Nothing Special   »   [go: up one dir, main page]

JP7514611B2 - Video decoding device, video encoding device, and predicted image generating device - Google Patents

Video decoding device, video encoding device, and predicted image generating device Download PDF

Info

Publication number
JP7514611B2
JP7514611B2 JP2019203450A JP2019203450A JP7514611B2 JP 7514611 B2 JP7514611 B2 JP 7514611B2 JP 2019203450 A JP2019203450 A JP 2019203450A JP 2019203450 A JP2019203450 A JP 2019203450A JP 7514611 B2 JP7514611 B2 JP 7514611B2
Authority
JP
Japan
Prior art keywords
prediction
unit
picture
reference picture
video
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
JP2019203450A
Other languages
Japanese (ja)
Other versions
JP2021078004A5 (en
JP2021078004A (en
Inventor
健 中條
知宏 猪飼
友子 青野
瑛一 佐々木
将伸 八杉
知典 橋本
天洋 周
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sharp Corp
Original Assignee
Sharp Corp
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 Sharp Corp filed Critical Sharp Corp
Priority to JP2019203450A priority Critical patent/JP7514611B2/en
Publication of JP2021078004A publication Critical patent/JP2021078004A/en
Publication of JP2021078004A5 publication Critical patent/JP2021078004A5/en
Application granted granted Critical
Publication of JP7514611B2 publication Critical patent/JP7514611B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Compression Or Coding Systems Of Tv Signals (AREA)

Description

本発明の実施形態は、予測画像生成装置、動画像復号装置、および動画像符号化装置に関する。 Embodiments of the present invention relate to a predictive image generating device, a video decoding device, and a video encoding device.

動画像を効率的に伝送または記録するために、動画像を符号化することによって符号化データを生成する動画像符号化装置、および、当該符号化データを復号することによって復号画像を生成する動画像復号装置が用いられている。 To efficiently transmit or record video, video encoding devices are used that generate encoded data by encoding video, and video decoding devices are used that generate decoded images by decoding the encoded data.

具体的な動画像符号化方式としては、例えば、H.264/AVCやHEVC(High-Efficiency Video Coding)方式などが挙げられる。 Specific examples of video encoding methods include H.264/AVC and the High-Efficiency Video Coding (HEVC) method.

このような動画像符号化方式においては、動画像を構成する画像(ピクチャ)は、画像を分割することにより得られるスライス、スライスを分割することにより得られる符号化ツリーユニット(CTU:Coding Tree Unit)、符号化ツリーユニットを分割することで得られる符号化単位(符号化ユニット(Coding Unit:CU)と呼ばれることもある)、及び、符号化単位を分割することより得られる変換ユニット(TU:Transform Unit)からなる階層構造により管理され、CU毎に符号化/復号される。 In such video coding methods, images (pictures) that make up a video are managed in a hierarchical structure consisting of slices obtained by dividing images, coding tree units (CTUs) obtained by dividing slices, coding units (sometimes called coding units: CUs) obtained by dividing coding tree units, and transform units (TUs) obtained by dividing coding units, and are coded/decoded for each CU.

また、このような動画像符号化方式においては、通常、入力画像を符号化/復号することによって得られる局所復号画像に基づいて予測画像が生成され、当該予測画像を入力画像(原画像)から減算して得られる予測誤差(「差分画像」または「残差画像」と呼ぶこともある)が符号化される。予測画像の生成方法としては、画面間予測(インター予測)、および、画面内予測(イントラ予測)が挙げられる。 In such video coding methods, a predicted image is usually generated based on a locally decoded image obtained by encoding/decoding an input image, and the prediction error (sometimes called a "difference image" or "residual image") obtained by subtracting the predicted image from the input image (original image) is coded. Methods for generating predicted images include inter-prediction and intra-prediction.

また、近年の動画像符号化及び復号の技術として非特許文献1が挙げられる。非特許文献1においては、参照ピクチャリサンプリング(RPR:Reference Picture Resampling)と呼ばれる技術が採用されている。この技術は、符号化ピクチャのサイズと参照ピクチャのサイズが異なっていた場合、参照ピクチャのサイズを符号化ピクチャのサイズに合わせて符号化、復号するものである。参照ピクチャのサイズと符号化ピクチャのサイズが異なっている場合、参照ピクチャに保存されていた動きベクトルの情報を、符号化ピクチャで用いる場合、位置が合わないという問題があった。この問題については、非特許文献1では、符号化ピクチャとサイズが異なっている参照ピクチャの動きベクトル情報を使った符号化データの生成を禁止するという方法が記載されている。 Another recent example of video coding and decoding technology is Non-Patent Document 1. Non-Patent Document 1 employs a technology called Reference Picture Resampling (RPR). This technology encodes and decodes the reference picture to match its size to the size of the coded picture when the size of the coded picture differs from that of the reference picture. When the size of the reference picture differs from that of the coded picture, there is a problem that the positions do not match when the motion vector information stored in the reference picture is used in the coded picture. Regarding this problem, Non-Patent Document 1 describes a method of prohibiting the generation of coded data using motion vector information of a reference picture whose size differs from that of the coded picture.

"Versatile Video Coding (Draft 5)", JVET-N1001-v7, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11, 2019-05-29"Versatile Video Coding (Draft 5)", JVET-N1001-v7, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11, 2019-05-29

しかしながら非特許文献1に記載の符号化ピクチャとサイズが異なっている参照ピクチャの動きベクトル情報を使った符号化データの生成を禁止する方法では、禁止された符号化データが生成され、その禁止された符号化データを復号する場合、復号処理が規定されていないために、動作が保証できないという課題がある。 However, in the method described in Non-Patent Document 1, which prohibits the generation of coded data using motion vector information of a reference picture that is a different size from the coded picture, prohibited coded data is generated, and when the prohibited coded data is decoded, the decoding process is not specified, so there is a problem in that the operation cannot be guaranteed.

本発明の一態様に係る動画像復号装置は、符号化ピクチャのサイズと参照ピクチャのサイズが異なっていた場合、参照ピクチャをスケーリングする予測画像生成部を有し、
前記予測画像生成において、符号化ピクチャのサイズと異なる参照ピクチャの動きベクトルの情報を参照する符号化データを符号化、復号する場合には、
前記参照ピクチャの動きベクトル情報の使用が禁止されてものとして、予測画像を生成することを特徴とする。
According to one aspect of the present invention, there is provided a video decoding device, comprising: a predicted image generating unit configured to scale a reference picture when a size of a coded picture and a size of a reference picture are different;
In the case where the prediction image generation involves encoding and decoding encoded data that refers to information on a motion vector of a reference picture that is different in size from the size of the encoded picture,
The present invention is characterized in that a predicted image is generated assuming that the use of the motion vector information of the reference picture is prohibited.

本発明の一態様によれば、動画像符号化・復号処理において、復号処理に動作が保証できない符号化データを生成できないため、復号処理の動作が保証できる。 According to one aspect of the present invention, in video encoding/decoding processing, it is not possible to generate encoded data whose operation cannot be guaranteed for the decoding process, so that the operation of the decoding process can be guaranteed.

本実施形態に係る画像伝送システムの構成を示す概略図である。1 is a schematic diagram showing a configuration of an image transmission system according to an embodiment of the present invention. 本実施形態に係る動画像符号化装置を搭載した送信装置、および、動画像復号装置を搭載した受信装置の構成について示した図である。PROD_Aは動画像符号化装置を搭載した送信装置を示しており、PROD_Bは動画像復号装置を搭載した受信装置を示している。1 is a diagram showing the configuration of a transmitting device equipped with a video encoding device according to the present embodiment, and a receiving device equipped with a video decoding device, in which PROD_A indicates the transmitting device equipped with the video encoding device, and PROD_B indicates the receiving device equipped with the video decoding device. 本実施形態に係る動画像符号化装置を搭載した記録装置、および、動画像復号装置を搭載した再生装置の構成について示した図である。PROD_Cは動画像符号化装置を搭載した記録装置を示しており、PROD_Dは動画像復号装置を搭載した再生装置を示している。1 is a diagram showing the configuration of a recording device equipped with a video encoding device according to the present embodiment, and a playback device equipped with a video decoding device, in which PROD_C indicates a recording device equipped with a video encoding device, and PROD_D indicates a playback device equipped with a video decoding device. 符号化ストリームのデータの階層構造を示す図である。FIG. 2 is a diagram showing a hierarchical structure of data in an encoded stream. 本実施形態に係る画像伝送システムにおいて処理の対象となる画像の概念図である。1 is a conceptual diagram of an image to be processed in the image transmission system according to the present embodiment. 参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。FIG. 2 is a conceptual diagram showing an example of a reference picture and a reference picture list. 動画像復号装置の構成を示す概略図である。FIG. 1 is a schematic diagram showing a configuration of a video decoding device. 動画像復号装置の概略的動作を説明するフローチャートである。11 is a flowchart illustrating a schematic operation of the video decoding device. スライスヘッダのシンタックス表の構成例を示す図である。13 is a diagram illustrating an example of the configuration of a syntax table of a slice header. 本願の処理の一例を示すフローチャートである。2 is a flowchart illustrating an example of a process of the present application. インター予測パラメータ導出部の構成を示す概略図である。FIG. 13 is a schematic diagram showing a configuration of an inter-prediction parameter derivation unit. マージ予測パラメータ導出部、および、AMVP予測パラメータ導出部の構成を示す概略図である。1 is a schematic diagram showing the configuration of a merge prediction parameter derivation unit and an AMVP prediction parameter derivation unit. インター予測画像生成部の構成を示す概略図である。FIG. 13 is a schematic diagram showing a configuration of an inter-prediction image generating unit. 動画像符号化装置の構成を示すブロック図である。FIG. 1 is a block diagram showing a configuration of a video encoding device. インター予測パラメータ符号化部の構成を示す概略図である。13 is a schematic diagram showing a configuration of an inter-prediction parameter encoding unit. BIO部が予測画像を導出する処理の流れを説明するフローチャートである。13 is a flowchart illustrating a process flow in which the BIO unit derives a predicted image. BIO部の構成を示す概略図である。FIG. 2 is a schematic diagram showing the configuration of a BIO section.

(第1の実施形態)
以下、図面を参照しながら本発明の実施形態について説明する。
(First embodiment)
Hereinafter, an embodiment of the present invention will be described with reference to the drawings.

図1は、本実施形態に係る画像伝送システム1の構成を示す概略図である。 Figure 1 is a schematic diagram showing the configuration of an image transmission system 1 according to this embodiment.

画像伝送システム1は、解像度が変換された異なる解像度の画像を符号化した符号化ストリームを伝送し、伝送された符号化ストリームを復号し画像を元の解像度に逆変換して表示するシステムである。画像伝送システム1は、解像度変換装置(解像度変換部)51、動画像符号化装置(画像符号化装置)11、ネットワーク21、動画像復号装置(画像復号装置)31、解像度逆変換装置(解像度逆変換部)61、及び動画像表示装置(画像表示装置)41を含んで構成される。 Image transmission system 1 is a system that transmits an encoded stream in which images of different resolutions have been converted, decodes the transmitted encoded stream, and converts the images back to the original resolution for display. Image transmission system 1 includes a resolution conversion device (resolution conversion unit) 51, a video encoding device (image encoding device) 11, a network 21, a video decoding device (image decoding device) 31, a resolution inverse conversion device (resolution inverse conversion unit) 61, and a video display device (image display device) 41.

解像度変換装置51は、動画像に含まれる画像Tの解像度を変換し、異なる解像度の画像を含む可変解像度動画像信号を、画像符号化装置11に供給する。また、解像度変換装置51は、画像の解像度変換の有無を示す情報を動画像符号化装置11に供給する。当該情報が解像度変換を示す場合、動画像符号化装置は、後述する解像度変換情報ref_pic_resampling_enabled_flagを1に設定し、符号化データのシーケンスパラメータセットSPS(Sequence Parameter Set)に含ませて符号化する。 The resolution conversion device 51 converts the resolution of an image T included in the video, and supplies a variable resolution video signal including images of different resolutions to the image coding device 11. The resolution conversion device 51 also supplies information indicating whether or not the resolution of an image is to be converted to the video coding device 11. If the information indicates resolution conversion, the video coding device sets the resolution conversion information ref_pic_resampling_enabled_flag, described later, to 1, and includes it in the sequence parameter set SPS (Sequence Parameter Set) of the coded data for coding.

動画像符号化装置11には解像度が変換された画像Tが入力される。 The resolution-converted image T is input to the video encoding device 11.

ネットワーク21は、動画像符号化装置11が生成した符号化ストリームTeを動画像復号装置31に伝送する。ネットワーク21は、インターネット(Internet)、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る。ネットワーク21は、必ずしも双方向の通信網に限らず、地上デジタル放送、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良い。また、ネットワーク21は、DVD(Digital Versatile Disc:登録商標)、BD(Blue-ray Disc:登録商標)等の符号化ストリームTeを記録した記憶媒体で代替されても良い。 The network 21 transmits the encoded stream Te generated by the video encoding device 11 to the video decoding device 31. The network 21 is the Internet, a wide area network (WAN), a local area network (LAN), or a combination of these. The network 21 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 and satellite broadcasting. The network 21 may also be replaced by a storage medium on which the encoded stream Te is recorded, such as a DVD (Digital Versatile Disc: registered trademark) or a BD (Blue-ray Disc: registered trademark).

動画像復号装置31は、ネットワーク21が伝送した符号化ストリームTeのそれぞれを復号し、可変解像度復号画像信号を生成して解像度逆変換装置61に供給する。 The video decoding device 31 decodes each of the encoded streams Te transmitted by the network 21, generates a variable resolution decoded image signal, and supplies it to the resolution inverse conversion device 61.

