视频编解码方法和装置与流程

视频编解码方法和装置
1.相关申请的交叉引用
2.本技术要求于2020年4月16日提交的美国专利申请第16/851,052号“视频编解码的方法和装置”的优先权，该美国申请要求了2019年4月19日提交的美国临时申请第62/836,598号“应用解码端运动矢量修正/双向光流的条件”的优先权，在先申请的全部公开内容通过引用整体并入本技术。
技术领域
3.本技术涉及视频编解码技术。


背景技术：

4.本文所提供的背景描述旨在整体呈现本技术的背景。在背景技术部分以及本说明书的各个方面中所描述的目前已署名的发明人的工作所进行的程度，并不表明其在本技术提交时作为现有技术，且从未明示或暗示其被承认为本技术的现有技术。
5.通过具有运动补偿的帧间图片预测技术，可以进行视频编码和解码。未压缩的数字视频可包括一系列图片，每个图片具有例如1920
×
1080亮度样本及相关色度样本的空间维度。所述系列图片具有固定的或可变的图片速率(也非正式地称为帧率)，例如每秒60个图片或60hz。未压缩的视频具有非常大的比特率要求。例如，每个样本8比特的1080p60 4:2:0的视频(1920x1080亮度样本分辨率，60hz帧率)要求接近1.5gbit/s带宽。一小时这样的视频就需要超过600gb的存储空间。
6.视频编码和解码的一个目的，是通过压缩减少输入视频信号的冗余信息。视频压缩可以帮助降低对上述带宽或存储空间的要求，在某些情况下可降低两个或更多数量级。无损和有损压缩，以及两者的组合均可采用。无损压缩是指从压缩的原始信号中重建原始信号精确副本的技术。当使用有损压缩时，重建信号可能与原始信号不完全相同，但是原始信号和重建信号之间的失真足够小，使得重建信号可用于预期应用。有损压缩广泛应用于视频。容许的失真量取决于应用。例如，相比于电视应用的用户，某些消费流媒体应用的用户可以容忍更高的失真。可实现的压缩比反映出：较高的允许/容许失真可产生较高的压缩比。
7.运动补偿可以是一种有损压缩技术，且可涉及如下技术：来自先前重建的图片或重建图片一部分(参考图片)的样本数据块在空间上按运动矢量(下文称为mv)指示的方向移位后，用于新重建的图片或图片部分的预测。在某些情况下，参考图片可与当前正在重建的图片相同。mv可具有两个维度x和y，或者三个维度，其中第三个维度表示使用中的参考图片(后者间接地可为时间维度)。
8.在一些视频压缩技术中，应用于某个样本数据区域的mv可根据其它mv来预测，例如根据与正在重建的区域空间相邻的另一个样本数据区域相关的、且按解码顺序在该mv前面的那些mv。这样做可以大大减少编码mv所需的数据量，从而消除冗余信息并增加压缩量。mv预测可以有效地进行，例如，当对从相机导出的输入视频信号(称为自然视频)进行编码
时，存在一种统计上的可能性，即面积大于单个mv适用区域的区域，会朝着类似的方向移动，因此，在某些情况下，可以用邻近区域的mv导出的相似运动矢量进行预测。这导致针对给定区域发现的mv与根据周围mv预测的mv相似或相同，并且在熵编码之后，又可以用比直接编码mv时使用的比特数更少的比特数来表示。在某些情况下，mv预测可以是对从原始信号(即样本流)导出的信号(即mv)进行无损压缩的示例。在其它情况下，mv预测本身可能是有损的，例如由于根据几个周围mv计算预测值时产生的取整误差。
9.h.265/hevc(itu
‑
t rec.h.265，“高效视频编码”，2016年12月)描述了各种mv预测机制。在h.265所提供的多种mv预测机制中，本文描述的是一种下文称为“空间合并”的技术。
10.参照图1，当前块(101)包括编码器在运动搜索过程中发现的样本，所述样本可以根据空间移动了相同大小的先前块进行预测。不直接对该mv进行编码，而是通过使用与五个周围样本中的任何一个相关联的mv，从与一个或多个参考图片相关联的元数据中导出该mv，例如从最近的(按解码顺序)参考图片中导出该mv。其中，五个周围样本分别用a0、a1和b0、b1、b2(分别为102到106)表示。在h.265中，mv预测可使用相邻块正在使用的同一参考图片的预测值。


技术实现要素：

11.本技术的各方面提供了视频编码/解码的方法和装置。在一些示例中，视频解码装置包括接收电路和处理电路。例如，所述处理电路从已编码的视频比特流解码当前图片中当前块的预测信息。所述预测信息指示可能使用基于第一参考图片和第二参考图片的修正技术的帧间预测模式。然后，所述处理电路确定是否满足所述第一参考图片和所述第二参考图片的色度分量的第一相等加权条件。若不能满足所述第一参考图片和所述第二参考图片的色度分量的第一相等加权条件，所述处理电路在所述当前块中样本的重建中禁用所述修正技术。
12.在一些实施例中，若不能满足所述第一参考图片和所述第二参考图片的所述色度分量的所述第一相等加权条件，所述处理电路在当前块中亮度样本的重建中禁用所述修正技术。在一些示例中，所述处理电路确定是否满足所述第一参考图片和所述第二参考图片的亮度分量的第二相等加权条件。然后，若不能满足所述色度分量的第一相等加权条件和所述亮度分量的第二相等加权条件中的至少一个，所述处理电路在所述当前块中所述亮度样本的重建中禁用所述修正技术。
13.在一些实施例中，若不能满足所述第一参考图片和所述第二参考图片的所述色度分量的所述第一相等加权条件，所述处理电路在所述当前块中色度样本的重建中禁用所述修正技术。
14.需要注意的是，所述修正技术包括双向光流(bdof)和解码端运动矢量修正(dmvr)中的至少一个。
15.在一些实施例中，所述第一参考图片和所述第二参考图片中一个的图片次序计数大于所述当前图片，并且所述第一参考图片和所述第二参考图片中另一个的图片次序计数小于所述当前图片。
16.在一些示例中，若所述第一参考图片的色度权重的第一标志和所述第二参考图片
的色度权重的第二标志中的至少一个不等于零，所述处理电路确定不能满足所述第一参考图片和所述第二参考图片的所述色度分量的相等加权条件。
17.本技术还提供了一种存储指令的非易失性计算机可读介质，当该指令由计算机执行以用于视频解码时，使得所述计算机执行上述视频解码方法。
附图说明
18.根据以下具体描述和附图，所公开的主题的另外的特征、性质和各种优点将更加显而易见，其中：
19.图1是一个示例中的当前块及其周围的空间合并候选的示意图。
20.图2是根据一实施例的通信系统(200)的简化框图的示意图；
21.图3是根据另一实施例的通信系统(300)的简化框图的示意图；
22.图4是根据一实施例的解码器的简化框图的示意图；
23.图5是根据一实施例的编码器的简化框图的示意图；
24.图6示出了根据另一实施例的编码器的框图；
25.图7示出了根据另一实施例的解码器的框图；
26.图8示出了双向光流(bi
‑
directional optical flow，bdof)中的扩展编码单元区域的示例。
27.图9示出了解码端运动矢量修正(decoder side motion vector refinement,dmvr)的示例。
28.图10a
‑
10b示出了应用bdof技术的条件列表。
29.图11a
‑
11b示出了应用dmvr技术的条件列表。
30.图12示出了根据本技术实施例的概述过程示例的流程图。
31.图13是根据实施例的计算机系统的示意图。
具体实施方式
32.图2是根据本技术公开的实施例的通信系统(200)的简化框图。通信系统(200)包括多个终端装置，所述终端装置可通过例如网络(250)彼此通信。举例来说，通信系统(200)包括通过网络(250)互连的第一终端装置(210)和第二终端装置(220)。在图2的实施例中，第一终端装置(210)和第二终端装置(220)执行单向数据传输。举例来说，第一终端装置(210)可对视频数据(例如由终端装置(210)采集的视频图片流)进行编码以通过网络(250)传输到第二端装置(220)。已编码的视频数据以一个或多个已编码视频码流形式传输。第二终端装置(220)可从网络(250)接收已编码视频数据，对已编码视频数据进行解码以恢复视频数据，并根据恢复的视频数据显示视频图片。单向数据传输在媒体服务等应用中是较常见的。
33.在另一实施例中，通信系统(200)包括执行已编码视频数据的双向传输的第三终端装置(230)和第四终端装置(240)，所述双向传输可例如在视频会议期间发生。对于双向数据传输，第三终端装置(230)和第四终端装置(240)中的每个终端装置可对视频数据(例如由终端装置采集的视频图片流)进行编码，以通过网络(250)传输到第三终端装置(230)和第四终端装置(240)中的另一终端装置。第三终端装置(230)和第四终端装置(240)中的
每个终端装置还可接收由第三终端装置(230)和第四终端装置(240)中的另一终端装置传输的已编码视频数据，且可对所述已编码视频数据进行解码以恢复视频数据，且可根据恢复的视频数据在可访问的显示装置上显示视频图片。
