选择性使用局部亮度补偿模型以及使用该模型的装置的制作方法
本公开涉及视频数据的编码和解码,更具体地,涉及一种通过对当前块与参考块之间的局部亮度变化进行建模的模型来执行局部亮度细化的方法,以及使用该方法的编码设备和解码设备。
背景技术:
1、本节中的陈述仅提供与本公开相关的背景信息,并不必然构成现有技术。
2、与语音数据或静态图像数据相比,未处理或未压缩的视频数据的数据量很大,以其原始形式存储或传输需要大量的硬件资源,包括内存。
3、因此,当存储或传输视频数据时,编码器通常用于压缩视频数据以存储或传输,而解码器接收压缩的视频数据并执行其解压和重建。这些视频压缩技术包括h.264/avc、高效率视频编码(hevc)和多功能视频编码(vvc),与hevc相比,其编码效率提高约30%或更多。
4、然而,由于视频的尺寸、分辨率和帧率不断增加,相应地需要编码的数据量也随之增加,因此需要比现有压缩技术在编码方面更高效、在提高视频质量方面更有效的新压缩技术。
技术实现思路
1、技术问题
2、本公开旨在提供一种基于多个模型对帧间预测的预测器执行补偿的方法,以补偿当前块与参考块之间的局部亮度变化。
3、本公开旨在提供对当前块与参考块之间的局部亮度变化进行建模的各种线性模型或非线性模型。
4、技术方案
5、本公开的至少一个方面提供了一种由视频解码设备执行的预测方法。该方法包括:基于参考图片上的参考块,导出当前图片上的当前块的初始预测样本。该方法还包括:从多个可用的lic模型中确定当前块的局部亮度补偿(lic)模型。该方法还包括:基于当前块的lic模型,通过对当前块的初始预测样本应用局部亮度补偿,生成当前块的最终预测样本。
6、在本公开的另一方面中,确定当前块的lic模型包括:对于多个可用的lic模型中的每一个,计算模板(即与当前块相邻的已重建样本的集合)的代价,并基于多个可用的lic模型中的每一个的模板代价,确定当前块的lic模型。
7、在本公开的另一方面中,确定当前块的lic模型包括:从比特流中解码指示用于对当前块的运动信息进行编码的合并候选列表中的候选的索引,并使用由所解码的索引指示的候选的块继承的lic模型信息,确定当前块的lic模型。
8、在本公开的另一方面中,确定当前块的lic模型包括:使用已经在当前图片或参考图片上重建的其他块的lic模型信息构造lic合并候选列表,从比特流中解码指示lic合并候选列表中的候选的索引,并使用由所解码的索引指示的候选的lic模型信息,确定当前块的lic模型。
9、在本公开的另一方面中,生成最终预测样本包括:确定将当前块划分为两个子区域的分割边界,识别与两个子区域对应的初始预测样本的两个子集,以及确定要应用于与两个子区域中的第一子区域对应的初始预测样本的第一子集的线性模型的第一参数集、以及要应用于与两个子区域中的第二子区域对应的初始预测样本的第二子集的线性模型的第二参数集。
10、在本公开的另一方面中,生成最终预测样本包括:基于将初始预测样本的值与阈值进行比较,识别初始预测样本的两个子集,并确定要应用于初始预测样本的第一子集的线性模型的第一参数集、以及要应用于初始预测样本的第二子集的线性模型的第二参数集。
11、本公开的另一方面提供了一种由视频编码设备执行的预测方法。该方法包括:基于参考图片上的参考块,导出当前图片上的当前块的初始预测样本。该方法还包括:从多个可用的lic模型中确定当前块的局部亮度补偿(local illumination compensation,lic)模型。该方法还包括:基于当前块的lic模型,通过对当前块的初始预测样本应用局部亮度补偿,生成当前块的最终预测样本。
12、本公开的另一方面提供了一种向视频解码设备提供视频数据的方法。该方法包括:将视频数据编码为比特流,并将比特流传输到视频解码设备。视频数据的编码包括:基于参考图片上的参考块,导出当前图片上的当前块的初始预测样本。视频数据的编码还包括:从多个可用的lic模型中确定当前块的局部亮度补偿(lic)模型。视频数据的编码还包括:基于当前块的lic模型,通过对当前块的初始预测样本应用局部亮度补偿,生成当前块的最终预测样本。
13、有益效果
14、如上所述,本公开可以从各种线性模型或非线性模型中选择适合给定块的模型。与使用单个线性模型对当前块内的所有样本位置进行局部亮度变化补偿相比,该模型能够对块的局部亮度变化进行改进的补偿。因此,可以提高帧间预测的预测器的编码性能。
1.一种由视频解码设备执行的预测方法,所述方法包括:
2.根据权利要求1所述的方法,其中,确定用于所述当前块的lic模型包括:
3.根据权利要求2所述的方法,其中,所述模板的代价是基于所述模板的已重建相邻样本与所述模板的补偿预测之间的差来计算的,所述模板的补偿预测是通过对所述参考块的对应相邻样本应用候选模型而获得的。
4.根据权利要求1所述的方法,其中,确定用于所述当前块的lic模型包括:
5.根据权利要求1所述的方法,其中,确定用于所述当前块的lic模型包括:
6.根据权利要求1所述的方法,其中,多个可用的所述lic模型中的至少一个是自回归模型(自回归模型)。
7.根据权利要求1所述的方法,其中,多个可用的所述lic模型中的至少一个是线性模型。
8.根据权利要求7所述的方法,其中,当用于所述当前块的lic模型是所述线性模型时,生成所述最终预测样本包括:
9.根据权利要求8所述的方法,其中,所述第一参数集是基于与所述第一子区域紧邻的已重建相邻样本和所述参考块的对应相邻样本计算的,并且所述第二参数集是基于与所述第二子区域紧邻的已重建相邻样本和所述参考块的对应相邻样本计算的。
10.根据权利要求7所述的方法,其中,当用于所述当前块的lic模型是所述线性模型时,生成所述最终预测样本包括:
11.根据权利要求10所述的方法,其中,所述阈值是基于与模板对应的且与所述参考块相邻的已重建样本计算的,所述模板为与所述当前块相邻的已重建样本的集合。
12.根据权利要求10所述的方法,其中,确定所述第一参数集和所述第二参数集包括:
13.一种由视频编码设备执行的预测方法,所述方法包括:
14.一种用于向视频解码设备提供视频数据的方法,所述方法包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com