解像度逆変換装置61は、可変解像度復号画像信号に含まれる解像度変換情報が解像度変換を示す場合、解像度変換された画像を逆変換することによって、オリジナルサイズの復号画像信号を生成する。 When the resolution conversion information included in the variable resolution decoded image signal indicates a resolution conversion, the resolution inverse conversion device 61 generates a decoded image signal of the original size by inversely converting the resolution-converted image.

動画像表示装置41は、解像度逆変換部から入力された復号画像信号が示す1または複数の復号画像Tdの全部または一部を表示する。動画像表示装置41は、例えば、液晶ディスプレイ、有機EL(Electro-luminescence)ディスプレイ等の表示デバイスを備える。ディスプレイの形態としては、据え置き、モバイル、HMD等が挙げられる。また、動画像復号装置31が高い処理能力を有する場合には、画質の高い画像を表示し、より低い処理能力しか有しない場合には、高い処理能力、表示能力を必要としない画像を表示する。 The video display device 41 displays all or part of one or more decoded images Td indicated by the decoded image signal input from the resolution inverse conversion unit. The video display device 41 is equipped with a display device such as a liquid crystal display or an organic EL (Electro-luminescence) display. Display forms include stationary, mobile, HMD, etc. If the video decoding device 31 has high processing power, it displays high quality images, and if it has only low processing power, it displays images that do not require high processing power or display power.

図5は、図1に示す画像伝送システム1において処理の対象となる画像の概念図であって、時間の経過に伴う、当該画像の解像度の変化を示す図である。ただし、図5においては、画像が符号化されているか否かを区別していない。図5は、画像伝送システム1の処理過程において、解像度を低下させて画像復号装置31に画像を伝送する例を示している。図5に示すように、通常、解像度変換装置51は、伝送される情報の情報量を少なくするために画像の解像度を低下させる変換を行う。 Figure 5 is a conceptual diagram of an image to be processed in the image transmission system 1 shown in Figure 1, showing changes in the resolution of the image over time. However, in Figure 5, no distinction is made as to whether the image is encoded or not. Figure 5 shows an example of transmitting an image to the image decoding device 31 with a reduced resolution during processing in the image transmission system 1. As shown in Figure 5, the resolution conversion device 51 normally performs conversion to reduce the resolution of the image in order to reduce the amount of information to be transmitted.

<演算子>
本明細書で用いる演算子を以下に記載する。
<Operator>
The operators used in this specification are listed below.

>>は右ビットシフト、<<は左ビットシフト、&はビットワイズAND、|はビットワイズOR、|=はOR代入演算子であり、||は論理和を示す。 >> is a right bit shift, << is a left bit shift, & is a bitwise AND, | is a bitwise OR, |= is the OR assignment operator, and || indicates logical OR.

x?y:zは、xが真(0以外)の場合にy、xが偽(0)の場合にzをとる3項演算子である。 x?y:z is a ternary operator that takes y if x is true (non-zero) and z if x is false (0).

Clip3(a,b,c)は、cをa以上b以下の値にクリップする関数であり、c<aの場合にはaを返し、c>bの場合にはbを返し、その他の場合にはcを返す関数である(ただし、a<=b)。 Clip3(a,b,c) is a function that clips c to a value between a and b, and returns a if c<a, returns b if c>b, and returns c otherwise (where a<=b).

abs(a)はaの絶対値を返す関数である。 abs(a) is a function that returns the absolute value of a.

Int(a)はaの整数値を返す関数である。 Int(a) is a function that returns the integer value of a.

floor(a)はa以下の最大の整数を返す関数である。 floor(a) is a function that returns the largest integer less than or equal to a.

ceil(a)はa以上の最小の整数を返す関数である。 ceil(a) is a function that returns the smallest integer greater than or equal to a.

a/dはdによるaの除算(小数点以下切り捨て)を表す。 a/d represents the division of a by d (truncated to an integer).

<符号化ストリームTeの構造>
本実施形態に係る動画像符号化装置11および動画像復号装置31の詳細な説明に先立って、動画像符号化装置11によって生成され、動画像復号装置31によって復号される符号化ストリームTeのデータ構造について説明する。
<Structure of the coded stream Te>
Before describing in detail the video encoding device 11 and the video decoding device 31 according to this embodiment, the data structure of the encoded stream Te generated by the video encoding device 11 and decoded by the video decoding device 31 will be described.

図4は、符号化ストリームTeにおけるデータの階層構造を示す図である。符号化ストリームTeは、例示的に、シーケンス、およびシーケンスを構成する複数のピクチャを含む。図4には、シーケンスSEQを既定する符号化ビデオシーケンス、ピクチャPICTを規定する符号化ピクチャ、スライスSを規定する符号化スライス、スライスデータを規定する符号化スライスデータ、符号化スライスデータに含まれる符号化ツリーユニット、符号化ツリーユニットに含まれる符号化ユニットを示す図が示されている。 Figure 4 is a diagram showing a hierarchical structure of data in an encoded stream Te. The encoded stream Te illustratively includes a sequence and a number of pictures that make up the sequence. Figure 4 shows a coded video sequence that defines a sequence SEQ, a coded picture that specifies a picture PICT, a coded slice that specifies a slice S, coded slice data that specifies slice data, a coding tree unit included in the coded slice data, and a coding unit included in the coding tree unit.

(符号化ビデオシーケンス)
符号化ビデオシーケンスでは、処理対象のシーケンスSEQを復号するために動画像復号装置31が参照するデータの集合が規定されている。シーケンスSEQは、図4に示すように、ビデオパラメータセットVPS(Video Parameter Set)、シーケンスパラメータセットSPS(Sequence Parameter Set)、ピクチャパラメータセットPPS(Picture Parameter Set)、Adaptation Parameter Set(APS)、ピクチャPICT、及び、付加拡張情報SEI(Supplemental Enhancement Information)を含んでいる。
(Coded Video Sequence)
The coded video sequence defines a set of data that the video decoding device 31 refers to in order to decode the sequence SEQ to be processed. As shown in Fig. 4, the sequence SEQ includes a video parameter set VPS (Video Parameter Set), a sequence parameter set SPS (Sequence Parameter Set), a picture parameter set PPS (Picture Parameter Set), an adaptation parameter set (APS), a picture PICT, and supplemental enhancement information SEI (Supplemental Enhancement Information).

ビデオパラメータセットVPSは、複数のレイヤから構成されている動画像において、複数の動画像に共通する符号化パラメータの集合および動画像に含まれる複数のレイヤおよび個々のレイヤに関連する符号化パラメータの集合が規定されている。 The video parameter set VPS specifies a set of coding parameters common to multiple videos composed of multiple layers, as well as a set of coding parameters related to multiple layers and individual layers included in the video.

シーケンスパラメータセットSPSでは、対象シーケンスを復号するために動画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの幅や高さが規定される。なお、SPSは複数存在してもよい。その場合、PPSから複数のSPSの何れかを選択する。 The sequence parameter set SPS specifies a set of coding parameters that the video decoding device 31 references to decode the target sequence. For example, the width and height of a picture are specified. Note that there may be multiple SPSs. In that case, one of the multiple SPSs is selected from the PPS.

ここで、シーケンスパラメータセットSPSには以下のシンタックスが含まれる。
・ref_pic_resampling_enabled_flag:対象SPSを参照する単一のシーケンスに含まれる各画像を復号する場合に、解像度を可変とする機能(リサンプリング:resampling)を用いるか否かを規定するフラグである。別の側面から言えば、当該フラグは、予測画像の生成において参照される参照ピクチャのサイズが、単一のシーケンスが示す各画像間において変化することを示すフラグである。当該フラグの値が1である場合、上記リサンプリングが適用され、0である場合、適用されない。
・pic_width_max_in_luma_samples:単一のシーケンスにおける画像のうち、最大の幅を有する画像の幅を、輝度ブロック単位で指定するシンタックスである。また、当該シンタックスの値は、0ではなく、且つMax(8, MinCbSizeY)の整数倍であることが要求される。ここで、MinCbSizeYは、輝度ブロックの最小サイズによって定まる値である。
・pic_height_max_in_luma_samples:単一のシーケンスにおける画像のうち、最大の高さを有する画像の高さを、輝度ブロック単位で指定するシンタックスである。また、当該シンタックスの値は、0ではなく、且つMax(8, MinCbSizeY)の整数倍であることが要求される。
・sps_temporal_mvp_enabled_flag:対象シーケンスを復号する場合において、時間動きベクトル予測を用いるか否かを規定するフラグである。当該フラグの値が1であれば時間動きベクトル予測が用いられ、値が0であれば時間動きベクトル予測は用いられない。また、当該フラグを規定することにより、異なる解像度の参照ピクチャを参照する場合等に、参照する座標位置がずれてしまうことを防ぐことができる。
Here, the sequence parameter set SPS includes the following syntax:
ref_pic_resampling_enabled_flag: A flag that specifies whether or not to use a function that changes the resolution (resampling) when decoding each image included in a single sequence that references the target SPS. In other words, this flag indicates that the size of the reference picture referenced in generating a predicted image changes between each image indicated by a single sequence. If the value of this flag is 1, the resampling is applied, and if the value is 0, it is not applied.
pic_width_max_in_luma_samples: This syntax specifies the width of the image with the maximum width among the images in a single sequence in units of luminance blocks. The value of this syntax is required to be a non-zero integer multiple of Max(8, MinCbSizeY), where MinCbSizeY is a value determined by the minimum size of a luminance block.
pic_height_max_in_luma_samples: This syntax specifies the height of the image with the maximum height among the images in a single sequence in units of luminance blocks. The value of this syntax is required to be a non-zero integer multiple of Max(8, MinCbSizeY).
sps_temporal_mvp_enabled_flag: A flag that specifies whether or not to use temporal motion vector prediction when decoding a target sequence. If the value of the flag is 1, temporal motion vector prediction is used, and if the value is 0, temporal motion vector prediction is not used. In addition, by specifying the flag, it is possible to prevent the coordinate position to be referenced from shifting when, for example, referring to a reference picture with a different resolution.

ピクチャパラメータセットPPSでは、対象シーケンス内の各ピクチャを復号するために動画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの復号に用いられる量子化幅の基準値(pic_init_qp_minus26)や重み付き予測の適用を示すフラグ(weighted_pred_flag)が含まれる。なお、PPSは複数存在してもよい。その場合、対象シーケンス内の各ピクチャから複数のPPSの何れかを選択する。 The picture parameter set PPS specifies a set of coding parameters that the video decoding device 31 references in order to decode each picture in the target sequence. For example, it includes the reference value of the quantization width used in decoding the picture (pic_init_qp_minus26) and a flag indicating the application of weighted prediction (weighted_pred_flag). Note that there may be multiple PPSs. In that case, one of the multiple PPSs is selected for each picture in the target sequence.

ここで、ピクチャパラメータセットPPSには以下のシンタックスが含まれる。
・pic_width_in_luma_samples:対象ピクチャの幅を指定するシンタックスである。当該シンタックスの値は、0ではなく、Max(8, MinCbSizeY)の整数倍であり、且つpic_width_max_in_luma_samples以下の値であることが要求される。
・pic_height_in_luma_samples:対象ピクチャの高さを指定するシンタックスである。当該シンタックスの値は、0ではなく、Max(8, MinCbSizeY)の整数倍であり、且つpic_height_max_in_luma_samples以下の値であることが要求される。
・conformance_window_flag:コンフォーマンス(クロッピング)ウィンドウオフセットパラメータが続いて通知されるか否かを示すフラグであって、コンフォーマンスウィンドウを表示する場所を示すフラグである。このフラグが1である場合、当該パラメータが通知され、0である場合、コンフォーマンスウインドウオフセットパラメータが存在しないことを示す。
・conf_win_left_offset、conf_win_right_offset、conf_win_top_offset、conf_win_bottom_offset:出力用のピクチャ座標で指定される矩形領域に関して、復号処理で出力されるピクチャの左、右、上、下位置を指定するためのオフセット値である。また、conformance_window_flagの値が0である場合、conf_win_left_offset、conf_win_right_offset、conf_win_top_offset、conf_win_bottom_offsetの値は0であるものと推定される。
・scaling_window_flag:スケーリングウインドウオフセットパラメータが対象PPSに存在するか否かを示すフラグであって、出力される画像サイズの規定に関するフラグである。このフラグが1である場合、当該パラメータがPPSに存在することを示しており、このフラグが0である場合、当該パラメータがPPSに存在しないことを示している。また、ref_pic_resampling_enabled_flagの値が0である場合、scaling_window_flagの値も0であることが要求される。
・scaling_win_left_offset、scaling_win_right_offset、scaling_win_top_offset、scaling_win_bottom_offset:スケーリング比率計算のために画像サイズに適用されるオフセットを、それぞれ、対象ピクチャの左、右、上、下位置について輝度サンプル単位で指定するシンタックスである。また、scaling_window_flagの値が0である場合、scaling_win_left_offset、scaling_win_right_offset、scaling_win_top_offset、scaling_win_bottom_offsetの値は0であるものと推定される。また、scaling_win_left_offset + scaling_win_right_offsetの値はpic_width_in_luma_samples未満であること、及びscaling_win_top_offset + scaling_win_bottom_offsetの値はpic_height_in_luma_samples未満であることが要求される。
Here, the picture parameter set PPS includes the following syntax.
pic_width_in_luma_samples: Syntax that specifies the width of the target picture. The value of this syntax is required to be a non-zero integer multiple of Max(8, MinCbSizeY) and equal to or less than pic_width_max_in_luma_samples.
pic_height_in_luma_samples: Syntax that specifies the height of the target picture. The value of this syntax is required to be a non-zero integer multiple of Max(8, MinCbSizeY) and equal to or less than pic_height_max_in_luma_samples.
conformance_window_flag: a flag indicating whether conformance (cropping) window offset parameters will be signaled subsequently, and where the conformance window will be displayed. If this flag is 1, the parameters will be signaled, if it is 0, the conformance window offset parameters are not present.
conf_win_left_offset, conf_win_right_offset, conf_win_top_offset, conf_win_bottom_offset: offset values for specifying the left, right, top, and bottom positions of a picture output by a decoding process with respect to a rectangular area specified by the output picture coordinates. In addition, when the value of conformance_window_flag is 0, the values of conf_win_left_offset, conf_win_right_offset, conf_win_top_offset, and conf_win_bottom_offset are estimated to be 0.
scaling_window_flag: A flag indicating whether a scaling window offset parameter exists in the target PPS, and is a flag related to the specification of the output image size. When this flag is 1, it indicates that the parameter exists in the PPS, and when this flag is 0, it indicates that the parameter does not exist in the PPS. In addition, when the value of ref_pic_resampling_enabled_flag is 0, the value of scaling_window_flag is also required to be 0.
-scaling_win_left_offset, scaling_win_right_offset, scaling_win_top_offset, scaling_win_bottom_offset: Syntax to specify the offsets applied to the image size for scaling ratio calculation in luminance samples for the left, right, top, and bottom positions of the target picture, respectively. If the value of scaling_window_flag is 0, the values of scaling_win_left_offset, scaling_win_right_offset, scaling_win_top_offset, and scaling_win_bottom_offset are presumed to be 0. It is also required that the value of scaling_win_left_offset + scaling_win_right_offset is less than pic_width_in_luma_samples, and the value of scaling_win_top_offset + scaling_win_bottom_offset is less than pic_height_in_luma_samples.