34.在图2的实施例中，第一终端装置(210)、第二终端装置(220)、第三终端装置(230)和第四终端装置(240)可为服务器、个人计算机和智能电话，但本技术公开的原理可不限于此。本技术公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(250)表示在第一终端装置(210)、第二终端装置(220)、第三终端装置(230)和第四终端装置(240)之间传送已编码视频数据的任何数目的网络，包括例如有线(连线的)和/或无线通信网络。通信网络(250)可在电路交换和/或分组交换信道中交换数据。该网络可包括电信网络、局域网、广域网和/或互联网。出于本技术的目的，除非在下文中有所解释，否则网络(250)的架构和拓扑对于本技术公开的操作来说可能是无关紧要的。
35.作为实施例，图3示出视频编码器和视频解码器在流式传输环境中的放置方式。本技术所公开主题可同等地适用于其它支持视频的应用，包括例如视频会议、数字tv、在包括cd、dvd、存储棒等的数字介质上存储压缩视频等等。
36.流式传输系统可包括采集子系统(313)，所述采集子系统可包括数码相机等视频源(301)，所述视频源创建未压缩的视频图片流(302)。在实施例中，视频图片流(302)包括由数码相机拍摄的样本。相较于已编码的视频数据(304)(或已编码的视频码流)，视频图片流(302)被描绘为粗线以强调高数据量的视频图片流，视频图片流(302)可由电子装置(320)处理，所述电子装置(320)包括耦接到视频源(301)的视频编码器(303)。视频编码器(303)可包括硬件、软件或软硬件组合以实现或实施如下文更详细地描述的所公开主题的各方面。相较于视频图片流(302)，已编码的视频数据(304)(或已编码的视频码流(304))被描绘为细线以强调较低数据量的已编码的视频数据(304)(或已编码的视频码流(304))，其可存储在流式传输服务器(305)上以供将来使用。一个或多个流式传输客户端子系统，例如图3中的客户端子系统(306)和客户端子系统(308)，可访问流式传输服务器(305)以检索已编码的视频数据(304)的副本(307)和副本(309)。客户端子系统(306)可包括例如电子装置(330)中的视频解码器(310)。视频解码器(310)对已编码的视频数据的传入副本(307)进行解码，且产生可在显示器(312)(例如显示屏)或另一呈现装置(未描绘)上呈现的输出视频图片流(311)。在一些流式传输系统中，可根据某些视频编码/压缩标准对已编码的视频数据(304)、视频数据(307)和视频数据(309)(例如视频码流)进行编码。该些标准的实施例包括itu
‑
t h.265。在实施例中，正在开发的视频编解码标准非正式地称为下一代视频编码(versatile video coding，vvc)，本技术可用于vvc标准的上下文中。
37.应注意，电子装置(320)和电子装置(330)可包括其它组件(未示出)。举例来说，电子装置(320)可包括视频解码器(未示出)，且电子装置(330)还可包括视频编码器(未示出)。
38.图4是根据本技术公开的实施例的视频解码器(410)的框图。视频解码器(410)可设置在电子装置(430)中。电子装置(430)可包括接收器(431)(例如接收电路)。视频解码器(410)可用于代替图3实施例中的视频解码器(310)。
39.接收器(431)可接收将由视频解码器(410)解码的一个或多个已编码视频序列；在同一实施例或另一实施例中，一次接收一个已编码视频序列，其中每个已编码视频序列的
解码独立于其它已编码视频序列。可从信道(401)接收已编码视频序列，所述信道可以是通向存储已编码的视频数据的存储装置的硬件/软件链路。接收器(431)可接收已编码的视频数据以及其它数据，例如，可转发到它们各自的使用实体(未标示)的已编码音频数据和/或辅助数据流。接收器(431)可将已编码视频序列与其它数据分开。为了防止网络抖动，缓冲存储器(415)可耦接在接收器(431)与熵解码器/解析器(420)(此后称为“解析器(420)”)之间。在某些应用中，缓冲存储器(415)是视频解码器(410)的一部分。在其它情况下，所述缓冲存储器(415)可设置在视频解码器(410)外部(未标示)。而在其它情况下，视频解码器(410)的外部设置缓冲存储器(未标示)以例如防止网络抖动，且在视频解码器(410)的内部可配置另一缓冲存储器(415)以例如处理播出定时。而当接收器(431)从具有足够带宽和可控性的存储/转发装置或从等时同步网络接收数据时，也可能不需要配置缓冲存储器(415)，或可以将所述缓冲存储器做得较小。当然，为了在互联网等业务分组网络上使用，也可能需要缓冲存储器(415)，所述缓冲存储器可相对较大且可具有自适应性大小，且可至少部分地实施于操作系统或视频解码器(410)外部的类似元件(未标示)中。
40.视频解码器(410)可包括解析器(420)以根据已编码视频序列重建符号(421)。这些符号的类别包括用于管理视频解码器(410)的操作的信息，以及用以控制显示装置(412)(例如，显示屏)等显示装置的潜在信息，所述显示装置不是电子装置(430)的组成部分，但可耦接到电子装置(430)，如图4中所示。用于显示装置的控制信息可以是辅助增强信息(supplemental enhancement information，sei消息)或视频可用性信息(video usability information，vui)的参数集片段(未标示)。解析器(420)可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的编码可根据视频编码技术或标准进行，且可遵循各种原理，包括可变长度编码、霍夫曼编码(huffman coding)、具有或不具有上下文灵敏度的算术编码等等。解析器(420)可基于对应于群组的至少一个参数，从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(group of pictures，gop)、图片、图块、切片、宏块、编码单元(coding unit，cu)、块、变换单元(transform unit，tu)、预测单元(prediction unit，pu)等等。解析器(420)还可从已编码视频序列提取信息，例如变换系数、量化器参数值、运动矢量等等。
41.解析器(420)可对从缓冲存储器(415)接收的视频序列执行熵解码/解析操作，从而创建符号(421)。
42.取决于已编码视频图片或一部分已编码视频图片(例如：帧间图片和帧内图片、帧间块和帧内块)的类型以及其它因素，符号(421)的重建可涉及多个不同单元。涉及哪些单元以及涉及方式可由解析器(420)从已编码视频序列解析的子群控制信息控制。为了简洁起见，未描述解析器(420)与下文的多个单元之间的此类子群控制信息流。
43.除已经提及的功能块以外，视频解码器(410)可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施例中，这些单元中的许多单元彼此紧密交互并且可以彼此集成。然而，出于描述所公开主题的目的，概念上细分成下文的功能单元是适当的。
44.第一单元是缩放器/逆变换单元(451)。缩放器/逆变换单元(451)从解析器(420)接收作为符号(421)的量化变换系数以及控制信息，包括使用哪种变换方式、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元(451)可输出包括样本值的块，所述样本值可输
入到聚合器(455)中。
45.在一些情况下，缩放器/逆变换单元(451)的输出样本可属于帧内编码块；即：不使用来自先前重建的图片的预测性信息，但可使用来自当前图片的先前重建部分的预测性信息的块。此类预测性信息可由帧内图片预测单元(452)提供。在一些情况下，帧内图片预测单元(452)采用从当前图片缓冲器(458)提取的已重建信息生成大小和形状与正在重建的块相同的周围块。举例来说，当前图片缓冲器(458)缓冲部分重建的当前图片和/或完全重建的当前图片。在一些情况下，聚合器(455)基于每个样本，将帧内预测单元(452)生成的预测信息添加到由缩放器/逆变换单元(451)提供的输出样本信息中。
46.在其它情况下，缩放器/逆变换单元(451)的输出样本可属于帧间编码和潜在运动补偿块。在此情况下，运动补偿预测单元(453)可访问参考图片存储器(457)以提取用于预测的样本。在根据符号(421)对提取的样本进行运动补偿之后，这些样本可由聚合器(455)添加到缩放器/逆变换单元(451)的输出(在这种情况下被称作残差样本或残差信号)，从而生成输出样本信息。运动补偿预测单元(453)从参考图片存储器(457)内的地址获取预测样本可受到运动矢量控制，且所述运动矢量以所述符号(421)的形式而供运动补偿预测单元(453)使用，所述符号(421)例如是包括x、y和参考图片分量。运动补偿还可包括在使用子样本精确运动矢量时，从参考图片存储器(457)提取的样本值的内插、运动矢量预测机制等等。
