の回路は、元速度情報をビットストリームに含まれるヘッダから復号してもよい。これにより、元の速度に関連する情報を映像データに対するヘッダ情報として効率的に復号することが可能になる場合がある。
　また、復号装置２００の回路は、元速度情報をビットストリームに含まれるＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）から復号してもよい。これにより、元の速度に関連する情報を映像データに対する付加情報として効率的に復号することが可能になる場合がある。
　また、元速度情報は、映像を第２速度で再生するための映像のピクチャ間隔を示してもよい。これにより、映像を元の速度で再生するためのピクチャ間隔を示す元速度情報を復号することが可能になる場合がある。したがって、ピクチャ間隔に従って本来の速度で映像を再生することが可能になる場合がある。
　また、元速度情報は、第１速度に対する第２速度の倍率を示してもよい。これにより、映像を元の速度で再生するための倍率を示す元速度情報を復号することが可能になる場合がある。したがって、倍率に従って本来の速度で映像を再生することが可能になる場合がある。
　また、元速度情報は、分子パラメータ及び分母パラメータを含んでいてもよい。そして、倍率は、分子パラメータを分母パラメータで除算することによって示されてもよい。これにより、倍率を分子パラメータ及び分母パラメータに従って的確に指定することが可能になる場合がある。
　また、復号装置２００の回路は、映像が第２速度で再生される場合に復号装置２００に要求される適合能力レベルをビットストリームに含まれるテンポラルサブレイヤ毎にビットストリームから復号してもよい。これにより、映像を元の速度で再生するためのテンポラルサブレイヤを復号装置２００の適合能力レベルに従って効率的に指定することが可能になる場合がある。
　また、復号装置２００の回路は、映像が第１速度で再生される場合に復号装置２００に要求される第１適合能力レベルと、映像が第２速度で再生される場合に復号装置２００に要求される第２適合能力レベルとをビットストリームから復号してもよい。
　これにより、映像を第１速度で再生するための適合能力レベルと、映像を第２速度で再生するための適合能力レベルとを復号することが可能になる場合がある。したがって、映像を第１速度で再生することが可能か否か、及び、映像を第２速度で再生することが可能か否かを復号装置２００の適合能力レベルに従って効率的に判定することが可能になる場合がある。
　また、第１速度は、スローモーション又はファーストモーションに対応していてもよい。そして、復号装置２００の回路は、スローモーションの映像又はファーストモーションの映像としてビットストリームに符号化された映像をビットストリームから復号してもよい。
　これにより、スローモーション又はファーストモーションの映像として符号化された映像を復号する際に、元の速度に関連する情報を復号することが可能になる場合がある。したがって、スローモーション又はファーストモーションの映像として符号化された映像を元の速度に関連する情報に従って本来の速度で再生することが可能になる場合がある。
　また、復号装置２００の回路は、第１速度と第２速度との関係を示す情報を復号してもよい。これにより、ビットストリームにおける映像の速度と、映像の本来の速度との関係を指定することが可能になる場合がある。したがって、これらの関係に従って、ビットストリームにおける映像の速度から、映像の本来の速度を的確に導出することが可能になる場合がある。
　また、復号装置２００の回路は、速度情報をビットストリームから復号してもよい。ここで、速度情報は、第２速度を含む複数の速度に関連する情報であり、映像を各速度で再生するための情報であり、元速度情報を含む情報である。これにより、複数の速度のうちのいずれかの速度で映像を再生することが可能になる場合がある。
　また、例えば、復号装置２００の回路は、第１速度に対応する復号時間情報をビットストリームから復号してもよい。ここで、復号時間情報は、映像に含まれるピクチャの復号時間に関連する情報であり、映像を第１速度で再生するための情報である。また、例えば、復号装置２００の回路は、出力時間情報及び復号時間情報をビットストリームにおけるヘッダ又はＳＥＩから復号してもよい。
　また、例えば、復号装置２００のエントロピー復号部２０２が、復号装置２００の回路として、上述された動作を行ってもよい。また、エントロピー復号部２０２は、他の構成要素と協働して、上述された動作を行ってもよい。
　また、ビットストリームを記憶する非一時的なコンピュータ読み取り可能な記録媒体が利用されてもよい。ビットストリームは、映像と元速度情報とを含んでいてもよい。ここで、映像は、映像の元の速度とは異なる第１速度で出力されるように指定されている。また、元速度情報は、映像の元の速度である第２速度に関連する情報である。
　これにより、映像の速度として指定された第１速度とは異なる元の速度つまり映像の本来の速度である第２速度に関連する元速度情報をビットストリームから導出することが可能になる場合がある。したがって、ビットストリームから本来の速度で映像を再生することが可能になる場合がある。
　なお、再生は、復号に対応していてもよいし、出力に対応していてもよいし、表示に対応していてもよいし、これらの任意の組み合わせに対応していてもよい。
　また、時刻情報は、上述された復号時間パラメータ、出力時間パラメータ又はそれらの両方に対応していてもよい。また、スケール情報は、上述された倍率に対応していてもよい。
　［その他の例］
　上述された各例における符号化装置１００及び復号装置２００は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。
　あるいは、符号化装置１００は、エントロピー符号化装置として利用されてもよいし、復号装置２００は、エントロピー復号装置として利用されてもよい。例えば、符号化装置１００は、エントロピー符号化部１１０のみに対応し、復号装置２００は、エントロピー復号部２０２のみに対応していてもよい。そして、他の構成要素は、他の装置に含まれていてもよい。