出力用ピクチャの幅PicOutputWidthLと高さPicOutputHeightLは以下で導出される。 The width PicOutputWidthL and height PicOutputHeightL of the output picture are derived as follows:

PicOutputWidthL = pic_width_in_luma_samples - (scaling_win_right_offset + scaling_win_left_offset)
PicOutputHeightL = pic_height_in_pic_size_units - (scaling_win_bottom_offset + scaling_win_top_offset)
・pps_collocated_from_l0_idc:collocated_from_l0_flagが、当該PPSを参照するスライスのスライスヘッダに存在するか否かを示すシンタックスである。当該シンタックスの値が0である場合、collocated_from_l0_flagが当該スライスヘッダに存在し、1又は2の場合、当該スライスヘッダには存在しないことを示している。
PicOutputWidthL = pic_width_in_luma_samples - (scaling_win_right_offset + scaling_win_left_offset)
PicOutputHeightL = pic_height_in_pic_size_units - (scaling_win_bottom_offset + scaling_win_top_offset)
pps_collocated_from_l0_idc: Syntax indicating whether collocated_from_l0_flag is present in the slice header of the slice that references the PPS. When the value of this syntax is 0, collocated_from_l0_flag is present in the slice header, and when the value is 1 or 2, it is not present in the slice header.

(符号化ピクチャ)
符号化ピクチャでは、処理対象のピクチャPICTを復号するために動画像復号装置31が参照するデータの集合が規定されている。ピクチャPICTは、図4に示すように、ピクチャヘッダPH、スライス0~スライスNS-1を含む(NSはピクチャPICTに含まれるスライスの総数)。
(Encoded Picture)
A coded picture defines a set of data to be referenced by the video decoding device 31 in order to decode a picture PICT to be processed. As shown in Fig. 4, a picture PICT includes a picture header PH and slices 0 to NS-1 (NS is the total number of slices included in the picture PICT).

以下、スライス0~スライスNS-1のそれぞれを区別する必要が無い場合、符号の添え字を省略して記述することがある。また、以下に説明する符号化ストリームTeに含まれるデータであって、添え字を付している他のデータについても同様である。 In the following, when there is no need to distinguish between slices 0 to NS-1, the subscripts of the symbols may be omitted. The same applies to other data that are included in the encoded stream Te described below and have subscripts.

ピクチャヘッダには、以下のシンタックスが含まれる。
・pic_temporal_mvp_enabled_flag:当該ピクチャヘッダに関連付けられたスライスのインター予測に時間動きベクトル予測を用いるか否かを規定するフラグである。当該フラグの値が0である場合、当該ピクチャヘッダに関連付けられたスライスのシンタックス要素は、そのスライスの復号において時間動きベクトル予測が用いられないように制限される。当該フラグの値が1である場合、当該ピクチャヘッダに関連付けられたスライスの復号に時間動きベクトル予測が用いられることを示している。また、当該フラグが規定されていない場合、値が0であるものと推定される。
The picture header contains the following syntax:
pic_temporal_mvp_enabled_flag: A flag that specifies whether or not temporal motion vector prediction is used for inter prediction of a slice associated with the picture header. If the value of the flag is 0, the syntax elements of the slice associated with the picture header are restricted so that temporal motion vector prediction is not used in decoding the slice. If the value of the flag is 1, it indicates that temporal motion vector prediction is used in decoding the slice associated with the picture header. If the flag is not specified, the value is presumed to be 0.

(符号化スライス)
符号化スライスでは、処理対象のスライスSを復号するために動画像復号装置31が参照するデータの集合が規定されている。スライスは、図4に示すように、スライスヘッダ、および、スライスデータを含んでいる。
(Coding Slice)
A coded slice defines a set of data to be referenced by the video decoding device 31 in order to decode a target slice S. As shown in Fig. 4, a slice includes a slice header and slice data.

スライスヘッダには、対象スライスの復号方法を決定するために動画像復号装置31が参照する符号化パラメータ群が含まれる。スライスタイプを指定するスライスタイプ指定情報(slice_type)は、スライスヘッダに含まれる符号化パラメータの一例である。 The slice header includes a set of coding parameters that the video decoding device 31 refers to in order to determine the decoding method for the target slice. Slice type specification information (slice_type) that specifies the slice type is an example of a coding parameter included in the slice header.

スライスタイプ指定情報により指定可能なスライスタイプとしては、(1)符号化の際にイントラ予測のみを用いるIスライス、(2)符号化の際に単方向予測、または、イントラ予測を用いるPスライス、(3)符号化の際に単方向予測、双方向予測、または、イントラ予測を用いるBスライスなどが挙げられる。なお、インター予測は、単予測、双予測に限定されず、より多くの参照ピクチャを用いて予測画像を生成してもよい。以下、P、Bスライスと呼ぶ場合には、インター予測を用いることができるブロックを含むスライスを指す。 Slice types that can be specified by the slice type specification information include (1) an I slice that uses only intra prediction during encoding, (2) a P slice that uses unidirectional prediction or intra prediction during encoding, and (3) a B slice that uses unidirectional prediction, bidirectional prediction, or intra prediction during encoding. Note that inter prediction is not limited to unidirectional or bidirectional prediction, and a predicted image may be generated using more reference pictures. Hereinafter, when referring to P or B slice, it refers to a slice that includes a block for which inter prediction can be used.

なお、スライスヘッダは、ピクチャパラメータセットPPSへの参照(pic_parameter_set_id)を含んでいても良い。 Note that the slice header may also contain a reference to the picture parameter set PPS (pic_parameter_set_id).

また、スライスヘッダには、図9に示すように以下のシンタックスが含まれ得る。
・collocated_from_l0_flag:時間動きベクトル予測に用いられるコロケートピクチャピクチャ(collocated picture)が何れの参照ピクチャリストから導出されるかを規定するフラグである。当該フラグの値が1である場合、当該ピクチャが参照ピクチャリスト0(L0リスト)から導出されることを示しており、当該フラグの値が0である場合、当該ピクチャが参照ピクチャリスト1(L1リスト)から導出されることを示している。また、当該フラグが規定されていない場合、スライスのタイプとpps_collocated_from_l0_idcに応じて、0又は1の値が推定される。
Furthermore, the slice header may include the following syntax as shown in FIG.
collocated_from_l0_flag: a flag that specifies from which reference picture list the collocated picture used for temporal motion vector prediction is derived. When the value of the flag is 1, it indicates that the picture is derived from reference picture list 0 (L0 list), and when the value of the flag is 0, it indicates that the picture is derived from reference picture list 1 (L1 list). When the flag is not specified, a value of 0 or 1 is estimated depending on the slice type and pps_collocated_from_l0_idc.

スライスタイプがB以外の場合、collocated_from_l0_flagは1と推定される。スライスタイプがBの場合、collocated_from_l0_flagはpps_collocated_from_l0_idc - 1と推定される。
・collocated_ref_idx:時間動きベクトル予測に使用されるコロケートピクチャの参照インデックスである。また、collocated_ref_idxの値は、スライスのタイプ又はcollocated_from_l0_flagの値によって規定される。スライスタイプがPの場合、あるいは、スライスタイプがBかつcollocated_from_l0_flagが1の場合、collocated_ref_idxはList0のピクチャを参照する。スライスタイプがBかつcollocated_from_l0_flagが0の場合、collocated_ref_idxはList1のピクチャを参照する。collocated_ref_idxが存在しない場合、0と推定する。
If the slice type is other than B, collocated_from_l0_flag is inferred to be 1. If the slice type is B, collocated_from_l0_flag is inferred to be pps_collocated_from_l0_idc - 1.
collocated_ref_idx: a reference index of the collocated picture used for temporal motion vector prediction. The value of collocated_ref_idx is also specified by the slice type or the value of collocated_from_l0_flag. If the slice type is P, or if the slice type is B and collocated_from_l0_flag is 1, collocated_ref_idx refers to a picture in List0. If the slice type is B and collocated_from_l0_flag is 0, collocated_ref_idx refers to a picture in List1. If collocated_ref_idx is not present, it is inferred to be 0.

本実施の形態においては、符号化ピクチャのサイズと参照ピクチャのサイズが異なることを示す変数RefPicIsScaled[ collocated_from_l0_flag? 0 : 1 ][ collocated_ref_idx ]の値が1ならば、変数SliceTemporalMvpEnableFlagを0に設定する。そうでない場合は、変数SliceTemporalMvpEnableFlagを、pic_temporal_mvp_enabled_flagの値に設定する。これにより、もし、符号化ピクチャのサイズと異なるサイズの参照ピクチャをcollocated_ref_idxで指定した場合には、強制的に変数SliceTemporalMvpEnableFlagを0に設定して、当該スライスにおいて、参照ピクチャの動きベクトル情報を用いずに、符号化、復号処理を行う。 In this embodiment, if the value of the variable RefPicIsScaled[collocated_from_l0_flag? 0:1][collocated_ref_idx], which indicates that the size of the coded picture and the size of the reference picture are different, is 1, the variable SliceTemporalMvpEnableFlag is set to 0. Otherwise, the variable SliceTemporalMvpEnableFlag is set to the value of pic_temporal_mvp_enabled_flag. As a result, if a reference picture of a size different from the size of the coded picture is specified by collocated_ref_idx, the variable SliceTemporalMvpEnableFlag is forcibly set to 0, and coding and decoding processes are performed for that slice without using the motion vector information of the reference picture.

図10は、上記の処理を流れ図で示したものである。まず。変数Xに時間的動きベクトル予測に用いられる連結されたコロケートピクチャピクチャ(collocated picture)がL0
L1のいずれの参照ピクチャリストから導出されるかを規定するフラグであるcollocated_from_l0_flagの値を代入する。(S201)次に、collocated_ref_idxで示されたコロケートピクチャピクチャのサイズが、符号化ピクチャのサイズと異なるか否かを調べるために、変数RefPicIsScaledの値が1か否かを比較する。(S202)もし、1ならば、コロケートピクチャピクチャのサイズが、符号化ピクチャのサイズと異なると判断して、変数SliceTemporalMvpEnableFlagを0に設定して、コロケートピクチャの動きベクトル情報を用いない。(S203)もし、1でないならば、変数SliceTemporalMvpEnableFlagには、ピクチャレベルでのフラグであるpicTemporalMvpEnableFlagの値を代入する。(S204)
別の実施の形態としては、もし、符号化ピクチャのサイズと異なるサイズの参照ピクチャをcollocated_ref_idxで指定した場合は、符号化ピクチャのサイズと同一サイズの参照ピクチャでref_idxの最も小さい値をcollocated_ref_idxとすることとし、もし、符号化ピクチャのサイズと同一サイズの参照ピクチャが存在しない場合は、強制的に変数SliceTemporalMvpEnableFlagを0に設定して、当該スライスにおいて、参照ピクチャの動きベクトル情報を用いずに、符号化、復号処理を行うという方式でもよい。
FIG. 10 is a flow diagram of the above process. First, the collocated picture used for temporal motion vector prediction is stored in the variable X.
(S201) Next, to check whether the size of the collocated-picture picture indicated by collocated_ref_idx is different from the size of the coding picture, the value of the variable RefPicIsScaled is compared to see if it is 1. (S202) If it is 1, it is determined that the size of the collocated-picture picture is different from the size of the coding picture, and the variable SliceTemporalMvpEnableFlag is set to 0, and the motion vector information of the collocated picture is not used. (S203) If it is not 1, the value of picTemporalMvpEnableFlag, a flag at the picture level, is substituted for the variable SliceTemporalMvpEnableFlag. (S204)
In another embodiment, if a reference picture of a size different from the size of the coded picture is specified by collocated_ref_idx, the smallest value of ref_idx among reference pictures of the same size as the coded picture is set to collocated_ref_idx, and if there is no reference picture of the same size as the coded picture, the variable SliceTemporalMvpEnableFlag is forcibly set to 0, and coding and decoding processes are performed in the slice without using motion vector information of the reference picture.