47.聚合器(455)的输出样本可在环路滤波器单元(456)中被各种环路滤波技术采用。视频压缩技术可包括环路内滤波器技术，所述环路内滤波器技术受控于包括在已编码视频序列(也称作已编码视频码流)中的参数，且所述参数作为来自解析器(420)的符号(421)可用于环路滤波器单元(456)。然而，在其他实施例中，视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获得的元信息，以及响应于先前重建且经过环路滤波的样本值。
48.环路滤波器单元(456)的输出可以是样本流，所述样本流可输出到显示装置(412)以及存储在参考图片存储器(457)，以用于后续的帧间图片预测。
49.一旦完全重建，某些已编码图片就可用作参考图片以用于将来预测。举例来说，一旦对应于当前图片的已编码图片被完全重建，且已编码图片(通过例如解析器(420))被识别为参考图片，则当前图片缓冲器(458)可变为参考图片存储器(457)的一部分，且可在开始重建后续已编码图片之前重新分配新的当前图片缓冲器。
50.视频解码器(410)可根据例如itu
‑
t h.265标准中的预定视频压缩技术执行解码操作。在已编码视频序列遵循视频压缩技术或标准的语法以及视频压缩技术或标准中记录的配置文件的意义上，已编码视频序列可符合所使用的视频压缩技术或标准指定的语法。具体地说，配置文件可从视频压缩技术或标准中可用的所有工具中选择某些工具作为在所述配置文件下可供使用的仅有工具。对于合规性，还要求已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下，层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等。在一些情况下，由层级设定的限制可通过假想参考解码器(hypothetical reference decoder，hrd)规范和在已编码视频序列中用信号表示的hrd缓冲器管理的元数据来进一步限定。
51.在实施例中，接收器(431)可连同已编码视频一起接收附加(冗余)数据。所述附加数据可以是已编码视频序列的一部分。所述附加数据可由视频解码器(410)用以对数据进行适当解码和/或较准确地重建原始视频数据。附加数据可呈例如时间、空间或信噪比(signal noise ratio，snr)增强层、冗余切片、冗余图片、前向纠错码等形式。
52.图5是根据本技术公开的实施例的视频编码器(503)的框图。视频编码器(503)设置于电子装置(520)中。电子装置(520)包括传输器(540)(例如传输电路)。视频编码器(503)可用于代替图3实施例中的视频编码器(303)。
53.视频编码器(503)可从视频源(501)(并非图5实施例中的电子装置(520)的一部分)接收视频样本，所述视频源可采集将由视频编码器(503)编码的视频图像。在另一实施例中，视频源(501)是电子装置(520)的一部分。
54.视频源(501)可提供将由视频编码器(503)编码的呈数字视频样本流形式的源视频序列，所述数字视频样本流可具有任何合适位深度(例如：8位、10位、12位
……
)、任何色彩空间(例如bt.601y crcb、rgb
……
)和任何合适取样结构(例如y crcb 4:2:0、y crcb 4:4:4)。在媒体服务系统中，视频源(501)可以是存储先前已准备的视频的存储装置。在视频会议系统中，视频源(501)可以是采集本地图像信息作为视频序列的相机。可将视频数据提供为多个单独的图片，当按顺序观看时，这些图片被赋予运动。图片自身可构建为空间像素阵列，其中取决于所用的取样结构、色彩空间等，每个像素可包括一个或多个样本。所属领域的技术人员可以很容易理解像素与样本之间的关系。下文侧重于描述样本。
55.根据实施例，视频编码器(503)可实时或在由应用所要求的任何其它时间约束下，将源视频序列的图片编码且压缩成已编码视频序列(543)。施行适当的编码速度是控制器(550)的一个功能。在一些实施例中，控制器(550)控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见，图中未标示耦接。由控制器(550)设置的参数可包括速率控制相关参数(图片跳过、量化器、率失真优化技术的λ值等)、图片大小、图片群组(group of pictures，gop)布局，最大运动矢量搜索范围等。控制器(550)可用于具有其它合适的功能，这些功能涉及针对某一系统设计优化的视频编码器(503)。
56.在一些实施例中，视频编码器(503)在编码环路中进行操作。作为简单的描述，在实施例中，编码环路可包括源编码器(530)(例如，负责基于待编码的输入图片和参考图片创建符号，例如符号流)和嵌入于视频编码器(503)中的(本地)解码器(533)。解码器(533)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据(因为在本技术所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流(样本数据)输入到参考图片存储器(534)。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果，因此参考图片存储器(534)中的内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说，编码器的预测部分“看到”的参考图片样本与解码器将在解码期间使用预测时所“看到”的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)也用于一些相关技术。
[0057]“本地”解码器(533)的操作可与例如已在上文结合图4详细描述视频解码器(410)的“远程”解码器相同。然而，另外简要参考图4，当符号可用且熵编码器(545)和解析器(420)能够无损地将符号编码/解码为已编码视频序列时，包括缓冲存储器(415)和解析器(420)在内的视频解码器(410)的熵解码部分，可能无法完全在本地解码器(533)中实施。
[0058]
此时可以观察到，除存在于解码器中的解析/熵解码之外的任何解码器技术，也必定以基本上相同的功能形式存在于对应的编码器中。出于此原因，本技术侧重于解码器操作。可简化编码器技术的描述，因为编码器技术与全面地描述的解码器技术互逆。仅在某些区域中需要更详细的描述，并且在下文提供。
[0059]
在操作期间，在一些实施例中，源编码器(530)可执行运动补偿预测编码。参考来自视频序列中被指定为“参考图片”的一个或多个先前已编码图片，所述运动补偿预测编码对输入图片进行预测性编码。以此方式，编码引擎(532)对输入图片的像素块与参考图片的像素块之间的差异进行编码，所述参考图片可被选作所述输入图片的预测参考。
[0060]
本地视频解码器(533)可基于源编码器(530)创建的符号，对可指定为参考图片的图片的已编码视频数据进行解码。编码引擎(532)的操作可为有损过程。当已编码视频数据可在视频解码器(图5中未示)处被解码时，重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器(533)复制解码过程，所述解码过程可由视频解码器对参考图片执行，且可使重建的参考图片存储在参考图片高速缓存(534)中。以此方式，视频编码器(503)可在本地存储重建的参考图片的副本，所述副本与将由远端视频解码器获得的重建参考图片具有共同内容(不存在传输误差)。
[0061]
预测器(535)可针对编码引擎(532)执行预测搜索。即，对于将要编码的新图片，预测器(535)可在参考图片存储器(534)中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据，例如参考图片运动矢量、块形状等。预测器(535)可基于样本块逐像素块操作，以找到合适的预测参考。在一些情况下，根据预测器(535)获得的搜索结果，可确定输入图片可具有从参考图片存储器(534)中存储的多个参考图片取得的预测参考。
[0062]
控制器(550)可管理源编码器(530)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。
[0063]
可在熵编码器(545)中对所有上述功能单元的输出进行熵编码。熵编码器(545)根据例如霍夫曼编码、可变长度编码、算术编码等技术对各种功能单元生成的符号进行无损压缩，从而将所述符号转换成已编码视频序列。
[0064]
传输器(540)可缓冲由熵编码器(545)创建的已编码视频序列，从而为通过通信信道(560)进行传输做准备，所述通信信道可以是通向将存储已编码的视频数据的存储装置的硬件/软件链路。传输器(540)可将来自视频编码器(503)的已编码视频数据与要传输的其它数据合并，所述其它数据例如是已编码音频数据和/或辅助数据流(未示出来源)。