　また、符号化装置１００は、入力部及び出力部を備えていてもよい。例えば、符号化装置１００の入力部へ１つ以上のピクチャが入力され、符号化装置１００の出力部からビットストリームが出力される。復号装置２００も、入力部及び出力部を備えていてもよい。例えば、復号装置２００の入力部へビットストリームが入力され、復号装置２００の出力部から１つ以上のピクチャが出力される。ビットストリームは、可変長符号化が適用された量子化係数と、制御情報とを含んでいてもよい。
　また、符号化するという表現は、格納する、含める、書き込む、記述する、信号化する、送り出す、通知する、又は、保存する等の表現に置き換えられてもよく、これらの表現が相互に置き換えられてもよい。例えば、情報を符号化することは、ビットストリームに情報を含めることであってもよい。また、情報をビットストリームに符号化することは、情報を符号化して、符号化された情報を含むビットストリームを生成することを意味してもよい。
　また、復号するという表現は、読み出す、読み解く、読み取る、読み込む、導出する、取得する、受け取る、抽出する、又は、復元する等の表現に置き換えられてもよく、これらの表現が相互に置き換えられてもよい。例えば、情報を復号することは、ビットストリームから情報を取得することであってもよい。また、ビットストリームから情報を復号することは、ビットストリームを復号して、ビットストリームに含まれる情報を取得することを意味してもよい。
　また、上述された各例の少なくとも一部が、符号化方法として利用されてもよいし、復号方法として利用されてもよいし、フィルタ方法として利用されてもよいし、その他の方法として利用されてもよい。
　また、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　具体的には、符号化装置１００及び復号装置２００のそれぞれは、処理回路（Ｐｒｏｃｅｓｓｉｎｇ　Ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された、当該処理回路からアクセス可能な記憶装置（Ｓｔｏｒａｇｅ）とを備えていてもよい。例えば、処理回路はプロセッサａ１又はｂ１に対応し、記憶装置はメモリａ２又はｂ２に対応する。
　処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。
　上述したソフトウェアプログラムの一例は、ビットストリームである。ビットストリームは、符号化された画像と、画像を復号する復号処理を行うためのシンタックスを含む。ビットストリームは、シンタックスに基づく処理を復号装置２００に実行させることで、画像を復号装置２００に復号させる。また、例えば、上述された符号化装置１００又は復号装置２００などを実現するソフトウェアは、次のようなプログラムである。
　例えば、このプログラムは、コンピュータに、映像をビットストリームに符号化し、前記映像の符号化において、前記映像に含まれるピクチャの出力時間に関連する情報であり、前記映像を第１速度で再生するための情報である出力時間情報を前記ビットストリームに符号化し、前記映像の元の速度である第２速度に関連する情報であり、前記映像を前記第２速度で再生するための情報である元速度情報を前記ビットストリームに符号化する、符号化方法を実行させてもよい。
　また、例えば、このプログラムは、コンピュータに、映像をビットストリームから復号し、前記映像の復号において、前記映像に含まれるピクチャの出力時間に関連する情報であり、前記映像を第１速度で再生するための情報である出力時間情報を前記ビットストリームから復号し、前記映像の元の速度である第２速度に関連する情報であり、前記映像を前記第２速度で再生するための情報である元速度情報を前記ビットストリームから復号する、復号方法を実行させてもよい。
　また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
　また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、符号化復号装置が、符号化装置１００及び復号装置２００を備えていてもよい。
　また、説明に用いられた第１及び第２等の序数は、適宜、付け替えられてもよい。また、構成要素などに対して、序数が新たに与えられてもよいし、取り除かれてもよい。また、これらの序数は、要素を識別するため、要素に付けられる場合があり、意味のある順序に対応しない場合がある。
　また、例えば、第１要素、第２要素及び第３要素の少なくとも１つ（又は１つ以上）という表現は、第１要素、第２要素、第３要素、又は、これらの任意の組み合わせに対応する。
　以上、符号化装置１００及び復号装置２００の態様について、複数の例に基づいて説明したが、符号化装置１００及び復号装置２００の態様は、これらの例に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を各例に施したものや、異なる例における構成要素を組み合わせて構築される形態も、符号化装置１００及び復号装置２００の態様の範囲内に含まれてもよい。
　ここで開示された１以上の態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、ここで開示された１以上の態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　［実施及び応用］
　以上の各実施の形態において、機能的又は作用的なブロックの各々は、通常、ＭＰＵ（ｍｉｃｒｏ　ｐｒｏｃｅｓｓｉｎｇ　ｕｎｉｔ）及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行するプロセッサなどのプログラム実行部として実現されてもよい。当該ソフトウェアは、配布されてもよい。当該ソフトウェアは、半導体メモリなどの様々な記録媒体に記録されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも可能である。