いずれにせよ、符号化ピクチャのサイズと異なるサイズの参照ピクチャをcollocated_ref_idxで指定した場合は、復号処理の動作が常に同じになるような手順を設定する。 In any case, if a reference picture of a size different from the size of the coded picture is specified in collocated_ref_idx, a procedure is set up so that the decoding process always operates in the same way.

このように、符号化ピクチャのサイズと異なるサイズの参照ピクチャをcollocated_ref_idxで指定する符号化データの生成を禁止するのではなく、符号化ピクチャのサイズと異なるサイズの参照ピクチャをcollocated_ref_idxで指定した場合の処理を定義することで、復号処理の動作が常に同じになることを保証することができる。 In this way, rather than prohibiting the generation of encoded data in which a reference picture of a size different from the size of the encoded picture is specified in collocated_ref_idx, it is possible to ensure that the operation of the decoding process is always the same by defining the processing to be performed when a reference picture of a size different from the size of the encoded picture is specified in collocated_ref_idx.

(符号化スライスデータ)
符号化スライスデータでは、処理対象のスライスデータを復号するために動画像復号装置31が参照するデータの集合が規定されている。スライスデータは、図4の符号化スライスヘッダに示すように、CTUを含んでいる。CTUは、スライスを構成する固定サイズ(例えば64x64)のブロックであり、最大符号化単位(LCU:Largest Coding Unit)と呼ぶこともある。
(Encoded slice data)
The coded slice data specifies a set of data to be referenced by the video decoding device 31 in order to decode the slice data to be processed. The slice data includes a CTU, as shown in the coded slice header in Fig. 4. A CTU is a block of a fixed size (e.g., 64x64) that constitutes a slice, and is also called a Largest Coding Unit (LCU).

(符号化ツリーユニット)
図4には、処理対象のCTUを復号するために動画像復号装置31が参照するデータの集合が規定されている。CTUは、再帰的な4分木分割(QT(Quad Tree)分割)、2分木分割(BT(Binary Tree)分割)あるいは3分木分割(TT(Ternary Tree)分割)により、符号化処理の基本的な単位である符号化ユニットCUに分割される。BT分割とTT分割を合わせてマルチツリー分割(MT(Multi Tree)分割)と呼ぶ。再帰的な4分木分割により得られる木構造のノードのことを符号化ノード(Coding Node)と称する。4分木、2分木、及び3分木の中間ノードは、符号化ノードであり、CTU自身も最上位の符号化ノードとして規定される。
(coding tree unit)
4 specifies a set of data that the video decoding device 31 refers to in order to decode a CTU to be processed. The CTU is divided into coding units CU, which are basic units of encoding processing, by recursive quad tree division (QT (Quad Tree) division), binary tree division (BT (Binary Tree) division), or ternary tree division (TT (Ternary Tree) division). BT division and TT division are collectively called multi tree division (MT (Multi Tree) division). A node of a tree structure obtained by recursive quad tree division is called a coding node. Intermediate nodes of a quad tree, binary tree, and ternary tree are coding nodes, and the CTU itself is specified as the top coding node.

CTは、CT情報として、CT分割を行うか否かを示すCU分割フラグ(split_cu_flag)、QT分割を行うか否かを示すQT分割フラグ(qt_split_cu_flag)、MT分割の分割方向を示すMT分割方向(mtt_split_cu_vertical_flag)、MT分割の分割タイプを示すMT分割タイプ(mtt_split_cu_binary_flag)を含む。split_cu_flag、qt_split_cu_flag、mtt_split_cu_vertical_flag、mtt_split_cu_binary_flagは符号化ノード毎に伝送される。 CT includes, as CT information, a CU split flag (split_cu_flag) indicating whether CT splitting is performed, a QT split flag (qt_split_cu_flag) indicating whether QT splitting is performed, an MT split direction (mtt_split_cu_vertical_flag) indicating the split direction of MT splitting, and an MT split type (mtt_split_cu_binary_flag) indicating the split type of MT splitting. split_cu_flag, qt_split_cu_flag, mtt_split_cu_vertical_flag, and mtt_split_cu_binary_flag are transmitted for each encoding node.

輝度と色差で異なるツリーを用いても良い。ツリーの種別をtreeTypeで示す。例えば、輝度(Y, cIdx=0)と色差(Cb/Cr, cIdx=1,2)で共通のツリーを用いる場合、共通単一ツリーをtreeType=SINGLE_TREEで示す。輝度と色差で異なる2つのツリー(DUALツリー)を用いる場合、輝度のツリーをtreeType= DUAL_TREE_LUMA、色差のツリーをtreeType=DUAL_TREE_CHROMAで示す。 Different trees may be used for luminance and chrominance. The type of tree is indicated by treeType. For example, when using a common tree for luminance (Y, cIdx=0) and chrominance (Cb/Cr, cIdx=1,2), the common single tree is indicated by treeType=SINGLE_TREE. When using two different trees (DUAL trees) for luminance and chrominance, the luminance tree is indicated by treeType=DUAL_TREE_LUMA and the chrominance tree is indicated by treeType=DUAL_TREE_CHROMA.

(符号化ユニット)
図4は、処理対象の符号化ユニットを復号するために動画像復号装置31が参照するデータの集合が規定されている。具体的には、CUは、CUヘッダCUH、予測パラメータ、変換パラメータ、量子化変換係数等から構成される。CUヘッダでは予測モード等が規定される。
(Encoding Unit)
4 specifies a set of data to be referenced by the video decoding device 31 in order to decode a coding unit to be processed. Specifically, a CU is composed of a CU header CUH, prediction parameters, transformation parameters, quantization transformation coefficients, etc. The CU header specifies a prediction mode, etc.

予測処理は、CU単位で行われる場合と、CUをさらに分割したサブCU単位で行われる場合がある。CUとサブCUのサイズが等しい場合には、CU中のサブCUは1つである。CUがサブCUのサイズよりも大きい場合、CUはサブCUに分割される。たとえばCUが8x8、サブCUが4x4の場合、CUは水平2分割、垂直2分割からなる、4つのサブCUに分割される。 Prediction processing may be performed on a CU basis, or on a sub-CU basis, which is a further division of a CU. If the size of the CU and sub-CU are the same, there is one sub-CU in the CU. If the size of the CU is larger than the size of the sub-CU, the CU is divided into sub-CUs. For example, if the CU is 8x8 and the sub-CU is 4x4, the CU is divided into 2 parts horizontally and 2 parts vertically, into 4 sub-CUs.

予測の種類(予測モード)は、イントラ予測と、インター予測の2つがある。イントラ予測は、同一ピクチャ内の予測であり、インター予測は、互いに異なるピクチャ間(例えば、表示時刻間、レイヤ画像間)で行われる予測処理を指す。 There are two types of prediction (prediction modes): intra prediction and inter prediction. Intra prediction is a prediction within the same picture, while inter prediction refers to a prediction process performed between different pictures (e.g., between display times or between layer images).

変換・量子化処理はCU単位で行われるが、量子化変換係数は4x4等のサブブロック単位でエントロピー符号化してもよい。 The transformation and quantization processes are performed on a CU basis, but the quantized transformation coefficients may be entropy coded on a subblock basis, such as 4x4.

(予測パラメータ)
予測画像は、ブロックに付随する予測パラメータによって導出される。予測パラメータには、イントラ予測とインター予測の予測パラメータがある。
(Prediction parameters)
The predicted image is derived from prediction parameters associated with the block, which include intra-prediction and inter-prediction parameters.

以下、インター予測の予測パラメータについて説明する。インター予測パラメータは、予測リスト利用フラグpredFlagL0とpredFlagL1、参照ピクチャインデックスrefIdxL0とrefIdxL1、動きベクトルmvL0とmvL1から構成される。predFlagL0、predFlagL1は、参照ピクチャリスト(L0リスト、L1リスト)が用いられるか否かを示すフラグであり、値が1の場合に対応する参照ピクチャリストが用いられる。なお、本明細書中「XXであるか否かを示すフラグ」と記す場合、フラグが0以外(たとえば1)をXXである場合、0をXXではない場合とし、論理否定、論理積などでは1を真、0を偽と扱う(以下同様)。但し、実際の装置や方法では真値、偽値として他の値を用いることもできる。 The prediction parameters of inter prediction are explained below. The inter prediction parameters are composed of prediction list usage flags predFlagL0 and predFlagL1, reference picture indexes refIdxL0 and refIdxL1, and motion vectors mvL0 and mvL1. predFlagL0 and predFlagL1 are flags indicating whether or not a reference picture list (L0 list, L1 list) is used, and when the value is 1, the corresponding reference picture list is used. Note that in this specification, when the term "flag indicating whether or not XX is true" is used, a flag other than 0 (for example, 1) is XX, and 0 is not XX, and in logical negation, logical product, etc., 1 is treated as true and 0 is treated as false (same below). However, in actual devices and methods, other values can be used as true and false values.

インター予測パラメータを導出するためのシンタックス要素には、例えば、マージモードで用いるアフィンフラグaffine_flag、マージフラグmerge_flag、マージインデックスmerge_idx、MMVDフラグmmvd_flag、AMVPモードで用いる参照ピクチャを選択するためのインター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、動きベクトルを導出するための予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、動きベクトル精度モードamvr_modeがある。 Syntax elements for deriving inter prediction parameters include, for example, the affine flag affine_flag used in merge mode, the merge flag merge_flag, the merge index merge_idx, the MMVD flag mmvd_flag, the inter prediction identifier inter_pred_idc for selecting a reference picture to be used in AMVP mode, the reference picture index refIdxLX, the prediction vector index mvp_LX_idx for deriving a motion vector, the difference vector mvdLX, and the motion vector precision mode amvr_mode.

(参照ピクチャリスト)
参照ピクチャリストは、参照ピクチャメモリ306に記憶された参照ピクチャからなるリストである。図6は、参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。図6の参照ピクチャの一例を示す概念図において、矩形はピクチャ、矢印はピクチャの参照関係、横軸は時間、矩形中のI、P、Bは各々イントラピクチャ、単予測ピクチャ、双予測ピクチャ、矩形中の数字は復号順を示す。図に示すように、ピクチャの復号順は、I0、P1、B2、B3、B4であり、表示順は、I0、B3、B2、B4、P1である。図6には、ピクチャB3(対象ピクチャ)の参照ピクチャリストの例を示されている。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、1つのピクチャ(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。図の例では、対象ピクチャB3は、L0リストRefPicList0およびL1リストRefPicList1の2つの参照ピクチャリストを持つ。個々のCUでは、参照ピクチャリストRefPicListX(X=0または1)中のどのピクチャを実際に参照するかをrefIdxLXで指定する。図は、refIdxL0=2、refIdxL1=0の例である。なお、LXは、L0予測とL1予測を区別しない場合に用いられる記述方法であり、以降では、LXをL0、L1に置き換えることでL0リストに対するパラメータとL1リストに対するパラメータを区別する。
(See picture list)
The reference picture list is a list of reference pictures stored in the reference picture memory 306. FIG. 6 is a conceptual diagram showing an example of a reference picture and a reference picture list. In the conceptual diagram showing an example of a reference picture in FIG. 6, 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 picture, a uni-predictive picture, and a bi-predictive picture, respectively, and numbers in the rectangle indicate a decoding order. As shown in the figure, the decoding order of pictures is I0, P1, B2, B3, and B4, and the display order is I0, B3, B2, B4, and P1. FIG. 6 shows an example of a reference picture list of a picture B3 (target picture). A reference picture list is a list representing candidates for a reference picture, and one picture (slice) may have one or more reference picture lists. In the example shown in the figure, the target picture B3 has two reference picture lists, an L0 list RefPicList0 and an L1 list RefPicList1. In each CU, refIdxLX specifies which picture in the reference picture list RefPicListX (X=0 or 1) is actually referenced. The diagram shows an example where refIdxL0=2 and refIdxL1=0. Note that LX is a description method used when there is no distinction between L0 prediction and L1 prediction, and hereinafter, parameters for the L0 list and parameters for the L1 list are distinguished by replacing LX with L0 and L1, respectively.

(マージ予測とAMVP予測)
予測パラメータの復号(符号化)方法には、マージ予測(merge)モードとAMVP(Advanced Motion Vector Prediction、適応動きベクトル予測)モードがあり、merge_flagは、これらを識別するためのフラグである。マージ予測モードは、予測リスト利用フラグpredFlagLX、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXを符号化データに含めずに、既に処理した近傍ブロックの予測パラメータ等から導出するモードである。AMVPモードは、inter_pred_idc、refIdxLX、mvLXを符号化データに含めるモードである。なお、mvLXは、予測ベクトルmvpLXを識別するmvp_LX_idxと差分ベクトルmvdLXとして符号化される。また、マージ予測モードの他に、アフィン予測モード、MMVD予測モードがあってもよい。
(Merge prediction and AMVP prediction)
The prediction parameter decoding (encoding) method includes a merge prediction mode and an AMVP (Advanced Motion Vector Prediction) mode, and merge_flag is a flag for identifying these. The merge prediction mode is a mode in which the prediction list usage flag predFlagLX, the reference picture index refIdxLX, and the motion vector mvLX are not included in the encoded data, but are derived from the prediction parameters of the neighboring blocks that have already been processed. The AMVP mode is a mode in which inter_pred_idc, refIdxLX, and mvLX are included in the encoded data. Note that mvLX is encoded as mvp_LX_idx, which identifies the prediction vector mvpLX, and the difference vector mvdLX. In addition to the merge prediction mode, there may be an affine prediction mode and an MMVD prediction mode.

inter_pred_idcは、参照ピクチャの種類および数を示す値であり、PRED_L0、PRED_L1、PRED_BIの何れかの値をとる。PRED_L0、PRED_L1は、各々L0リスト、L1リストで管理された1枚の参照ピクチャを用いる単予測を示す。PRED_BIはL0リストとL1リストで管理された2枚の参照ピクチャを用いる双予測を示す。 inter_pred_idc is a value indicating the type and number of reference pictures, and can take one of the values PRED_L0, PRED_L1, or PRED_BI. PRED_L0 and PRED_L1 indicate uni-prediction using one reference picture managed in the L0 list and L1 list, respectively. PRED_BI indicates bi-prediction using two reference pictures managed in the L0 list and L1 list.

merge_idxは、処理が完了したブロックから導出される予測パラメータ候補(マージ候補)のうち、いずれの予測パラメータを対象ブロックの予測パラメータとして用いるかを示すインデックスである。 merge_idx is an index that indicates which prediction parameter among the prediction parameter candidates (merge candidates) derived from the blocks for which processing has been completed will be used as the prediction parameter for the target block.