[0065]
控制器(550)可管理视频编码器(503)的操作。在编码期间，控制器(550)可以为每个已编码图片分配某一已编码图片类型，但这可能影响可应用于相应的图片的编码技术。例如，通常可将图片分配为以下任一种图片类型：
[0066]
帧内图片(i图片)，其可以是不将序列中的任何其它图片用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片，包括例如独立解码器刷新(independent decoder refresh，“idr”)图片。所属领域的技术人员了解i图片的变体及其相应的应用和特征。
[0067]
预测性图片(p图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。
[0068]
双向预测性图片(b图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地，多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。
[0069]
源图片通常可在空间上细分成多个样本块(例如，4
×
4、8
×
8、4
×
8或16
×
16个样本的块)，且逐块进行编码。这些块可参考其它(已编码)块进行预测编码，根据应用于块的相应图片的编码分配来确定所述其它块。举例来说，i图片的块可进行非预测编码，或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。p图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。b图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。
[0070]
视频编码器(503)可根据例如itu
‑
t h.265建议书的预定视频编码技术或标准执行编码操作。在操作中，视频编码器(503)可执行各种压缩操作，包括利用输入视频序列中的时间和空间冗余的预测编码操作。因此，已编码视频数据可符合所用视频编码技术或标准指定的语法。
[0071]
在实施例中，传输器(540)可在传输已编码的视频时传输附加数据。源编码器(530)可将此类数据作为已编码视频序列的一部分。附加数据可包括时间/空间/snr增强层、冗余图片和切片等其它形式的冗余数据、sei消息、vui参数集片段等。
[0072]
采集到的视频可作为呈时间序列的多个源图片(视频图片)。帧内图片预测(常常简化为帧内预测)利用给定图片中的空间相关性，而帧间图片预测则利用图片之间的(时间或其它)相关性。在实施例中，将正在编码/解码的特定图片分割成块，正在编码/解码的特定图片被称作当前图片。在当前图片中的块类似于视频中先前已编码且仍被缓冲的参考图片中的参考块时，可通过称作运动矢量的矢量对当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块，且在使用多个参考图片的情况下，所述运动矢量可具有识别参考图片的第三维度。
[0073]
在一些实施例中，双向预测技术可用于帧间图片预测中。根据双向预测技术，使用两个参考图片，例如按解码次序都在视频中的当前图片之前(但按显示次序可能分别是过去和将来)第一参考图片和第二参考图片。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说，可通过第一参考块和第二参考块的组合来预测所述块。
[0074]
此外，合并模式技术可用于帧间图片预测中以改善编码效率。
[0075]
根据本技术公开的一些实施例，帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说，根据hevc标准，将视频图片序列中的图片分割成编码树单元(coding tree unit，ctu)以用于压缩，图片中的ctu具有相同大小，例如64
×
64像素、32
×
32像素或16
×
16像素。一般来说，ctu包括三个编码树块(coding tree block，ctb)，所述三个编码树块是一个亮度ctb和两个色度ctb。更进一步的，还可将每个ctu以四叉树拆分为一个或多个编码单元(coding unit，cu)。举例来说，可将64
×
64像素的ctu拆分为一个64
×
64像素的cu，或4个32
×
32像素的cu，或16个16
×
16像素的cu。在实施例中，分析每个cu以确定用于cu的预测类型，例如帧间预测类型或帧内预测类型。此外，取决于时间和/或空间可预测性，将cu拆分为一个或多个预测单元(prediction unit，pu)。通常，每个pu包括亮度预测块(prediction block，pb)和两个色度pb。在实施例中，编码(编码/解码)中的预测操作以预
测块为单位来执行。以亮度预测块作为预测块为例，预测块包括像素值(例如，亮度值)的矩阵，例如8
×
8像素、16
×
16像素、8
×
16像素、16
×
8像素等等。
[0076]
图6是根据本技术公开的另一实施例的视频编码器(603)的图。视频编码器(603)用于接收视频图片序列中的当前视频图片内的样本值的处理块(例如预测块)，且将所述处理块编码到作为已编码视频序列的一部分的已编码图片中。在本实施例中，视频编码器(603)用于代替图3实施例中的视频编码器(303)。
[0077]
在hevc实施例中，视频编码器(603)接收用于处理块的样本值的矩阵，所述处理块为例如8
×
8样本的预测块等。视频编码器(603)使用例如率失真(rate
‑
distortion，rd)优化来确定是否使用帧内模式、帧间模式或双向预测模式来编码所述处理块。当在帧内模式中编码处理块时，视频编码器(603)可使用帧内预测技术以将处理块编码到已编码图片中；且当在帧间模式或双向预测模式中编码处理块时，视频编码器(603)可分别使用帧间预测或双向预测技术将处理块编码到已编码图片中。在某些视频编码技术中，合并模式可以是帧间图片预测子模式，其中，在不借助预测值外部的已编码运动矢量分量的情况下，从一个或多个运动矢量预测值导出运动矢量。在某些其它视频编码技术中，可存在适用于主题块的运动矢量分量。在实施例中，视频编码器(603)包括其它组件，例如用于确定处理块模式的模式决策模块(未示出)。
[0078]
在图6的实施例中，视频编码器(603)包括如图6所示的耦接到一起的帧间编码器(630)、帧内编码器(622)、残差计算器(623)、开关(626)、残差编码器(624)、通用控制器(621)和熵编码器(625)。
[0079]
帧间编码器(630)用于接收当前块(例如处理块)的样本、比较所述块与参考图片中的一个或多个参考块(例如先前图片和后来图片中的块)、生成帧间预测信息(例如根据帧间编码技术的冗余信息描述、运动矢量、合并模式信息)、以及基于帧间预测信息使用任何合适的技术计算帧间预测结果(例如已预测块)。在一些实施例中，参考图片是基于已编码的视频信息解码的已解码参考图片。
[0080]
帧内编码器(622)用于接收当前块(例如处理块)的样本、在一些情况下比较所述块与同一图片中已编码的块、在变换之后生成量化系数、以及在一些情况下还(例如根据一个或多个帧内编码技术的帧内预测方向信息)生成帧内预测信息。在实施例中，帧内编码器(622)还基于帧内预测信息和同一图片中的参考块计算帧内预测结果(例如已预测块)。
[0081]
通用控制器(621)用于确定通用控制数据，且基于所述通用控制数据控制视频编码器(603)的其它组件。在实施例中，通用控制器(621)确定块的模式，且基于所述模式将控制信号提供到开关(626)。举例来说，当所述模式是帧内模式时，通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧内模式结果，且控制熵编码器(625)以选择帧内预测信息且将所述帧内预测信息添加在码流中；以及当所述模式是帧间模式时，通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧间预测结果，且控制熵编码器(625)以选择帧间预测信息且将所述帧间预测信息添加在码流中。
[0082]
残差计算器(623)用于计算所接收的块与选自帧内编码器(622)或帧间编码器(630)的预测结果之间的差(残差数据)。残差编码器(624)用于基于残差数据操作，以对残差数据进行编码以生成变换系数。在实施例中，残差编码器(624)用于将残差数据从空间域转换到频域，且生成变换系数。变换系数接着经由量化处理以获得量化的变换系数。在各种