　各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例、及び、その応用例を実施する種々のシステムを説明する。このようなシステムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、又は、両方を備える画像符号化復号装置を有することを特徴としてもよい。このようなシステムの他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図１０８は、コンテンツ配信サービスを実現する適切なコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ、図示された例における固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの装置を組合せて接続するようにしてもよい。種々の実施において、基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。さらに、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続されてもよい。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続されてもよい。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１４は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行ってもよく、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化してもよく、得られたデータをストリーミングサーバｅｘ１０３に送信してもよい。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本開示の一態様に係る画像復号装置として機能してもよい。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、いくつかのタイプのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味（又は内容の重要性）に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。また、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　さらに、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系（例えばＶＰ９）に変換してもよいし、Ｈ．２６４をＨ．２６５に変換してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することが増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から、選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから選択視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と共に、音も複数の相異なるアングルから収音され、サーバは、特定のアングル又は空間からの音を対応する映像と多重化して、多重化された映像と音とを送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信してもよい。サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
　同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　屋内外の近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨ（Ｄｙｎａｍｉｃ　Ａｄａｐｔｉｖｅ　Ｓｔｒｅａｍｉｎｇ　ｏｖｅｒ　ＨＴＴＰ）などの配信システム規格を利用して、シームレスにコンテンツを受信することが可能かもしれない。ユーザは、ユーザの端末、屋内外に配置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えてもよい。また、自身の位置情報などを用いて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、ユーザが目的地へ移動している間に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に情報をマップ及び表示することが可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［Ｗｅｂページの最適化］
　図１０９は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図１１０は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図１０９及び図１１０に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまで、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示してもよいし、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示してもよいし、ベースレイヤのみを受信し、映像を復号及び表示してもよい。
　ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にしつつ復号を行う。なお、ｗｅｂページを構成するＨＴＭＬ（ＨｙｐｅｒＴｅｘｔ　Ｍａｒｋｕｐ　Ｌａｎｇｕａｇｅ）にスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。さらに、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。またさらに、表示装置は、ピクチャの参照関係を敢えて無視して、全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などのような静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号の実行を実現できる。また、受信端末は、ユーザの選択、ユーザの状況及び／又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは、例えば、以下のような構成を用いて実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画データ又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基づいて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基づいて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基づき自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。さらに、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定してもよい。サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行ってもよい。人物であれば、動画像において人物をトラッキングして、人物の顔の部分の映像を置き換えることができる。
　データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の実施応用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩ（ｌａｒｇｅ　ｓｃａｌｅ　ｉｎｔｅｇｒａｔｉｏｎ　ｃｉｒｃｕｉｔｒｙ）ｅｘ５００（図１０８参照）は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータである。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図１１１は、図１０８に示されたスマートフォンｅｘ１１５のさらに詳細を示す図である。また、図１１２は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭ（Ｓｕｂｓｃｒｉｂｅｒ　Ｉｄｅｎｔｉｔｙ　Ｍｏｄｕｌｅ）ｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御する主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とが同期バスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により電源キーがオン状態にされると、スマートフォンｅｘ１１５を動作可能な状態に起動し、バッテリパックから各部に対して電力を供給する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、変調／復調部ｅｘ４５２でスペクトラム拡散処理を施し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施し、その結果の信号を、アンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作に基づいてテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０に送出される。同様の送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。音声信号処理部ｅｘ４５４は、映像又は静止画をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。
　電子メール又はチャットに添付された映像、又はウェブページにリンクされた映像を受信した場合等において、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。リアルタイムストリーミングがますます普及しだしているため、ユーザの状況によっては音声の再生が社会的にふさわしくないこともあり得る。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましく、ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という３通りの他の実装形式が考えられる。デジタル放送用システムにおいて、映像データに音声データが多重化された多重化データを受信又は送信するとして説明した。ただし、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよい。また、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、種々の端末はＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）を備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０２ａ　ブロック分割決定部
　　１０４　減算部
　　１０６　変換部
　　１０８　量子化部
　　１０８ａ　差分量子化パラメータ生成部
　　１０８ｂ、２０４ｂ　予測量子化パラメータ生成部
　　１０８ｃ、２０４ａ　量子化パラメータ生成部
　　１０８ｄ、２０４ｄ　量子化パラメータ記憶部
　　１０８ｅ　量子化処理部
　　１１０　エントロピー符号化部
　　１１０ａ　二値化部
　　１１０ｂ、２０２ｂ　コンテキスト制御部
　　１１０ｃ　二値算術符号化部
　　１１２、２０４　逆量子化部
　　１１４、２０６　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、２１２　ループフィルタ部
　　１２０ａ、２１２ａ　デブロッキング・フィルタ処理部
　　１２０ｂ、２１２ｂ　ＳＡＯ処理部
　　１２０ｃ、２１２ｃ　ＡＬＦ処理部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部
　　１２６、２１８　インター予測部
　　１２６ａ、ａ２、ｂ２　メモリ
　　１２６ｂ　補間画像導出部
　　１２６ｃ　勾配画像導出部
　　１２６ｄ　オプティカルフロー導出部
　　１２６ｅ　補正値導出部
　　１２６ｆ　予測画像補正部
　　１２８、２２０　予測制御部
　　１３０、２２２　予測パラメータ生成部
　　２００　復号装置
　　２０２　エントロピー復号部
　　２０２ａ　二値算術復号部
　　２０２ｃ　多値化部
　　２０４ｅ　逆量子化処理部
　　２２４　分割決定部
　　３００　表示装置
　　４００　モジュール
　　１２０１　境界判定部
　　１２０２、１２０４、１２０６　スイッチ
　　１２０３　フィルタ判定部
　　１２０５　フィルタ処理部
　　１２０７　フィルタ特性決定部