(動きベクトル)
mvLXは、異なる2つのピクチャ上のブロック間のシフト量を示す。mvLXに関する予測ベクトル、差分ベクトルを、それぞれmvpLX、mvdLXと呼ぶ。
(Motion Vector)
mvLX indicates the amount of shift between blocks on two different pictures. A prediction vector and a difference vector related to mvLX are called mvpLX and mvdLX, respectively.

(インター予測識別子inter_pred_idcと予測リスト利用フラグpredFlagLX)
inter_pred_idcと、predFlagL0、predFlagL1の関係は以下のとおりであり、相互に変換可能である。
(Inter prediction identifier inter_pred_idc and prediction list usage flag predFlagLX)
The relationship between inter_pred_idc, predFlagL0, and predFlagL1 is as follows, and they are mutually convertible.

inter_pred_idc = (predFlagL1<<1)+predFlagL0
predFlagL0 = inter_pred_idc & 1
predFlagL1 = inter_pred_idc >> 1
なお、インター予測パラメータは、予測リスト利用フラグを用いても良いし、インター予測識別子を用いてもよい。また、予測リスト利用フラグを用いた判定は、インター予測識別子を用いた判定に置き替えてもよい。逆に、インター予測識別子を用いた判定は、予測リスト利用フラグを用いた判定に置き替えてもよい。
inter_pred_idc = (predFlagL1<<1) + predFlagL0
predFlagL0 = inter_pred_idc & 1
predFlagL1 = inter_pred_idc >> 1
In addition, the inter prediction parameter may use a prediction list usage flag or an inter prediction identifier. Furthermore, the determination using the prediction list usage flag may be replaced with a determination using the inter prediction identifier. Conversely, the determination using the inter prediction identifier may be replaced with a determination using the prediction list usage flag.

(双予測biPredの判定)
双予測であるかのフラグbiPredは、2つの予測リスト利用フラグがともに1であるかによって導出できる。例えば以下の式で導出できる。
(Bi-prediction biPred decision)
The flag biPred indicating whether or not the prediction is performed can be derived based on whether or not two prediction list usage flags are both 1. For example, the flag can be derived by the following formula.

biPred = (predFlagL0==1 && predFlagL1==1)
あるいは、biPredは、インター予測識別子が2つの予測リスト(参照ピクチャ)を使うことを示す値であるか否かによっても導出できる。例えば以下の式で導出できる。
biPred = (predFlagL0==1 && predFlagL1==1)
Alternatively, biPred can be derived based on whether the inter prediction identifier is a value indicating the use of two prediction lists (reference pictures). For example, biPred can be derived using the following formula:

biPred = (inter_pred_idc==PRED_BI) ? 1 : 0
(動画像復号装置の構成)
本実施形態に係る動画像復号装置31(図7)の構成について説明する。
biPred = (inter_pred_idc==PRED_BI) ? 1 : 0
(Configuration of video decoding device)
The configuration of a video decoding device 31 (FIG. 7) according to this embodiment will be described.

動画像復号装置31は、エントロピー復号部301、パラメータ復号部(予測画像復号装置)302、ループフィルタ305、参照ピクチャメモリ306、予測パラメータメモリ307、予測画像生成部(予測画像生成装置)308、逆量子化・逆変換部311、及び加算部312、予測パラメータ導出部320を含んで構成される。なお、後述の動画像符号化装置11に合わせ、動画像復号装置31にループフィルタ305が含まれない構成もある。 The video decoding device 31 includes an entropy decoding unit 301, a parameter decoding unit (prediction image decoding device) 302, a loop filter 305, a reference picture memory 306, a prediction parameter memory 307, a prediction image generating unit (prediction image generating device) 308, an inverse quantization and inverse transform unit 311, an addition unit 312, and a prediction parameter derivation unit 320. Note that, in accordance with the video encoding device 11 described below, the video decoding device 31 may also be configured not to include the loop filter 305.

パラメータ復号部302は、さらに、ヘッダ復号部3020、CT情報復号部3021、及びCU復号部3022(予測モード復号部)を備えており、CU復号部3022はさらにTU復号部3024を備えている。これらを総称して復号モジュールと呼んでもよい。ヘッダ復号部3020は、符号化データからVPS、SPS、PPS、APSなどのパラメータセット情報、スライスヘッダ(スライス情報)を復号する。CT情報復号部3021は、符号化データからCTを復号する。CU復号部3022は符号化データからCUを復号する。TU復号部3024は、TUに予測誤差が含まれている場合に、符号化データからQP更新情報(量子化補正値)と量子化予測誤差(residual_coding)を復号する。 The parameter decoding unit 302 further includes a header decoding unit 3020, a CT information decoding unit 3021, and a CU decoding unit 3022 (prediction mode decoding unit), and the CU decoding unit 3022 further includes a TU decoding unit 3024. These may be collectively referred to as a decoding module. The header decoding unit 3020 decodes parameter set information such as VPS, SPS, PPS, and APS, and slice headers (slice information) from the encoded data. The CT information decoding unit 3021 decodes the CT from the encoded data. The CU decoding unit 3022 decodes the CU from the encoded data. The TU decoding unit 3024 decodes QP update information (quantization correction value) and quantization prediction error (residual_coding) from the encoded data when a prediction error is included in the TU.

TU復号部3024は、スキップモード以外(skip_mode==0)の場合に、符号化データからQP更新情報と量子化予測誤差を復号する。より具体的には、TU復号部3024は、skip_mode==0の場合に、対象ブロックに量子化予測誤差が含まれているか否かを示すフラグcu_cbpを復号し、cu_cbpが1の場合に量子化予測誤差を復号する。cu_cbpが符号化データに存在しない場合は0と導出する。 When in a mode other than skip mode (skip_mode==0), the TU decoding unit 3024 decodes the QP update information and the quantized prediction error from the encoded data. More specifically, when skip_mode==0, the TU decoding unit 3024 decodes the flag cu_cbp indicating whether or not the current block contains a quantized prediction error, and decodes the quantized prediction error when cu_cbp is 1. When cu_cbp does not exist in the encoded data, it derives it as 0.

TU復号部3024は、符号化データから変換基底を示すインデックスmts_idxを復号する。また、TU復号部3024は、符号化データからセカンダリ変換の利用及び変換基底を示すインデックスstIdxを復号する。stIdxは0の場合にセカンダリ変換の非適用を示し、1の場合にセカンダリ変換基底のセット(ペア)のうち一方の変換を示し、2の場合に上記ペアのうち他方の変換を示す。 The TU decoding unit 3024 decodes an index mts_idx indicating the transformation base from the encoded data. The TU decoding unit 3024 also decodes an index stIdx indicating the use of a secondary transformation and the transformation base from the encoded data. When stIdx is 0, it indicates no application of a secondary transformation, when it is 1, it indicates one transformation of a set (pair) of secondary transformation bases, and when it is 2, it indicates the other transformation of the pair.

また、TU復号部3024はサブブロック変換フラグcu_sbt_flagを復号してもよい。cu_sbt_flagが1の場合には、CUを複数のサブブロックに分割し、特定の1つのサブブロックのみ残差を復号する。さらにTU復号部3024は、サブブロックの数が4であるか2であるかを示すフラグcu_sbt_quad_flag、分割方向を示すcu_sbt_horizontal_flag、非ゼロの変換係数が含まれるサブブロックを示すcu_sbt_pos_flagを復号してもよい。 The TU decoding unit 3024 may also decode the sub-block transform flag cu_sbt_flag. When cu_sbt_flag is 1, the CU is divided into multiple sub-blocks, and the residual of only one specific sub-block is decoded. The TU decoding unit 3024 may further decode a flag cu_sbt_quad_flag indicating whether the number of sub-blocks is 4 or 2, cu_sbt_horizontal_flag indicating the division direction, and cu_sbt_pos_flag indicating a sub-block that includes a non-zero transform coefficient.

予測画像生成部308は、インター予測画像生成部309及びイントラ予測画像生成部310を含んで構成される。 The predicted image generation unit 308 includes an inter predicted image generation unit 309 and an intra predicted image generation unit 310.

予測パラメータ導出部320は、インター予測パラメータ導出部303及びイントラ予測パラメータ導出部304を含んで構成される。 The prediction parameter derivation unit 320 includes an inter prediction parameter derivation unit 303 and an intra prediction parameter derivation unit 304.

また、以降では処理の単位としてCTU、CUを使用した例を記載するが、この例に限らず、サブCU単位で処理をしてもよい。あるいはCTU、CUをブロック、サブCUをサブブロックと読み替え、ブロックあるいはサブブロック単位の処理としてもよい。 In the following, an example will be described in which CTU and CU are used as processing units, but this is not limiting and processing may be performed in sub-CU units. Alternatively, CTU and CU may be interpreted as blocks and sub-CU as sub-blocks, and processing may be performed in block or sub-block units.

エントロピー復号部301は、外部から入力された符号化ストリームTeに対してエントロピー復号を行って、個々の符号(シンタックス要素)を復号する。エントロピー符号化には、シンタックス要素の種類や周囲の状況に応じて適応的に選択したコンテキスト(確率モデル)を用いてシンタックス要素を可変長符号化する方式と、あらかじめ定められた表、あるいは計算式を用いてシンタックス要素を可変長符号化する方式がある。前者のCABAC(Context Adaptive Binary Arithmetic Coding)は、コンテキストのCABAC状態(優勢シンボルの種別(0 or 1)と確率を指定する確率状態インデックスpStateIdx)をメモリに格納する。エントロピー復号部301は、セグメント(タイル、CTU行、スライス)の先頭で全てのCABAC状態を初期化する。エントロピー復号部301は、シンタックス要素をバイナリ列(Bin String)に変換し、Bin Stringの各ビットを復号する。コンテキストを用いる場合には、シンタックス要素の各ビットに対してコンテキストインデックスctxIncを導出し、コンテキストを用いてビットを復号し、用いたコンテキストのCABAC状態を更新する。コンテキストを用いないビットは、等確率(EP, bypass)で復号され、ctxInc導出やCABAC状態は省略される。復号されたシンタックス要素には、予測画像を生成するための予測情報および、差分画像を生成するための予測誤差などがある。 The entropy decoding unit 301 performs entropy decoding on the externally input encoded stream Te to decode each code (syntax element). There are two types of entropy coding: one is to perform variable-length coding of syntax elements using a context (probability model) adaptively selected according to the type of syntax element and surrounding circumstances, and the other is to perform variable-length coding of syntax elements using a predefined table or formula. The former CABAC (Context Adaptive Binary Arithmetic Coding) stores the CABAC state of the context (probability state index pStateIdx that specifies the type (0 or 1) and probability of the most probable symbol) in memory. The entropy decoding unit 301 initializes all CABAC states at the beginning of a segment (tile, CTU row, slice). The entropy decoding unit 301 converts the syntax elements into a binary string (Bin String) and decodes each bit of the Bin String. When a context is used, a context index ctxInc is derived for each bit of the syntax element, the bit is decoded using the context, and the CABAC state of the used context is updated. Bits that do not use a context are decoded with equal probability (EP, bypass), and the ctxInc derivation and CABAC state are omitted. The decoded syntax elements include prediction information for generating a predicted image and prediction error for generating a difference image.

エントロピー復号部301は、復号した符号をパラメータ復号部302に出力する。復号した符号とは、例えば、予測モードpredMode、merge_flag、merge_idx、inter_pred_idc、refIdxLX、mvp_LX_idx、mvdLX、amvr_mode等である。どの符号を復号するかの制御は、パラメータ復号部302の指示に基づいて行われる。 The entropy decoding unit 301 outputs the decoded code to the parameter decoding unit 302. The decoded code is, for example, the prediction mode predMode, merge_flag, merge_idx, inter_pred_idc, refIdxLX, mvp_LX_idx, mvdLX, amvr_mode, etc. Control of which code to decode is performed based on an instruction from the parameter decoding unit 302.

(基本フロー)
図8は、動画像復号装置31の概略的動作を説明するフローチャートである。
(Basic flow)
FIG. 8 is a flowchart illustrating a schematic operation of the video decoding device 31.

(S1100:パラメータセット情報復号)ヘッダ復号部3020は、符号化データからVPS、SPS、PPSなどのパラメータセット情報を復号する。 (S1100: Decoding parameter set information) The header decoding unit 3020 decodes parameter set information such as VPS, SPS, and PPS from the encoded data.

(S1200:スライス情報復号)ヘッダ復号部3020は、符号化データからスライスヘッダ(スライス情報)を復号する。 (S1200: Slice information decoding) The header decoding unit 3020 decodes the slice header (slice information) from the encoded data.