实施例中，视频编码器(603)还包括残差解码器(628)。残差解码器(628)用于执行逆变换，且生成已解码残差数据。已解码残差数据可适当地由帧内编码器(622)和帧间编码器(630)使用。举例来说，帧间编码器(630)可基于已解码残差数据和帧间预测信息生成已解码块，且帧内编码器(622)可基于已解码残差数据和帧内预测信息生成已解码块。适当处理已解码块以生成已解码图片，且在一些实施例中，所述已解码图片可在存储器电路(未示出)中缓冲并用作参考图片。
[0083]
熵编码器(625)用于将码流格式化以产生已编码的块。熵编码器(625)根据hevc标准等合适标准产生各种信息。在实施例中，熵编码器(625)用于获得通用控制数据、所选预测信息(例如帧内预测信息或帧间预测信息)、残差信息和码流中的其它合适的信息。应注意，根据所公开的主题，当在帧间模式或双向预测模式的合并子模式中对块进行编码时，不存在残差信息。
[0084]
图7是根据本技术公开的另一实施例的视频解码器(710)的图。视频解码器(710)用于接收作为已编码视频序列的一部分的已编码图像，且对所述已编码图像进行解码以生成重建的图片。在实施例中，视频解码器(710)用于代替图3实施例中的视频解码器(310)。
[0085]
在图7实施例中，视频解码器(710)包括如图7中所示耦接到一起的熵解码器(771)、帧间解码器(780)、残差解码器(773)、重建模块(774)和帧内解码器(772)。
[0086]
熵解码器(771)可用于根据已编码图片来重建某些符号，这些符号表示构成所述已编码图片的语法元素。此类符号可包括例如用于对所述块进行编码的模式(例如帧内模式、帧间模式、双向预测模式、后两者的合并子模式或另一子模式)、可分别识别供帧内解码器(772)或帧间解码器(780)用以进行预测的某些样本或元数据的预测信息(例如帧内预测信息或帧间预测信息)、呈例如量化的变换系数形式的残差信息等等。在实施例中，当预测模式是帧间或双向预测模式时，将帧间预测信息提供到帧间解码器(780)；以及当预测类型是帧内预测类型时，将帧内预测信息提供到帧内解码器(772)。残差信息可经由逆量化并提供到残差解码器(773)。
[0087]
帧间解码器(780)用于接收帧间预测信息，且基于所述帧间预测信息生成帧间预测结果。
[0088]
帧内解码器(772)用于接收帧内预测信息，且基于所述帧内预测信息生成预测结果。
[0089]
残差解码器(773)用于执行逆量化以提取解量化的变换系数，且处理所述解量化的变换系数，以将残差从频域转换到空间域。残差解码器(773)还可能需要某些控制信息(用以获得量化器参数qp)，且所述信息可由熵解码器(771)提供(未标示数据路径，因为这仅仅是低量控制信息)。
[0090]
重建模块(774)用于在空间域中组合由残差解码器(773)输出的残差与预测结果(可由帧间预测模块或帧内预测模块输出)以形成重建的块，所述重建的块可以是重建的图片的一部分，所述重建的图片继而可以是重建的视频的一部分。应注意，可执行解块操作等其它合适的操作来改善视觉质量。
[0091]
应注意，可使用任何合适的技术来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。在实施例中，可使用一个或多个集成电路来实施视频编码器(303)、视频编码器(503)和视频编码器
(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。在另一实施例中，可使用执行软件指令的一个或多个处理器来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。
[0092]
本技术的各方面提供应用解码端运动矢量修正(decoder
‑
side motion vector refinement,dmvr)和/或双向光流(bi
‑
directional optical flow,bdof)的条件。
[0093]
开发例如hevc、vvc等的各种编解码标准以包括新技术。
[0094]
在vvc的一些示例中，对于每个帧间预测编码单元(coding unit,cu)，运动参数包括运动矢量、参考图片索引和参考图片列表使用索引，以及待用于帧间预测样本生成的vvc的新编解码特征所需的额外信息。可以使用明示方式或隐式方式，用信号通知运动参数。在示例中，当cu以跳过模式编码时，cu与一个pu相关联并且不具有显著残余系数、不具有已编码的运动矢量delta或参考图片索引。在另一个示例中，指定了合并模式，由此从相邻cu(包括空间和时间候选)获得当前cu的运动参数，以及在vvc中引入附加调度。合并模式可以应用于任何帧间预测cu，而不仅是针对跳过模式。合并模式的替换方案是运动参数的明示传输，其中每个cu明示地用信号通知运动矢量、每个参考图片列表的相应参考图片索引、参考图片列表使用标志、以及其它所需信息。
[0095]
除了hevc中的帧间编解码特征之外，vvc测试模型3(vvc test model 3，vtm3)包括许多新的和修正的帧间预测编解码工具，例如扩展合并预测、具有运动矢量差的合并模式(merge mode with motion vector difference，mmvd)、仿射运动补偿预测、基于子块的时间运动矢量预测器(subblock
‑
based temporal motion vector predictor,sbtmvp)、三角形分区预测、组合的帧间和帧内预测(combined inter and intra prediction,ciip)等。在本技术中描述了上述帧间预测编解码工具的一些特征。
[0096]
根据本技术的一些方面，在帧间预测中使用称为双向光流(bdof)模式的运动修正技术。在一些示例中，bdof也被称为bio。bdof用于在4
×
4子块级别上修正cu的双向预测信号。当cu满足以下条件时，将bdof应用于cu：1)cu的高度不是4，并且cu的大小不是4
×
8；2)cu没有使用仿射模式或可选时域运动矢量预测(alternative temporal motion vector prediction，atmvp)合并模式进行编码；3)使用“真”双向预测模式对cu进行编码，即，两个参考图片中的一个按照显示次序在当前图片之前，而另一个按照显示次序在当前图片之后。在一些示例中，bdof仅应用于亮度分量。
[0097]
bdof模式中的运动修正基于光流概念，该光流概念假设对象的运动是平滑的。对于每个4
×
4子块，通过最小化l0和l1预测样本之间的差来计算运动修正(v
x
,v
y
)。然后，使用运动修正以调整4
×
4子块中的双向预测样本值。在bdof过程中应用以下步骤。
[0098]
首先，通过直接计算两个相邻样本之间的差来计算两个预测信号的水平梯度和竖直梯度、和k＝0,1。
[0099][0100]
其中，i
(k)
(i，j)是列表k、k＝0，1中的预测信号的坐标(i，j)处的样本值。
[0101]
然后，梯度的自相关和互相关、s1、s2、s3、s5和s6计算为
[0102][0103]
其中
[0104][0105][0106]
θ(i，j)＝(i
(1)
(i，j)＞＞n
b
)
‑
(i
(0)
(i，j)＞＞n
b
)
[0107]
其中ω是围绕4
×
4子块的6
×
6窗口。
[0108]
然后使用互相关和自相关项，使用以下等式导出运动修正(v
x
，v
y
)：
[0109][0110]
其中th
′
bio
＝2
13
‑
bd
和是向下取整函数。
[0111]
基于运动修正和梯度，针对4
×
4子块中的每个样本计算以下调整：
[0112][0113]
最后，通过如下调整双向预测样本来计算cu的bdof样本：
[0114]
pred
bdof
(x，y)＝(i
(0)
(x，y) i
(1)
(x，y) b(x，y) o
offset
)＞＞shift
ꢀꢀꢀ
(等式6)
[0115]
在上文中，n
a
、n
b
和的值分别等于3、6和12。选择这些值使得bdof过程中的乘数不超过15比特，并且bdof过程中的中间参数的最大比特宽度保持在32比特之内。
[0116]
为了导出梯度值，可以生成当前cu边界外的列表k(k＝0,1)中的一些预测样本i
(k)
(i,j)。
[0117]
图8示出了bdof中的扩展cu区域的示例。在图8的示例中，将一个4
×
4cu(810)示为阴影区域。bdof在cu的边界周围使用一个扩展行/列，并且将扩展区域示为6
×
6的虚线块(820)。为了控制生成边界外预测样本的计算复杂性，双线性滤波器用于在扩展区域(白色位置)中生成预测样本，并且普通8抽头运动补偿内插滤波器用于在cu(灰色位置)内生成预
测样本。这些扩展样本值仅用于梯度计算。对于bdof过程中的其余步骤，如果需要cu边界外的任何样本和梯度值，则从它们的最近邻对它们进行填充(即，重复)。
[0118]
根据本技术的一个方面，解码端运动矢量修正(dmvr)是解码端运动矢量推导(dmvd)技术中的一种，并且用于基于起始点改进/修正mv。
[0119]