　　１２０８　処理判定部
　　ａ１、ｂ１　プロセッサ

Claims (32)

  1. 　回路と、
    　前記回路に接続されたメモリとを備え、
    　前記回路は、動作において、映像をビットストリームに符号化し、
    　前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、
    　前記回路は、前記映像の符号化において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームに符号化する、
    　符号化装置。
  2. 　前記回路は、時刻情報とスケール情報とを前記元速度情報として前記ビットストリームに符号化し、
    　前記第２速度は、前記時刻情報と前記スケール情報とに基づいて算出される、
    　請求項１に記載の符号化装置。
  3. 　前記回路は、さらに、前記映像の出力時間に関連する出力時間情報を前記ビットストリームに符号化する、
    　請求項１又は２に記載の符号化装置。
  4. 　前記回路は、さらに、
    　前記出力時間情報を用いて、前記映像を前記第１速度で再生するための処理タイミングを示す第１タイミング情報を導出し、
    　前記元速度情報を用いて、前記映像を前記第２速度で再生するための処理タイミングを示す第２タイミング情報を導出する、
    　請求項３に記載の符号化装置。
  5. 　前記回路は、前記元速度情報を前記ビットストリームに含まれるヘッダに符号化する、
    　請求項１又は２に記載の符号化装置。
  6. 　前記回路は、前記元速度情報を前記ビットストリームに含まれるＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）に符号化する、
    　請求項１又は２に記載の符号化装置。
  7. 　前記元速度情報は、前記映像を前記第２速度で再生するための前記映像のピクチャ間隔を示す、
    　請求項１又は２に記載の符号化装置。
  8. 　前記元速度情報は、前記第１速度に対する前記第２速度の倍率を示す、
    　請求項１又は２に記載の符号化装置。
  9. 　前記元速度情報は、分子パラメータ及び分母パラメータを含み、
    　前記倍率は、前記分子パラメータを前記分母パラメータで除算することによって示される、
    　請求項８に記載の符号化装置。
  10. 　前記回路は、前記映像の符号化において、前記映像が前記第２速度で再生される場合に復号装置に要求される適合能力レベルを前記ビットストリームに含まれるテンポラルサブレイヤ毎に前記ビットストリームに符号化する、
    　請求項１又は２に記載の符号化装置。
  11. 　前記回路は、前記映像の符号化において、前記映像が前記第１速度で再生される場合に復号装置に要求される第１適合能力レベルと、前記映像が前記第２速度で再生される場合に前記復号装置に要求される第２適合能力レベルとを前記ビットストリームに符号化する、
    　請求項１又は２に記載の符号化装置。
  12. 　前記第１速度は、スローモーション又はファーストモーションに対応し、
    　前記回路は、前記スローモーションの映像又は前記ファーストモーションの映像として前記映像を前記ビットストリームに符号化する、
    　請求項１又は２に記載の符号化装置。
  13. 　前記回路は、さらに、前記第１速度と前記第２速度との関係を示す情報を前記ビットストリームに符号化する、
    　請求項１又は２に記載の符号化装置。
  14. 　前記回路は、前記映像の符号化において、前記第２速度を含む複数の速度に関連する情報であり、前記映像を前記複数の速度のそれぞれの速度で再生するための情報であり、前記元速度情報を含む情報である速度情報を前記ビットストリームに符号化する、
    　請求項１又は２に記載の符号化装置。
  15. 　回路と、
    　前記回路に接続されたメモリとを備え、
    　前記回路は、動作において、映像をビットストリームから復号し、
    　前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、
    　前記回路は、前記映像の復号において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームから復号する、
    　復号装置。
  16. 　前記回路は、時刻情報とスケール情報とを前記元速度情報として前記ビットストリームから復号し、
    　前記第２速度は、前記時刻情報と前記スケール情報とに基づいて算出される、
    　請求項１５に記載の復号装置。
  17. 　前記回路は、さらに、前記映像の出力時間に関連する出力時間情報を前記ビットストリームから復号する、
    　請求項１５又は１６に記載の復号装置。
  18. 　前記回路は、さらに、
    　信号を取得し、
    　前記映像を前記第１速度で再生することを前記信号が示す場合、前記出力時間情報を用いて、前記映像を前記第１速度で再生し、
    　前記映像を前記第２速度で再生することを前記信号が示す場合、前記元速度情報を用いて、前記映像を前記第２速度で再生する、
    　請求項１７に記載の復号装置。
  19. 　前記回路は、前記元速度情報を前記ビットストリームに含まれるヘッダから復号する、
    　請求項１５又は１６に記載の復号装置。
  20. 　前記回路は、前記元速度情報を前記ビットストリームに含まれるＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）から復号する、
    　請求項１５又は１６に記載の復号装置。
  21. 　前記元速度情報は、前記映像を前記第２速度で再生するための前記映像のピクチャ間隔を示す、
    　請求項１５又は１６に記載の復号装置。
  22. 　前記元速度情報は、前記第１速度に対する前記第２速度の倍率を示す、
    　請求項１５又は１６に記載の復号装置。
  23. 　前記元速度情報は、分子パラメータ及び分母パラメータを含み、
    　前記倍率は、前記分子パラメータを前記分母パラメータで除算することによって示される、
    　請求項２２に記載の復号装置。