以下、動画像復号装置31は、対象ピクチャに含まれる各CTUについて、S1300からS5000の処理を繰り返すことにより各CTUの復号画像を導出する。 The video decoding device 31 then repeats the processes from S1300 to S5000 for each CTU included in the target picture to derive a decoded image for each CTU.

(S1300:CTU情報復号)CT情報復号部3021は、符号化データからCTUを復号する。 (S1300: Decoding CTU information) The CT information decoding unit 3021 decodes the CTU from the encoded data.

(S1400:CT情報復号)CT情報復号部3021は、符号化データからCTを復号する。 (S1400: CT information decoding) The CT information decoding unit 3021 decodes the CT from the encoded data.

(S1500:CU復号)CU復号部3022はS1510、S1520を実施して、符号化データからCUを復号する。 (S1500: CU decoding) The CU decoding unit 3022 performs S1510 and S1520 to decode the CU from the encoded data.

(S1510:CU情報復号)CU復号部3022は、符号化データからCU情報、予測情報、TU分割フラグsplit_transform_flag、CU残差フラグcbf_cb、cbf_cr、cbf_luma等を復号する。 (S1510: CU information decoding) The CU decoding unit 3022 decodes CU information, prediction information, the TU split flag split_transform_flag, the CU residual flags cbf_cb, cbf_cr, cbf_luma, etc. from the encoded data.

(S1520:TU情報復号)TU復号部3024は、TUに予測誤差が含まれている場合に、符号化データからQP更新情報と量子化予測誤差、変換インデックスmts_idxを復号する。なお、QP更新情報は、量子化パラメータQPの予測値である量子化パラメータ予測値qPpredからの差分値である。 (S1520: TU information decoding) When a prediction error is included in a TU, the TU decoding unit 3024 decodes the QP update information, the quantization prediction error, and the transform index mts_idx from the encoded data. Note that the QP update information is a difference value from the quantization parameter predicted value qPpred, which is a predicted value of the quantization parameter QP.

(S2000:予測画像生成)予測画像生成部308は、対象CUに含まれる各ブロックについて、予測情報に基づいて予測画像を生成する。 (S2000: Generation of predicted image) The predicted image generation unit 308 generates a predicted image for each block included in the target CU based on the prediction information.

(S3000:逆量子化・逆変換)逆量子化・逆変換部311は、対象CUに含まれる各TUについて、逆量子化・逆変換処理を実行する。 (S3000: Inverse quantization and inverse transform) The inverse quantization and inverse transform unit 311 performs inverse quantization and inverse transform processing on each TU included in the target CU.

(S4000:復号画像生成)加算部312は、予測画像生成部308より供給される予測画像と、逆量子化・逆変換部311より供給される予測誤差とを加算することによって、対象CUの復号画像を生成する。 (S4000: Decoded image generation) The adder 312 generates a decoded image of the target CU by adding the predicted image supplied from the predicted image generation unit 308 and the prediction error supplied from the inverse quantization and inverse transform unit 311.

(S5000:ループフィルタ)ループフィルタ305は、復号画像にデブロッキングフィルタ、SAO、ALFなどのループフィルタをかけ、復号画像を生成する。 (S5000: Loop filter) The loop filter 305 applies a loop filter such as a deblocking filter, SAO, or ALF to the decoded image to generate a decoded image.

(インター予測パラメータ導出部の構成)
図11には、本実施形態に係るインター予測パラメータ導出部303の構成を示す概略図が示されている。インター予測パラメータ導出部303は、パラメータ復号部302から入力されたシンタックス要素に基づいて、予測パラメータメモリ307に記憶された予測パラメータを参照してインター予測パラメータを導出する。また、インター予測パラメータをインター予測画像生成部309、予測パラメータメモリ307に出力する。インター予測パラメータ導出部303及びその内部の要素であるAMVP予測パラメータ導出部3032、マージ予測パラメータ導出部3036、アフィン予測部30372、MMVD予測部30373、triangle予測部30377、DMVR部30537、MV加算部3038は、動画像符号化装置、動画像復号装置で共通する手段であるので、これらを総称して動きベクトル導出部(動きベクトル導出装置)と称してもよい。
(Configuration of inter prediction parameter derivation unit)
FIG. 11 is a schematic diagram showing the configuration of the inter prediction parameter derivation unit 303 according to this embodiment. The inter prediction parameter derivation unit 303 derives inter prediction parameters by referring to the prediction parameters stored in the prediction parameter memory 307 based on the syntax elements input from the parameter decoding unit 302. In addition, the inter prediction parameters are output to the inter prediction image generation unit 309 and the prediction parameter memory 307. The inter prediction parameter derivation unit 303 and its internal elements, the AMVP prediction parameter derivation unit 3032, the merge prediction parameter derivation unit 3036, the affine prediction unit 30372, the MMVD prediction unit 30373, the triangle prediction unit 30377, the DMVR unit 30537, and the MV addition unit 3038, are means common to the video encoding device and the video decoding device, and therefore may be collectively referred to as a motion vector derivation unit (motion vector derivation device).

スケールパラメータ導出部30378は、参照ピクチャの水平方向のスケーリング比RefPicScale[i][j][0]、および、参照ピクチャの垂直方向のスケーリング比RefPicScale[i][j][1]、及び、参照ピクチャがスケーリングされているか否かを示すRefPicIsScaled[i][j]を導出する。ここで、iは参照ピクチャリストがL0リストかL1リストであるかを示し、jをL0参照ピクチャリストあるいはL1参照ピクタyリストの値として、次のように導出する。 The scale parameter derivation unit 30378 derives the horizontal scaling ratio of the reference picture, RefPicScale[i][j][0], the vertical scaling ratio of the reference picture, RefPicScale[i][j][1], and RefPicIsScaled[i][j] indicating whether the reference picture has been scaled. Here, i indicates whether the reference picture list is the L0 list or the L1 list, and j is the value of the L0 reference picture list or the L1 reference picture y list, and is derived as follows:

RefPicScale[i][j][0] =
((fRefWidth << 14)+(PicOutputWidthL >> 1)) / PicOutputWidthL
RefPicScale[ i ][ j ][ 1 ] =
((fRefHeight << 14)+(PicOutputHeightL >> 1)) / PicOutputHeightL
RefPicIsScaled[i][j] =
(RefPicScale[i][j][0] != (1<<14)) || (RefPicScale[i][j][1] != (1<<14))
ここで、変数PicOutputWidthLは、符号化ピクチャが参照される時に水平方向のスケーリング比を計算する時の値であり、符号化ピクチャの輝度の水平方向の画素数から左右のオフセット値を引いたものが用いられる。変数PicOutputHeightLは、符号化ピクチャが参照される時に垂直方向のスケーリング比を計算する時の値であり、符号化ピクチャの輝度の垂直方向の画素数から上下のオフセット値を引いたものが用いられる。変数fRefWidthは、リストiの参照リスト値jの参照ピクチャのPicOutputWidthLの値とし、変数fRefHightは、リストiの参照ピクチャリスト値jの参照ピクチャのPicOutputHeightLの値とする。
RefPicScale[i][j][0] =
((fRefWidth << 14)+(PicOutputWidthL >> 1)) / PicOutputWidthL
RefPicScale[ i ][ j ][ 1 ] =
((fRefHeight << 14)+(PicOutputHeightL >> 1)) / PicOutputHeightL
RefPicIsScaled[i][j] =
(RefPicScale[i][j][0] != (1<<14)) || (RefPicScale[i][j][1] != (1<<14))
Here, the variable PicOutputWidthL is a value used when calculating a horizontal scaling ratio when a coded picture is referenced, and is calculated by subtracting left and right offset values from the number of pixels in the horizontal direction of the luminance of the coded picture. The variable PicOutputHeightL is a value used when calculating a vertical scaling ratio when a coded picture is referenced, and is calculated by subtracting top and bottom offset values from the number of pixels in the vertical direction of the luminance of the coded picture. The variable fRefWidth is the value of PicOutputWidthL of the reference picture with reference list value j of list i, and the variable fRefHight is the value of PicOutputHeightL of the reference picture with reference picture list value j of list i.

affine_flagが1、すなわち、アフィン予測モードを示す場合、アフィン予測部30372は、サブブロック単位のインター予測パラメータを導出する。 When affine_flag is 1, i.e., indicating affine prediction mode, the affine prediction unit 30372 derives inter prediction parameters on a subblock basis.

mmvd_flagが1、すなわち、MMVD予測モードを示す場合、MMVD予測部30373は、マージ予測パラメータ導出部3036で導出されるマージ候補と差分ベクトルからインター予測パラメータを導出する。 When mmvd_flag is 1, i.e., indicates MMVD prediction mode, the MMVD prediction unit 30373 derives inter prediction parameters from the merge candidates and difference vector derived by the merge prediction parameter derivation unit 3036.

TriangleFlagが1、すなわち、traiangle予測モードを示す場合、triangle予測部30377はtriangle予測パラメータを導出する。 When TriangleFlag is 1, i.e., indicates triangle prediction mode, the triangle prediction unit 30377 derives triangle prediction parameters.

merge_flagが1、すなわち、マージ予測モードを示す場合、merge_idxを導出し、マージ予測パラメータ導出部3036に出力する。 If merge_flag is 1, i.e., indicates merge prediction mode, merge_idx is derived and output to the merge prediction parameter derivation unit 3036.

merge_flagが0、すなわち、AMVP予測モードを示す場合、AMVP予測パラメータ導出部3032はinter_pred_idc、refIdxLXかmvp_LX_idxからmvpLXを導出する。 When merge_flag is 0, i.e., indicates AMVP prediction mode, the AMVP prediction parameter derivation unit 3032 derives mvpLX from inter_pred_idc, refIdxLX, or mvp_LX_idx.

(MV加算部)
MV加算部3038では導出されたmvpLXとmvdLXを加算し、mvLXを導出する。
(MV addition section)
The MV adder 3038 adds the derived mvpLX and mvdLX to derive mvLX.

(アフィン予測部)
アフィン予測部30372は、1)対象ブロックの2つの制御点CP0、CP1、もしくは3つの制御点CP0, CP1, CP2の動きベクトルを導出し、2)対象ブロックのアフィン予測パラメータを導出し、3)アフィン予測パラメータから各サブブロックの動きベクトルを導出する。
(Affine prediction unit)
The affine prediction unit 30372 1) derives motion vectors of two control points CP0 and CP1, or three control points CP0, CP1, and CP2 of the target block, 2) derives affine prediction parameters for the target block, and 3) derives motion vectors of each sub-block from the affine prediction parameters.

マージアフィン予測の場合、対象ブロックの隣接ブロックの動きベクトルから各制御点CP0, CP1, CP2の動きベクトルcpMvLX[]を導出する。インターアフィン予測の場合には、各制御点CP0, CP1, CP2の予測ベクトルと符号化データから導出される差分ベクトルmvdCpLX[]の和から各制御点のcpMvLX[]を導出する。
spMvLXは、各サブブロックの中心に位置する点(xPosCb, yPosCb)の動きベクトルとして導出される。
In the case of merge affine prediction, the motion vector cpMvLX[] of each control point CP0, CP1, CP2 is derived from the motion vector of the block adjacent to the target block. In the case of inter-affine prediction, the cpMvLX[] of each control point is derived from the sum of the predicted vector of each control point CP0, CP1, CP2 and the difference vector mvdCpLX[] derived from the encoded data.
spMvLX is derived as the motion vector of the point (xPosCb, yPosCb) located at the center of each sub-block.

アフィン予測部30372は、制御点の動きベクトルから対象ブロックのアフィン予測パラメータ(mvScaleHor, mvScalerVer, dHorX, dHorY, dHorX, dVerY)を導出する。 The affine prediction unit 30372 derives the affine prediction parameters (mvScaleHor, mvScalerVer, dHorX, dHorY, dHorX, dVerY) of the target block from the motion vector of the control point.

mvScaleHor = cpMvLX[ 0 ][ 0 ] << 7
mvScaleVer = cpMvLX[ 0 ][ 1 ] << 7
dHorX = ( cpMvLX[ 1 ][ 0 ] - cpMvLX[ 0 ][ 0 ] ) << ( 7 - log2CbW )
dVerX = ( cpMvLX[ 1 ][ 1 ] - cpMvLX[ 0 ][ 1 ] ) << ( 7 - log2CbW )
numCpMv==3の場合、
dHorY = ( cpMvLX[ 2 ][ 0 ] - cpMvLX[ 0 ][ 0 ] ) << ( 7 - log2CbH )
dVerY = ( cpMvLX[ 2 ][ 1 ] - cpMvLX[ 0 ][ 1 ] ) << ( 7 - log2CbH )
numCpMv!=3の場合、
dHorY = - dVerX
dVerY = dHorX
ここで、log2CbW、log2CbHは、対象ブロックの幅bW、高さbHの対数値である。
mvScaleHor = cpMvLX[ 0 ][ 0 ] << 7
mvScaleVer = cpMvLX[ 0 ][ 1 ] << 7
dHorX = ( cpMvLX[ 1 ][ 0 ] - cpMvLX[ 0 ][ 0 ] ) << ( 7 - log2CbW )
dVerX = ( cpMvLX[ 1 ][ 1 ] - cpMvLX[ 0 ][ 1 ] ) << ( 7 - log2CbW )
If numCpMv==3,
dHorY = ( cpMvLX[ 2 ][ 0 ] - cpMvLX[ 0 ][ 0 ] ) << ( 7 - log2CbH )
dVerY = ( cpMvLX[ 2 ][ 1 ] - cpMvLX[ 0 ][ 1 ] ) << ( 7 - log2CbH )
If numCpMv != 3,
dHorY = - dVerX
dVerY = dHorX
Here, log2CbW and log2CbH are the logarithmic values of the width bW and height bH of the target block.