在一些示例中，可以应用基于双边匹配的解码端运动矢量修正以增加合并模式的运动矢量的精度。在双向预测操作中，在参考图片列表l0和参考图片列表l1中的初始mv周围搜索修正的mv。双边匹配方法计算参考图片列表l0和列表l1中的两个候选块之间的失真。
[0120]
在示例中，在双向预测操作的情况下，对于一个块区域的预测，可以使用第一参考图片候选列表l0的mv0和第二参考图片候选列表l1的mv1，分别形成两个预测块。在dmvr方法中，通过双边模板匹配过程，进一步修正双向预测的两个运动矢量mv0和mv1。在解码器中应用双边模板匹配，以在双边模板和参考图片中的重建样本之间执行基于失真的搜索，从而在不传输额外运动信息的情况下获得修正的mv。
[0121]
图9示出了基于双边模板匹配的dmvr的示例。在dmvr中，分别根据第一参考图片候选列表l0的初始mv0和第二参考图片候选列表l1的mv1，生成双边模板(940)作为两个预测块(920)和(930)的加权组合(即，平均)，如图9中所示。模板匹配操作包括计算所生成的模板(940)和参考图片ref0和ref1中的样本区域(在初始预测块周围)之间的成本测量。对于两个参考图片ref0和ref1中的每一个，认为产生最小模板成本的mv是该列表的更新mv，以代替原始mv。例如，mv0'代替mv0，并且mv1'代替mv1。在一些示例中，针对每个列表搜索九个mv候选。所述九个mv候选包括原始mv和8个周围的mv，其中所述8个周围的mv的一个亮度样本在水平或竖直方向上或在两个方向上都偏移到原始mv。最后，两个新的mv(即，图9中所示的mv0
′
和mv1
′
)用于生成当前块的最终双向预测结果。绝对差之和(sum of absolute differences，sad)可以用作成本测量。
[0122]
在一些示例中，将dmvr应用于以某些模式要求编码的cu。例如，将dmvr应用于具有双向预测mv的cu级别合并模式中的cu。此外，相对于当前图片，一个参考图片在过去，而另一个参考图片在未来。从两个参考图片到当前图片的距离(即，图片次序计数(picture order count,poc)差)是相同的。该cu具有多于64个亮度样本，并且cu高度大于8个亮度样本。
[0123]
由dmvr过程导出的修正mv用于生成帧间预测样本，并且还用于针对未来图片编码的时间运动矢量预测。而原始mv用于去块过程中，并且还用于未来cu编码的空间运动矢量预测中。
[0124]
在一些实施例中，基于已接收的比特流中的信号，确定一对合并候选并将其用作dmvr过程的输入。例如，将合并候选对表示为初始运动矢量(mv0、mv1)。在一些示例中，通过dmvr搜索的搜索点，遵循运动矢量差镜像条件。换句话说，由一对候选运动矢量(mv0'、mv1')表示的由dmvr检查的点遵循(等式7)和(等式8):
[0125]
mv0
′
＝mv0 mv
diff
ꢀꢀꢀ
(等式7)
[0126]
mv1
′
＝mv1
‑
mv
diff
ꢀꢀꢀ
(等式8)
[0127]
其中mv
diff
表示一个参考图片中的候选运动矢量和初始运动矢量之间的运动矢量差。
[0128]
在一些实施例中，使用称为加权平均双向预测(bi
‑
prediction with weighted averaging，bwa)的技术。bwa技术也称为广义双向预测(generalized bi
‑
prediction，gbi)。在例如hevc的示例中，通过对从两个不同的参考图片获得的两个预测信号进行平均，和/或，使用两个不同的运动矢量，生成双向预测信号。在另一个示例中，例如在vvc工作草案和vtm中，使用bwa，扩展双向预测模式超过简单平均，以允许两个预测信号的加权平均。在一个示例中，例如在vvc草案中，也将广义双向预测(generalized bi
‑
prediction，gbi)称为具有cu级权重的双向预测(bi prediction with cu
‑
level weights，bcw)。在bwa/gbi/bcw模式中，在cu执行cu级的加权预测。例如，当cu启用bwa/gbi/bcw模式时，可以通过bcw索引用信号通知该cu的权重。例如，使用(等式9)生成双向预测p
bi
‑
pred
。
[0129]
p
bi
‑
pred
＝((8
‑
w)
×
p3 w
×
p1 4)＞＞3
ꢀꢀꢀ
(等式9)
[0130]
其中，p0和p1分别表示使用在l0和l1中的参考图片的运动补偿预测，w表示使用在l1中的参考图片进行预测的加权参数，并且在示例中以1/8精度表示。
[0131]
在gbi实现示例中，在加权平均双向预测中允许五个权重，w∈{
‑
2,3,4,5,10}.对于每个双向预测cu，以第一种方法和第二种方法中的一种确定权重w。在第一种方法中，对于非合并cu，在运动矢量差之后用信号通知权重索引。在第二种方法中，对于合并cu，基于合并候选索引从相邻块推断权重索引。在一些示例中，加权平均双向预测仅应用于具有256个或256以上亮度样本(即，cu宽度乘以cu高度大于或等于256)的cu。对于低延迟图片，可以使用全部5个权重。对于非低延迟图片，在示例中仅使用3个权重(w∈{3,4,5})。
[0132]
在一些示例中，例如avc、hevc、vvc等，提供加权预测(weighted prediction，wp)作为所支持的编解码工具。在示例中，当源材料经受光照变化时，例如，当使用衰落或交叉衰落时，wp可以用于改进帧间预测的性能。
[0133]
在一些示例中，根据wp，通过线性加权预测信号p’(具有权重w和偏移o)代替帧间预测信号p，例如根据(等式10)进行单向预测：
[0134]
单向预测：p'＝w
×
p o(等式10)
[0135]
对于双向预测，帧间预测信号p0用于参考l0；权重w0和偏移o0用于参考l0；以及帧间预测信号p1用于参考l1；权重w1和偏移o1用于参考l0，则可以根据(等式11)计算线性加权预测信号p':
[0136]
双向预测：p'＝(w0
×
p0 o0 w1
×
p1 o1)/2
ꢀꢀꢀ
(等式11)
[0137]
可应用的权重和偏移由编码器选择，并且在比特流内从编码器传送到解码器。l0和l1后缀分别定义参考图片列表的list0和list1。与内插滤波器一样，在对预测信号进行平均之前，将比特深度保持在14比特精度(在hevc版本1中)。
[0138]
在一些实施例中，对于参考图片列表l0和l1中的每一个参考图片，wp允许用信号通知加权参数(权重和偏移)。然后，在运动补偿期间，应用对应参考图片的权重和偏移。设计wp和bwa，以用于不同类型的视频内容。为了避免wp和bwa之间的交互，该交互会使得vvc解码器设计复杂化，如果cu使用wp，则不会用信号通知bwa权重索引，并且推断w为4(即，应用相等权重)。
[0139]
根据本技术的一些方面，某些双向预测工具(例如，bdof和dmvr)依赖于相等权重从两个方向进行预测。
[0140]
在示例中，是否应用bdof方法取决于条件。所述条件包括对gbi和亮度分量的明示
加权预测的加权标志(也称为亮度分量的加权预测的使用标志)的要求。
[0141]
图10a示出了根据实施例总结的应用bdof方法的条件列表的表1a。在图10a的示例中，条件(1010a)要求gbi索引为零。可以用信号通知或推断gbi索引。在示例中，使用gbi索引指定用于对两个参考图片的预测信号进行加权的权重。当gbi索引为零时，使用相等的权重对两个参考图片的预测信号进行加权。
[0142]
此外，在图10a的示例中，条件(1020a)要求参考图片列表l0和l1中的亮度分量的加权预测的使用标志为零。当参考图片列表l0和l1中的亮度分量的加权预测的使用标志为零时，可以使用默认权重，并且两个方向的默认权重相等。
[0143]
在实现示例中，当gbi索引满足条件(1010a)并且加权标志满足条件(1020a)时，启用bdof。然后，可以进一步根据其它条件(例如图10a中的其它条件)来确定是否应用bdof。
[0144]
在一些示例中，当参考块的sad使用不相等权重加权时，dmvr可以搜索不匹配块。类似于bdof的应用，可以基于条件来确定是否应用dmvr。所述条件包括对gbi和亮度分量的明示加权预测的加权标志(也称为亮度分量的加权预测的使用标志)的要求。
[0145]
图11a示出了总结了应用dmvr方法的条件列表的表2a。在图11a的示例中，条件(1110a)要求gbi索引为零。可以用信号通知或推断gbi索引。在示例中，使用gbi索引指定对两个参考图片的预测信号进行加权的权重。当gbi索引为零时，使用相等的权重对两个参考图片的预测信号进行加权。
[0146]
此外，在图11a的示例中，条件(1120a)要求参考图片列表l0和l1中的亮度分量的加权预测的使用标志为零。当参考图片列表l0和l1中的亮度分量的加权预测的使用标志为零时，可以使用默认权重，并且两个方向的默认权重相等。
[0147]
