基于各种参考像素的基于矩阵的帧内预测的方法和装置与流程
本发明涉及一种视频编码/解码方法、装置和存储比特流的记录介质,并且更具体地,本发明涉及基于各种参考像素的基于矩阵的帧内预测方法和装置。
背景技术:
1、本部分中的陈述仅提供与本发明相关的背景信息,并且不一定构成现有技术。
2、与语音数据或静止图像数据相比数据量较大,未处理或未压缩的视频数据需要大量硬件资源(包括存储器)来以其原始形式存储或传输。
3、相应地,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对其进行存储或传输,并且解码器接收经压缩的视频数据并对其执行解压缩和重构。这种视频压缩技术包括h.264/avc、高效率视频编解码(high efficiency video coding,hevc)和多功能视频编解码(versatile video coding,vvc),所述多功能视频编解码(vvc)比hevc的编解码效率提高大约30%或更多。
4、然而,由于视频的大小、分辨率和帧速率不断增大,并且相应地需要编解码的数据量也在增大,因此需要一种比现有压缩技术在编解码效率方面更高效并且在提高视频质量方面更有效的新的压缩技术。
5、特别地,对高分辨率、高质量视频(例如,高清晰度(high definition,hd)和超高清晰度(ultra high definition,uhd)视频)的需求近来在各个领域中一直在增加。随着图像数据的分辨率和质量变得更高,与现有的图像数据相比,传输的信息量或比特量也在增加。传输的信息量或比特量的增加导致在传输和存储成本方面的增加。另外,近来,对诸如虚拟现实(virtual reality,vr)、人工现实(artificial reality,ar)内容和全息图的沉浸式媒体的关注和需求在增加,并且具有与现实世界图像不同特性的视频/图像(例如,游戏镜头)的播出正在增加。相应地,需要一种高效的视频压缩技术来高效地压缩、传输、存储和播放来自具有上述各种特性的高分辨率、高质量视频的信息。
技术实现思路
1、技术问题
2、本发明提供了视频编码或解码的方法和装置,用于有效地编码或解码视频并提高重构视频的客观和主观质量,以及存储由视频编码方法/装置生成的比特流的记录介质。
3、技术方案
4、本发明的至少一个方面提供了一种视频解码方法,其包括:确定包括解码的像素的参考模板,以及确定用于当前块的基于矩阵的帧内预测的权重矩阵和偏移量。视频解码方法还包括:基于当前块的权重矩阵、偏移量和参考模板来生成当前块的预测块。
5、本发明的另一方面提供了一种视频编码方法,其包括:确定包括编码的像素的参考模板,以及确定用于当前块的基于矩阵的帧内预测的权重矩阵和偏移量。视频编码方法还包括:基于当前块的权重矩阵、偏移量和参考模板来生成当前块的预测块。
6、本发明的另一方面提供了一种非易失性计算机可读记录介质,其存储由视频编码装置生成的比特流。比特流由视频编码方法生成。视频编码方法包括:确定包括编码的像素的参考模板,以及确定用于当前块的基于矩阵的帧内预测的权重矩阵和偏移量。视频编码方法还包括:基于当前块的权重矩阵、偏移量和参考模板来生成当前块的预测块。
7、本发明的另一方面提供了由至少一个处理器执行的方法。所述方法包括:生成视频的比特流,以及传输包括比特流的数据。生成比特流包括:确定包括编码的像素的参考模板,以及确定用于当前块的基于矩阵的帧内预测的权重矩阵和偏移量。生成比特流还包括:基于当前块的权重矩阵、偏移量和参考模板来生成当前块的预测块。
8、有益效果
9、根据本发明的实施方案,视频编码/解码装置可以通过使用于mip预测的参考像素多样化,高效地编码/解码视频,并且可以提高重构视频的客观/主观质量。
1.一种视频解码方法,包括:
2.根据权利要求1所述的视频解码方法,其中,所述参考模板包括解码的像素中与当前块邻近的像素。
3.根据权利要求2所述的视频解码方法,其中,基于信令信息或当前块的帧内预测模式来确定参考模板。
4.根据权利要求1所述的视频解码方法,其中,所述参考模板包括在解码的像素中与当前块不邻近的像素。
5.根据权利要求1所述的视频解码方法,其中,所述参考模板包括由当前块的相邻块的运动信息指示的参考区域。
6.根据权利要求1所述的视频解码方法,其中,利用填充或插值的至少一种从其它像素生成参考模板中的像素的至少一个。
7.根据权利要求1所述的视频解码方法,进一步包括:
8.根据权利要求1所述的视频解码方法,其中,生成当前块的预测块包括:
9.根据权利要求1所述的视频解码方法,其中,基于当前块的大小或权重矩阵的大小的至少一个来确定参考模板的大小。
10.根据权利要求1所述的视频解码方法,其中,所述当前块的预测块进一步基于用于当前块的基于矩阵的帧内预测的偏移量来生成。
11.一种视频编码方法,包括:
12.一种用于传输包括视频的比特流的数据的方法,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