アフィン予測部30372は、対象ブロックのアフィン予測パラメータに基づいて、対象ブロック中のspMvLX[i][j] (i=0,1,2,…,(bW/sbW)-1、j=0,1,2,…,(bH/sbH)-1)を下記の式を用いて、導出する。 The affine prediction unit 30372 derives spMvLX[i][j] (i=0,1,2,...,(bW/sbW)-1, j=0,1,2,...,(bH/sbH)-1) in the target block based on the affine prediction parameters of the target block using the following formula.

xPosCb = 2 + (i<<2)
yPosCb = 2 + (j<<2)
spMvLX[i][j][0] = mvScaleHor + dHorX * xPosCb + dHorY * yPosCb
spMvLX[i][j][1] = mvScaleVer + dVerX * xPosCb + dVerY * yPosCb
さらにラウンドシフトをし、クリップしてもよい。
xPosCb = 2 + (i<<2)
yPosCb = 2 + (j<<2)
spMvLX[i][j][0] = mvScaleHor + dHorX * xPosCb + dHorY * yPosCb
spMvLX[i][j][1] = mvScaleVer + dVerX * xPosCb + dVerY * yPosCb
It may also be round shifted and clipped.

spMvLX[i][j][0] = Clip3(-2^17, 2^17, (spMvLX[i][j][0]+64)>>7 )
spMvLX[i][j][1] = Clip3(-2^17, 2^17, (spMvLX[i][j][1]+64)>>7 )
ここで、sbWとsbHは対象サブブロックの幅と高さである。
spMvLX[i][j][0] = Clip3(-2^17, 2^17, (spMvLX[i][j][0]+64)>>7 )
spMvLX[i][j][1] = Clip3(-2^17, 2^17, (spMvLX[i][j][1]+64)>>7 )
Here, sbW and sbH are the width and height of the current sub-block.

さらにサブブロックの左上ブロックの座標(xSb, ySb)では、spMvLX[i][j]を、対応する画面内のmvLXに割り当てる。ここでx = 0..sbW-1, y = 0..sbH-1である。 Furthermore, at the coordinates (xSb, ySb) of the upper left block of the subblock, spMvLX[i][j] is assigned to the corresponding mvLX in the screen, where x = 0..sbW-1, y = 0..sbH-1.

mvLX[xSb + x][yXb + y] = spMv[i][j]
(マージ予測)
図12には、本実施形態に係るマージ予測パラメータ導出部3036の構成を示す概略図が示されている。マージ予測パラメータ導出部3036は、マージ候補導出部30361、マージ候補選択部30362を備える。なお、マージ候補は、予測パラメータ(predFlagLX、mvLX、refIdxLX)を含んで構成され、マージ候補リストに格納される。マージ候補リストに格納されたマージ候補には、所定の規則に従ってインデックスが割り当てられる。
mvLX[xSb + x][yXb + y] = spMv[i][j]
(Merge prediction)
12 is a schematic diagram showing the configuration of the merge prediction parameter derivation unit 3036 according to this embodiment. The merge prediction parameter derivation unit 3036 includes a merge candidate derivation unit 30361 and a merge candidate selection unit 30362. Note that a merge candidate includes prediction parameters (predFlagLX, mvLX, refIdxLX) and is stored in a merge candidate list. An index is assigned to the merge candidates stored in the merge candidate list according to a predetermined rule.

マージ候補導出部30361は、復号済の隣接ブロックの動きベクトルとrefIdxLXをそのまま用いてマージ候補を導出する。それ以外に、マージ候補導出部30361は、後述する空間マージ候補導出処理、時間マージ候補導出処理、ペアワイズマージ候補導出処理、およびゼロマージ候補導出処理を適用してもよい。 The merge candidate derivation unit 30361 derives merge candidates by directly using the motion vectors and refIdxLX of the decoded adjacent blocks. In addition, the merge candidate derivation unit 30361 may apply a spatial merge candidate derivation process, a temporal merge candidate derivation process, a pair-wise merge candidate derivation process, and a zero merge candidate derivation process, which will be described later.

空間マージ候補導出処理として、マージ候補導出部30361は、所定の規則に従って、予測パラメータメモリ307が記憶している予測パラメータを読み出し、マージ候補に設定する。参照ピクチャの指定方法は、例えば、対象ブロックから予め定めた範囲内にある隣接ブロック(例えば、対象ブロックの左A1、右B1、右上B0、左下A0、左上B2にそれぞれ接するブロックの全部または一部)のそれぞれに係る予測パラメータである。各々のマージ候補をA1,B1,B0,A0,B2と呼ぶ。
ここで、A1,B1,B0,A0,B2は各々、下記の座標を含むブロックから導出される動き情報である。図9の対象ピクチャでマージ候補の配置にA1,B1,B0,A0,B2の位置を示す。
As a spatial merge candidate derivation process, the merge candidate derivation unit 30361 reads out prediction parameters stored in the prediction parameter memory 307 according to a predetermined rule, and sets them as merge candidates. The method of specifying the reference picture is, for example, prediction parameters related to each of adjacent blocks within a predetermined range from the target block (for example, all or part of blocks adjacent to the left A1, right B1, upper right B0, lower left A0, and upper left B2 of the target block). The respective merge candidates are called A1, B1, B0, A0, and B2.
Here, A1, B1, B0, A0, and B2 are motion information derived from blocks containing the following coordinates: The positions of A1, B1, B0, A0, and B2 are shown in the arrangement of merging candidates in the target picture of FIG.

A1: (xCb - 1, yCb + cbHeight - 1)
B1: (xCb + cbWidth - 1, yCb - 1)
B0: (xCb + cbWidth, yCb - 1)
A0: (xCb - 1, yCb + cbHeight)
B2: (xCb - 1, yCb - 1)
対象ブロックの左上座標を(xCb, yCb)、幅cbWidth、高さcbHeightとする。
A1: (xCb - 1, yCb + cbHeight - 1)
B1: (xCb + cbWidth - 1, yCb - 1)
B0: (xCb + cbWidth, yCb - 1)
A0: (xCb - 1, yCb + cbHeight)
B2: (xCb - 1, yCb - 1)
The upper left coordinates of the target block are (xCb, yCb), its width is cbWidth, and its height is cbHeight.

時間マージ導出処理として、マージ候補導出部30361は、図9のコロケートピクチャで示されるように、対象ブロックの右下CBR、あるいは、中央の座標を含む参照画像中のブロックCの予測パラメータを、予測パラメータメモリ307から読み出してマージ候補Colとし、マージ候補リストmergeCandList[]に格納する。 As a temporal merge derivation process, the merge candidate derivation unit 30361 reads the prediction parameters of the lower right CBR of the target block or block C in the reference image including the center coordinates from the prediction parameter memory 307, as shown in the collocated picture in Figure 9, sets it as a merge candidate Col, and stores it in the merge candidate list mergeCandList[].

一般にブロックCBRを優先してmergeCandList[]に加え、CBRが動きベクトルを持たない(例えばイントラ予測ブロック)場合や、CBRがピクチャ外に位置する場合は、ブロックCの動きベクトルを予測ベクトル候補に加える。動きの異なる可能性が高いコロケートブロックの動きベクトルを予測候補として加えることで、予測ベクトルの選択肢が増え、符号化効率が高まる。 In general, block CBR is given priority when it is added to mergeCandList[], and when CBR does not have a motion vector (for example, an intra-prediction block) or is located outside the picture, the motion vector of block C is added as a prediction vector candidate. By adding the motion vector of a co-located block, which is likely to have different motion, as a prediction candidate, the number of prediction vector options increases, improving coding efficiency.

SliceTemporalMvpEnabledFlagが0、または、cbWidth*cbHeightが32以下の場合、対象ブロックのコロケート動きベクトルmvLXColを0に設定し、コロケートブロックの利用可能性フラグavailableFlagLXColを0に設定する。 If SliceTemporalMvpEnabledFlag is 0 or cbWidth*cbHeight is less than or equal to 32, set the colocated motion vector mvLXCol of the target block to 0 and set the availability flag of the colocated block availableFlagLXCol to 0.

それ以外(SliceTemporalMvpEnabledFlagが1)の場合、下記を実施する。 Otherwise (SliceTemporalMvpEnabledFlag is 1), do the following:

例えばマージ候補導出部30361は、Cの位置(xColCtr,yColCtr)とCBRの位置(xColCBr、yColCBr)を、以下の式で導出してもよい。 For example, the merge candidate derivation unit 30361 may derive the position of C (xColCtr, yColCtr) and the position of CBR (xColCBr, yColCBr) using the following formula.

xColCtr = xCb+(cbWidth>>1)
yColCtr = yCb+(cbHeight>>1)
xColCBr = xCb+cbWidth
yColCBr = yCb+ cbHeight
CBRが利用可能であればCBRの動きベクトルを利用してマージ候補COLを導出する。CBRが利用可能でなければCを使用してCOLを導出する。そして、availableFlagLXColを1に設定する。なお、参照ピクチャは、スライスヘッダにおいて通知されたcollocated_ref_idxであってもよい。
xColCtr = xCb + (cbWidth>>1)
yColCtr = yCb + (cbHeight>>1)
xColCBr = xCb+cbWidth
yColCBr = yCb + cbHeight
If CBR is available, a motion vector of CBR is used to derive a merge candidate COL. If CBR is not available, COL is derived using C. Then, availableFlagLXCol is set to 1. Note that the reference picture may be collocated_ref_idx notified in the slice header.

ペアワイズ候補導出部は、mergeCandListに格納済みの2つのマージ候補(p0Cand, p1Cand)の平均からペアワイズ候補avgKを導出し、mergeCandList[]に格納する。 The pairwise candidate derivation unit derives pairwise candidate avgK from the average of the two merge candidates (p0Cand, p1Cand) already stored in mergeCandList, and stores it in mergeCandList[].

mvLXavgK[0] = (mvLXp0Cand[0]+mvLXp1Cand[0])/2
mvLXavgK[1] = (mvLXp0Cand[1]+mvLXp1Cand[1])/2
マージ候補導出部30361は、refIdxLXが0…Mであり、mvLXのX成分、Y成分が共に0であるゼロマージ候補Z0,…, ZMを導出しマージ候補リストに格納する。
mvLXavgK[0] = (mvLXp0Cand[0]+mvLXp1Cand[0])/2
mvLXavgK[1] = (mvLXp0Cand[1]+mvLXp1Cand[1])/2
The merging candidate derivation unit 30361 derives zero merging candidates Z0, . . . , ZM, in which refIdxLX is 0...M and the X and Y components of mvLX are both 0, and stores them in a merging candidate list.

mergeCandList[]に格納する順番は、例えば、空間マージ候補(A1,B1,B0,A0,B2)、時間マージ候補Col、ペアワイズ候補avgK、ゼロマージ候補ZKである。なお、利用可能でない(ブロックがイントラ予測等)参照ブロックはマージ候補リストに格納しない。
i = 0
if( availableFlagA1 )
mergeCandList[ i++ ] = A1
if( availableFlagB1 )
mergeCandList[ i++ ] = B1
if( availableFlagB0 )
mergeCandList[ i++ ] = B0
if( availableFlagA0 )
mergeCandList[ i++ ] = A0
if( availableFlagB2 )
mergeCandList[ i++ ] = B2
if( availableFlagCol )
mergeCandList[ i++ ] = COL
if( availableFlagAvgK )
mergeCandList[ i++ ] = avgK
if( i < MaxNumMergeCand )
mergeCandList[ i++ ] = ZK
マージ候補選択部30362は、マージ候補リストに含まれるマージ候補のうち、merge_idxが示すマージ候補Nを以下の式で選択する。
The order of storing the mergeCandList[] is, for example, spatial merge candidates (A1, B1, B0, A0, B2), temporal merge candidates Col, pairwise candidates avgK, and zero merge candidates ZK. Note that reference blocks that are unavailable (e.g., blocks that are intra-predicted) are not stored in the merge candidate list.
i = 0
if( availableFlagA1 )
mergeCandList[ i++ ] = A1
if( availableFlagB1 )
mergeCandList[ i++ ] = B1
if( availableFlagB0 )
mergeCandList[ i++ ] = B0
if( availableFlagA0 )
mergeCandList[ i++ ] = A0
if( availableFlagB2 )
mergeCandList[ i++ ] = B2
if( availableFlagCol )
mergeCandList[ i++ ] = COL
if( availableFlagAvgK )
mergeCandList[ i++ ] = avgK
if( i < MaxNumMergeCand )
mergeCandList[ i++ ] = ZK
The merging candidate selection unit 30362 selects a merging candidate N indicated by merge_idx from among the merging candidates included in the merging candidate list, using the following formula.

N = mergeCandList[merge_idx]
ここでNは、マージ候補を示すラベルであり、A1,B1,B0,A0,B2,Col,avgK,ZKなどをとる。ラベルNで示されるマージ候補の動き情報は(mvLXN[0], mvLXN[0])、predFlagLXN, refIdxLXNで示される。
N = mergeCandList[merge_idx]
Here, N is a label indicating a merging candidate, and can be A1, B1, B0, A0, B2, Col, avgK, ZK, etc. The motion information of the merging candidate indicated by label N is indicated by (mvLXN[0], mvLXN[0]), predFlagLXN, and refIdxLXN.