在实现示例中，当gbi索引满足条件(1110a)并且加权标志满足条件(1120a)时，启用dmvr。然后，可以进一步根据其它条件(例如图11a中的其它条件)确定是否应用dmvr。
[0148]
根据本技术的一些方面，应用bdof和/或dmvr的条件包括检查亮度分量的加权预测的使用标志，并且还检查色度分量的加权预测的使用标志。
[0149]
根据本技术的一个方面，bdof可以仅应用于亮度分量。在一些实施例中，还可以检查当前块的加权预测的色度加权。
[0150]
图10b示出了根据一些实施例总结的应用bdof方法的条件列表的表1b。在图10b的示例中，如(1030b)所示，检查色度分量的加权预测的使用标志，例如由chroma_weight_l0_flag[refidxl0]和chroma_weight_l1_flag[refidxl1]表示。当色度分量的加权预测的使用标志为零时，对色度分量使用相等加权，并且可以启用bdof。此外，当满足图10b中的其它条件时，可以将bdof应用于亮度分量。然而，当chroma_weight_l0_flag[refidxl0]和chroma_weight_l1_flag[refidxl1]中的至少一个不等于0时，可以禁用bdof，并且不能将bdof应用于亮度分量。
[0151]
根据本技术的另一个方面，bdof可以分别应用于亮度分量和色度分量，使用亮度分量bdof的条件可以包括当前块的加权预测的亮度加权，并且使用色度分量bdof的条件可以包括当前块的加权预测的色度加权。
[0152]
在一个实施例中，为了确定bdof用于亮度分量的应用，检查亮度分量的加权预测的使用标志，例如由luma_weight_10_flag[refidxl0]和luma_weight_11_flag[refidxl1]表示。当亮度分量的加权预测的两个使用标志均为零时，使用相等的权重，并且可以启用
bdof。此外，当满足图10b中的其它条件时，可以将bdof应用于亮度分量。然而，当luma_weight_10_flag[refidxl0]和luma_weight_11_flag[refidxl1]中的至少一个不等于0时，可以禁用bdof，并且不能将bdof应用于亮度分量。
[0153]
在另一个实施例中，为了确定bdof用于色度分量的应用，检查色度分量的加权预测的使用标志，例如由chroma_weight_l0_flag[refidxl0]和chroma_weight_l1_flag[refidxl1]表示。当色度分量的加权预测的两个使用标志均为零时，使用相等的权重，并且可以启用bdof。此外，当满足图10b中的其它条件(除了(1020b))时，可以将bdof应用于色度分量。然而，当chroma_weight_l0_flag[refidxl0]和chroma_weight_l1_flag[refidxl1]中的至少一个不等于0时，可以禁用bdof，并且不能将bdof应用于色度分量。
[0154]
根据本技术的一个方面，dmvr可以仅应用于亮度分量。在一些实施例中，除了该条件之外，还可以检查当前块的加权预测的色度加权。
[0155]
图11b示出了根据一些实施例总结的应用dmvr方法的条件列表的表2b。在图11b的示例中，如(1130b)所示，例如，检查色度分量的加权预测的使用标志，例如由chroma_weight_l0_flag[refidxl0]和chroma_weight_l1_flag[refidxl1]表示。当色度分量的加权预测的使用标志为零时，对色度分量使用相等的权重，并且可以启用dmvr。此外，当满足图11b中的其它条件时，可以将dmvr应用于亮度分量。然而，当chroma_weight_l0_flag[refidxl0]和chroma_weight_l1_flag[refidxl1]中的至少一个不等于0时，可以禁用dmvr，并且不能将dmvr应用于亮度分量。
[0156]
根据本技术的另一个方面，dmvr可以分别应用于亮度和色度分量，使用亮度分量dmvr的条件可以包括当前块的加权预测的亮度加权，并且使用色度分量dmvr的条件可以包括当前块的加权预测的色度加权。
[0157]
在一个实施例中，为了确定dmvr用于亮度分量的应用，检查亮度分量的加权预测的使用标志，例如由luma_weight_10_flag[refidxl0]和luma_weight_11_flag[refidxl1]表示。当亮度分量的加权预测的两个使用标志均为零时，使用相等的权重，并且可以启用dmvr。此外，当满足图11b中的其它条件时，可以将dmvr应用于亮度分量。然而，当luma_weight_10_flag[refidxl0]和luma_weight_11_flag[refidxl1]中的至少一个不等于0时，可以禁用dmvr，并且不能将dmvr应用于亮度分量。
[0158]
在另一个实施例中，为了确定dmvr用于色度分量的应用，检查色度分量的加权预测的使用标志，例如由chroma_weight_l0_flag[refidxl0]和chroma_weight_l1_flag[refidxl1]表示。当色度分量的加权预测的两个使用标志均为零时，使用相等的权重，并且可以启用dmvr。此外，当满足图11b中的其它条件(除了(1120b))时，可以将dmvr应用于色度分量。然而，当chroma_weight_l0_flag[refidxl0]和chroma_weight_l1_flag[refidxl1]中的至少一个不等于0时，可以禁用dmvr，并且不能将dmvr应用于色度分量。
[0159]
图12示出了根据本技术实施例的一个概述过程(1200)的流程图。可以在块的重建中使用过程(1200)，以便为重建中的块生成预测块。在各种实施例中，由处理电路执行过程(1200)，例如终端设备(210)、(220)、(230)和(240)中的处理电路、执行视频编码器(303)的功能的处理电路、执行视频解码器(310)的功能的处理电路、执行视频解码器(410)的功能的处理电路、执行视频编码器(503)的功能的处理电路等。在一些实施例中，使用软件指令实现过程(1200)，因此当处理电路执行软件指令时，处理电路执行过程(1200)。该过程开始
于(s1201)并进行到(s1210)。
[0160]
在(s1210)处，从已编码的视频比特流解码当前图片中的当前块的预测信息。该预测信息指示可能使用基于第一参考图片和第二参考图片的修正技术的帧间预测模式。在一些实施例中，该修正技术包括bdof和dmvr中的至少一个。在一些示例中，当前图片的图片次序计数(poc)大于第一参考图片和第二参考图片中的一个，并且当前图片的poc小于第一参考图片和第二参考图片中的另一个。
[0161]
在(s1220)处，可以确定是否满足第一参考图片和第二参考图片的色度分量的第一相等加权条件。在一些示例中，检查第一参考图片的色度权重的第一标志(例如，chroma_weight_l0_flag[refidxl0])和第二参考图片的色度权重的第二标志(例如，chroma_weight_l1_flag[refidsl1])。当第一标志和第二标志两者均为零时，满足色度分量的第一相等加权条件。当第一标志和第二标志中的至少一个不为零时，可以确定未能满足第一相等加权条件。
[0162]
在(s1230)处，当确定未能满足第一相等加权条件时，在当前块样本的重建中禁用修正技术。在一些实施例中，修正技术可以仅应用于亮度分量。因此，当确定未能满足第一相等加权条件时，在当前块的亮度样本的重建中禁用修正技术。在一些实施例中，修正技术可以分别应用于亮度分量和色度分量。因此，当确定未能满足第一相等加权条件时，在当前块的色度样本的重建中禁用修正技术。然后，过程进行到(s1299)并终止。
[0163]
应注意，当满足第一相等加权条件时，还检查其它合适的条件(例如，图10b或图11b中的条件)以确定修正技术是否可以应用于当前块样本的重建中。
[0164]
上述技术可以通过计算机可读指令实现为计算机软件，并且物理地存储在一个或多个计算机可读介质中。例如，图13示出了计算机系统(1300)，其适于实现所公开主题的某些实施例。
[0165]
所述计算机软件可通过任何合适的机器代码或计算机语言进行编码，通过汇编、编译、链接等机制创建包括指令的代码，所述指令可由一个或多个计算机中央处理单元(cpu)，图形处理单元(gpu)等直接执行或通过译码、微代码等方式执行。
[0166]
所述指令可以在各种类型的计算机或其组件上执行，包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。
[0167]
图13所示的用于计算机系统(1300)的组件本质上是示例性的，并不用于对实现本技术实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统(1300)的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。