  24. 　前記回路は、前記映像の復号において、前記映像が前記第２速度で再生される場合に前記復号装置に要求される適合能力レベルを前記ビットストリームに含まれるテンポラルサブレイヤ毎に前記ビットストリームから復号する、
    　請求項１５又は１６に記載の復号装置。
  25. 　前記回路は、前記映像の復号において、前記映像が前記第１速度で再生される場合に前記復号装置に要求される第１適合能力レベルと、前記映像が前記第２速度で再生される場合に前記復号装置に要求される第２適合能力レベルとを前記ビットストリームから復号する、
    　請求項１５又は１６に記載の復号装置。
  26. 　前記第１速度は、スローモーション又はファーストモーションに対応し、
    　前記回路は、前記スローモーションの映像又は前記ファーストモーションの映像として前記ビットストリームに符号化された前記映像を前記ビットストリームから復号する、
    　請求項１５又は１６に記載の復号装置。
  27. 　前記回路は、さらに、前記第１速度と前記第２速度との関係を示す情報を前記ビットストリームから復号する、
    　請求項１５又は１６に記載の復号装置。
  28. 　前記回路は、前記映像の復号において、前記第２速度を含む複数の速度に関連する情報であり、前記映像を前記複数の速度のそれぞれの速度で再生するための情報であり、前記元速度情報を含む情報である速度情報を前記ビットストリームから復号する、
    　請求項１５又は１６に記載の復号装置。
  29. 　回路と、
    　前記回路に接続されたメモリとを備え、
    　前記回路は、動作において、映像をビットストリームに符号化して、前記ビットストリームを出力し、
    　前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、
    　前記回路は、前記映像の符号化において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームに符号化する、
    　ビットストリーム出力装置。
  30. 　映像をビットストリームに符号化し、
    　前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、
    　前記映像の符号化において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームに符号化する、
    　符号化方法。
  31. 　映像をビットストリームから復号し、
    　前記映像は、前記映像の元の速度とは異なる第１速度で出力されるように指定されており、
    　前記映像の復号において、前記映像の元の速度である第２速度に関連する元速度情報を前記ビットストリームから復号する、
    　復号方法。
  32. 　ビットストリームを記憶する非一時的なコンピュータ読み取り可能な記録媒体であって、
    　前記ビットストリームは、
    　映像の元の速度とは異なる第１速度で出力されるように指定されている前記映像と、
    　前記映像の元の速度である第２速度に関連する元速度情報とを含む、
    　非一時的なコンピュータ読み取り可能な記録媒体。
PCT/JP2023/044858 2022-12-23 2023-12-14 符号化装置、復号装置、ビットストリーム出力装置、符号化方法及び復号方法 WO2024135530A1 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US63/435,020 2022-12-23

Publications (1)

Publication Number Publication Date
WO2024135530A1 true WO2024135530A1 (ja) 2024-06-27

Family

ID=

Similar Documents

Publication Publication Date Title
JP6994868B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7304404B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7214846B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7483836B2 (ja) 符号化方法、復号方法、符号化装置及び復号装置
JP2023068203A (ja) 復号装置及び復号方法
WO2021172471A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7495568B2 (ja) 符号化装置及び復号装置
JP7500695B2 (ja) 非一時的記憶媒体
JP7314382B2 (ja) 復号装置
JP7335364B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
KR20220009385A (ko) 비디오 코딩을 위한 시스템 및 방법
JP7503607B2 (ja) 符号化方法及び復号方法
JP7432022B2 (ja) 符号化装置及び復号装置
JP2022179772A (ja) 復号装置及び符号化装置
JP2023060057A (ja) 符号化装置及び符号化方法
CN115004711A (zh) 编码装置、解码装置、编码方法和解码方法
JP2022168052A (ja) 復号装置及び符号化装置
JP2024063232A (ja) 符号化装置及び符号化方法
KR20220047757A (ko) 부호화 장치, 복호 장치, 부호화 방법, 및 복호 방법
JP7479436B2 (ja) 復号装置及び復号方法
CN114521331A (zh) 编码装置、解码装置、编码方法和解码方法
KR20220024008A (ko) 비디오 코딩 시스템 및 방법
JP7482141B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021261536A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7079377B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法