[0168]
计算机系统(1300)可以包括某些人机界面输入设备。这种人机界面输入设备可以通过触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)，对一个或多个人类用户的输入做出响应。所述人机界面设备还可用于捕获某些媒体，气与人类有意识的输入不必直接相关，如音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静止影像相机获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。
[0169]
人机界面输入设备可包括以下中的一个或多个(仅绘出其中一个)：键盘(1301)、鼠标(1302)、触控板(1303)、触摸屏(1310)、数据手套(未示出)、操纵杆(1305)、麦克风(1306)、扫描仪(1307)、照相机(1308)。计算机系统(1300)还可以包括某些人机界面输出设
备。这种人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏(1310)、数据手套(未示出)或操纵杆(1305)的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(例如，扬声器(1309)、耳机(未示出))、视觉输出设备(例如，包括阴极射线管屏幕、液晶屏幕、等离子屏幕、有机发光二极管屏的屏幕(1310)，其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出二维视觉输出或三维以上的输出；虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。
[0170]
计算机系统(1300)还可以包括人可访问的存储设备及其相关介质，如包括具有cd/dvd的高密度只读/可重写式光盘(cd/dvd rom/rw)(1320)或类似介质(1321)的光学介质、拇指驱动器(1322)、可移动硬盘驱动器或固体状态驱动器(1323)，诸如磁带和软盘(未示出)的传统磁介质，诸如安全软件保护器(未示出)等的基于rom/asic/pld的专用设备，等等。
[0171]
本领域技术人员还应当理解，结合所公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它瞬时信号。
[0172]
计算机系统(1300)还可以包括通往一个或多个通信网络的接口。例如，网络可以是无线的、有线的、光学的。网络还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络还包括以太网、无线局域网、蜂窝网络(gsm、3g、4g、5g、lte等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括canbus)等等。某些网络通常需要外部网络接口适配器，用于连接到某些通用数据端口或外围总线(1349)(例如，计算机系统(1300)的usb端口)；其它系统通常通过连接到如下所述的系统总线集成到计算机系统(1300)的核心(例如，以太网接口集成到pc计算机系统或蜂窝网络接口集成到智能电话计算机系统)。通过使用这些网络中的任何一个，计算机系统(1300)可以与其它实体进行通信。所述通信可以是单向的，仅用于接收(例如，无线电视)，单向的仅用于发送(例如can总线到某些can总线设备)，或双向的，例如通过局域或广域数字网络到其它计算机系统。上述的每个网络和网络接口可使用某些协议和协议栈。
[0173]
上述的人机界面设备、人可访问的存储设备以及网络接口可以连接到计算机系统(1300)的核心(1340)。
[0174]
核心(1340)可包括一个或多个中央处理单元(cpu)(1341)、图形处理单元(gpu)(1342)、以现场可编程门阵列(fpga)(1343)形式的专用可编程处理单元、用于特定任务的硬件加速器(1344)等。这些设备以及只读存储器(rom)(1345)、随机存取存储器(1346)、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘等)(1347)等可通过系统总线(1348)进行连接。在某些计算机系统中，可以以一个或多个物理插头的形式访问系统总线(1348)，以便可通过额外的中央处理单元、图形处理单元等进行扩展。外围装置可直接附接到核心的系统总线(1348)，或通过外围总线(1349)进行连接。外围总线的体系结构包括外部控制器接口pci、通用串行总线usb等。
[0175]
cpu(1341)、gpu(1342)、fpga(1343)和加速器(1344)可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在rom(1345)或ram(1346)中。
过渡数据也可以存储在ram(1346)中，而永久数据可以存储在例如内部大容量存储器(1347)中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索，高速缓冲存储器可与一个或多个cpu(1341)、gpu(1342)、大容量存储器(1347)、rom(1345)、ram(1346)等紧密关联。
[0176]
所述计算机可读介质上可具有计算机代码，用于执行各种计算机实现的操作。介质和计算机代码可以是为本技术的目的而特别设计和构造的，也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。
[0177]
作为实施例而非限制，具有体系结构(1300)的计算机系统，特别是核心(1340)，可以作为处理器(包括cpu、gpu、fpga、加速器等)提供执行包含在一个或多个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质，以及具有非易失性的核心(1340)的特定存储器，例如核心内部大容量存储器(1347)或rom(1345)。实现本技术的各种实施例的软件可以存储在这种设备中并且由核心(1340)执行。根据特定需要，计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使得核心(1340)特别是其中的处理器(包括cpu、gpu、fpga等)执行本文所述的特定过程或特定过程的特定部分，包括定义存储在ram(1346)中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代，计算机系统可以提供逻辑硬连线或以其它方式包含在电路(例如，加速器(1344))中的功能，该电路可以代替软件或与软件一起运行以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(ic))，包含执行逻辑的电路，或两者兼备。本技术包括任何合适的硬件和软件组合。
[0178]
附录a：首字母缩略词
[0179]
jem：联合开发模式
[0180]
vvc：通用视频编码
[0181]
bms：基准集合
[0182]
mv：运动矢量
[0183]
hevc：高效视频编码
[0184]
sei：补充增强信息
[0185]
vui：视频可用性信息
[0186]
gop：图片组
[0187]
tu：变换单元
[0188]
pu：预测单元
[0189]
ctu：编码树单元
[0190]
ctb：编码树块
[0191]
pb：预测块
[0192]
hrd：假设参考解码器
[0193]
snr：信噪比
[0194]
cpu：中央处理单元
[0195]
gpu：图形处理单元
[0196]
crt：阴极射线管
[0197]
lcd：液晶显示
[0198]
oled：有机发光二极管
[0199]
cd：光盘
[0200]
dvd：数字化视频光盘
[0201]
rom：只读存储器
[0202]
ram：随机存取存储器
[0203]
asic：专用集成电路
[0204]
pld：可编程逻辑设备
[0205]
lan：局域网
[0206]
gsm：全球移动通信系统
[0207]
lte：长期演进
[0208]
canbus：控制器局域网络总线
[0209]
usb：通用串行总线
[0210]
pci：外围设备互连
[0211]
fpga：现场可编程门阵列
[0212]
ssd：固态驱动器
[0213]
ic：集成电路
[0214]
cu：编码单元
[0215]
虽然本技术已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换均属于本技术的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确示出或描述，但其体现了本技术的原则，因此属于本技术的精神和范围之内。