選択された(mvLXN[0], mvLXN[0])、predFlagLXN, refIdxLXNを対象ブロックのインター予測パラメータとして選択する。マージ候補選択部30362は選択したマージ候補のインター予測パラメータを予測パラメータメモリ307に記憶するとともに、インター予測画像生成部309に出力する。 The selected (mvLXN[0], mvLXN[0]), predFlagLXN, and refIdxLXN are selected as the inter prediction parameters for the current block. The merging candidate selection unit 30362 stores the inter prediction parameters of the selected merging candidate in the prediction parameter memory 307, and also outputs them to the inter prediction image generation unit 309.

(DMVR)
続いて、DMVR部30375が行うDMVR(Decoder side Motion Vector Refinement)処理について説明する。DMVR部30375は、対象CUに対して、merge_flagが1の場合、又は、スキップフラグskip_flagが1の場合、マージ予測部30374が導出する当該対象CUのmvLXを、参照画像を用いて修正する。具体的には、マージ予測部30374が導出する予測パラメータが双予測である場合において、2つの参照ピクチャに対応すると動きベクトルから導出される予測画像を用いて、動きベクトルを修正する。修正後のmvLXはインター予測画像生成部309に供給される。
(DMVR)
Next, the DMVR (Decoder side Motion Vector Refinement) process performed by the DMVR unit 30375 will be described. When merge_flag is 1 for a target CU, or when the skip flag skip_flag is 1, the DMVR unit 30375 corrects the mvLX of the target CU derived by the merge prediction unit 30374 using a reference image. Specifically, when the prediction parameters derived by the merge prediction unit 30374 are bi-predictive, the motion vector is corrected using a predicted image derived from the motion vector corresponding to two reference pictures. The corrected mvLX is supplied to the inter-prediction image generation unit 309.

また、DMVR処理を行うか否かを規定するフラグdmvrFlagの導出において、dmvrFlagを1に設定する複数の条件の1つとして、上述したRefPicIsScaled[0][refIdxL0]の値が0であり、且つRefPicIsScaled[1][refIdxL1]の値が0であることが含まれる。dmvrFlagの値が1に設定された場合、DMVR部30375によるDMVR処理が実行される。 In addition, in deriving the flag dmvrFlag that specifies whether or not to perform DMVR processing, one of the conditions for setting dmvrFlag to 1 is that the above-mentioned values of RefPicIsScaled[0][refIdxL0] are 0 and the values of RefPicIsScaled[1][refIdxL1] are 0. When the value of dmvrFlag is set to 1, DMVR processing is performed by the DMVR unit 30375.

(Prof)
また、RefPicIsScaled[0][refIdxLX]の値が1であるか、RefPicIsScaled[1][refIdxLX]の値が1であれば、cbProfFlagLXの値はFALSEに設定される。ここで、cbProfFlagLXは、アフィン予測のPrediction refinement(PROF)を行うか否かを規定するフラグである。
(Prof.)
Also, the value of cbProfFlagLX is set to FALSE if the value of RefPicIsScaled[0][refIdxLX] is 1 or the value of RefPicIsScaled[1][refIdxLX] is 1. Here, cbProfFlagLX is a flag that specifies whether or not to perform Prediction refinement (PROF) of affine prediction.

(AMVP予測)
図12には、本実施形態に係るAMVP予測パラメータ導出部3032の構成を示す概略図が示されている。AMVP予測パラメータ導出部3032は、ベクトル候補導出部3033とベクトル候補選択部3034を備える。ベクトル候補導出部3033は、refIdxLXに基づいて予測パラメータメモリ307が記憶する復号済みの隣接ブロックの動きベクトルから予測ベクトル候補を導出し、予測ベクトル候補リストmvpListLX[]に格納する。
(AMVP Prediction)
12 is a schematic diagram showing the configuration of the AMVP prediction parameter derivation unit 3032 according to this embodiment. The AMVP prediction parameter derivation unit 3032 includes a vector candidate derivation unit 3033 and a vector candidate selection unit 3034. The vector candidate derivation unit 3033 derives a prediction vector candidate from the motion vector of the decoded adjacent block stored in the prediction parameter memory 307 based on refIdxLX, and stores the candidate in a prediction vector candidate list mvpListLX[].

ベクトル候補選択部3034は、mvpListLX[]の予測ベクトル候補のうち、mvp_LX_idxが示す動きベクトルmvpListLX[mvp_LX_idx]をmvpLXとして選択する。ベクトル候補選択部3034は選択したmvpLXをMV加算部3038に出力する。 The vector candidate selection unit 3034 selects the motion vector mvpListLX[mvp_LX_idx] indicated by mvp_LX_idx as mvpLX from among the predicted vector candidates in mvpListLX[]. The vector candidate selection unit 3034 outputs the selected mvpLX to the MV addition unit 3038.

(MV加算部)
MV加算部3038は、AMVP予測パラメータ導出部3032から入力されたmvpLXと復号したmvdLXを加算してmvLXを算出する。加算部3038は、算出したmvLXをインター予測画像生成部309および予測パラメータメモリ307に出力する。
(MV addition section)
The MV addition unit 3038 calculates mvLX by adding the mvpLX input from the AMVP prediction parameter derivation unit 3032 and the decoded mvdLX. The addition unit 3038 outputs the calculated mvLX to the inter predicted image generation unit 309 and the prediction parameter memory 307.

mvLX[0] = mvpLX[0]+mvdLX[0]
mvLX[1] = mvpLX[1]+mvdLX[1]
(サブブロックマージの詳細分類)
サブブロックマージが関連する予測処理の種類について纏める。上記のように、マージ予測とAMVP予測とに大別される。
mvLX[0] = mvpLX[0] + mvdLX[0]
mvLX[1] = mvpLX[1] + mvdLX[1]
(Detailed classification of subblock merges)
The types of prediction processes related to sub-block merging are summarized below. As described above, they are roughly divided into merge prediction and AMVP prediction.

マージ予測は、さらに、以下に類別される。 Merge predictions are further categorized as follows:

・ノーマルマージ予測(ブロックベースのマージ予測)
・サブブロックマージ予測
サブブロックマージ予測は、更に、以下に類別される。
・Normal merge prediction (block-based merge prediction)
Sub-block merge prediction is further categorized as follows:

・サブブロック予測(ATMVP)
・アフィン予測
・継承アフィン予測(inferred affine prediction)
・構成アフィン予測(constructed affine prediction)
一方、AMVP予測は、以下に類別される。
・Subblock prediction (ATMVP)
・Affine prediction ・Inferred affine prediction
Constructed affine prediction
On the other hand, AMVP predictions are categorized as follows:

・AMVP(並進)
・MVDアフィン予測
MVDアフィン予測は、更に、以下に類別される。
・AMVP (translation)
・MVD affine prediction
MVD affine prediction is further categorized as follows:

・4パラメータMVDアフィン予測
・6パラメータMVDアフィン予測
なお、MVDアフィン予測は、差分ベクトルを復号して用いるアフィン予測を指す。
- 4-parameter MVD affine prediction - 6-parameter MVD affine prediction Note that MVD affine prediction refers to affine prediction that uses a decoded difference vector.

サブブロック予測では、時間マージ導出処理と同様、対象サブブロックのコロケートサブブロックCOLの利用可能性availableFlagSbColを判定し、利用可能な場合、予測パラメータを導出する。少なくとも、上述のSliceTemporalMvpEnabledFlagが0の場合に、availableFlagSbColは0に設定される。 In subblock prediction, similar to the temporal merge derivation process, the availability of the collocated subblock COL of the target subblock, availableFlagSbCol, is determined, and if available, prediction parameters are derived. At least when the above-mentioned SliceTemporalMvpEnabledFlag is 0, availableFlagSbCol is set to 0.

MMVD予測(Merge with Motion Vector Difference)は、マージ予測に分類しても良いし、AMVP予測に分類してもよい。前者では、merge_flag=1の場合にmmvd_flag及びMMVD関連シンタックス要素を復号し、後者ではmerge_flag=0の場合にmmvd_flag及びMMVD関連シンタックス要素を復号する。 MMVD prediction (Merge with Motion Vector Difference) may be classified as merge prediction or AMVP prediction. In the former case, mmvd_flag and MMVD-related syntax elements are decoded when merge_flag=1, and in the latter case, mmvd_flag and MMVD-related syntax elements are decoded when merge_flag=0.

ループフィルタ305は、符号化ループ内に設けたフィルタで、ブロック歪やリンギング歪を除去し、画質を改善するフィルタである。ループフィルタ305は、加算部312が生成したCUの復号画像に対し、デブロッキングフィルタ、サンプル適応オフセット(SAO)、適応ループフィルタ(ALF)等のフィルタを施す。 The loop filter 305 is a filter provided in the encoding loop that removes block distortion and ringing distortion to improve image quality. The loop filter 305 applies filters such as a deblocking filter, sample adaptive offset (SAO), and adaptive loop filter (ALF) to the decoded image of the CU generated by the adder 312.

参照ピクチャメモリ306は、CUの復号画像を、対象ピクチャ及び対象CU毎に予め定めた位置に記憶する。 The reference picture memory 306 stores the decoded image of the CU in a predetermined location for each target picture and target CU.

予測パラメータメモリ307は、CTUあるいはCU毎に予め定めた位置に予測パラメータを記憶する。具体的には、予測パラメータメモリ307は、パラメータ復号部302が復号したパラメータ及び予測パラメータ導出部320が導出したパラメータ等を記憶する。 The prediction parameter memory 307 stores prediction parameters at a predetermined location for each CTU or CU. Specifically, the prediction parameter memory 307 stores the parameters decoded by the parameter decoding unit 302 and the parameters derived by the prediction parameter derivation unit 320.

予測画像生成部308には予測パラメータ導出部320が導出したパラメータが入力される。また、予測画像生成部308は、参照ピクチャメモリ306から参照ピクチャを読み出す。予測画像生成部308は、predModeが示す予測モードで、パラメータと参照ピクチャ(参照ピクチャブロック)を用いてブロックもしくはサブブロックの予測画像を生成する。ここで、参照ピクチャブロックとは、参照ピクチャ上の画素の集合(通常矩形であるのでブロックと呼ぶ)であり、予測画像を生成するために参照する領域である。 The parameters derived by the prediction parameter derivation unit 320 are input to the prediction image generation unit 308. The prediction image generation unit 308 also reads a reference picture from the reference picture memory 306. The prediction image generation unit 308 generates a prediction image of a block or sub-block using the parameters and a reference picture (reference picture block) in the prediction mode indicated by predMode. Here, a reference picture block is a set of pixels on a reference picture (usually rectangular, so called a block), and is an area referenced to generate a prediction image.

(インター予測画像生成部309)
predModeがインター予測モードを示す場合、インター予測画像生成部309は、インター予測パラメータ導出部303から入力されたインター予測パラメータと参照ピクチャを用いてインター予測によりブロックもしくはサブブロックの予測画像を生成する。
(Inter-prediction image generation unit 309)
When predMode indicates inter prediction mode, the inter prediction image generation unit 309 generates a prediction image of a block or sub-block by inter prediction using the inter prediction parameters and reference picture input from the inter prediction parameter derivation unit 303.

図13は、本実施形態に係る予測画像生成部308に含まれるインター予測画像生成部309の構成を示す概略図である。インター予測画像生成部309は、動き補償部(予測画像生成装置)3091、合成部3095を含んで構成される。合成部3095は、IntraInter合成部30951、Triangle合成部30952、BIO部30954、重み予測部3094を含んで構成される。 Fig. 13 is a schematic diagram showing the configuration of the inter-prediction image generation unit 309 included in the prediction image generation unit 308 according to this embodiment. The inter-prediction image generation unit 309 includes a motion compensation unit (prediction image generation device) 3091 and a synthesis unit 3095. The synthesis unit 3095 includes an IntraInter synthesis unit 30951, a Triangle synthesis unit 30952, a BIO unit 30954, and a weight prediction unit 3094.

(動き補償)
動き補償部3091(補間画像生成部3091)は、インター予測パラメータ導出部303から入力された、インター予測パラメータ(predFlagLX、refIdxLX、mvLX)に基づいて、参照ピクチャメモリ306から参照ブロックを読み出すことによって補間画像(動き補償画像)を生成する。参照ブロックは、refIdxLXで指定された参照ピクチャRefPicLX上で、対象ブロックの位置からmvLXシフトした位置のブロックである。ここで、mvLXが整数精度でない場合には、動き補償フィルタと呼ばれる小数位置の画素を生成するためのフィルタを施して、補間画像を生成する。
(Motion Compensation)
The motion compensation unit 3091 (interpolated image generation unit 3091) generates an interpolated image (motion compensated image) by reading a reference block from the reference picture memory 306 based on the inter prediction parameters (predFlagLX, refIdxLX, mvLX) input from the inter prediction parameter derivation unit 303. The reference block is a block at a position shifted by mvLX from the position of the target block on the reference picture RefPicLX specified by refIdxLX. Here, if mvLX does not have integer precision, a filter for generating pixels at decimal positions called a motion compensation filter is applied to generate an interpolated image.

動き補償部3091は、まず、予測ブロック内座標(x,y)に対応する整数位置(xInt,yInt)および位相(xFrac,yFrac)を以下の式で導出する。 The motion compensation unit 3091 first derives the integer position (xInt, yInt) and phase (xFrac, yFrac) corresponding to the coordinates (x, y) in the prediction block using the following formula:

xInt = xPb+(mvLX[0]>>(log2(MVPREC)))+x
xFrac = mvLX[0]&(MVPREC-1)
yInt = yPb+(mvLX[1]>>(log2(MVPREC)))+y
yFrac = mvLX[1]&(MVPREC-1)
ここで、(xPb,yPb)は、bW*bHサイズのブロックの左上座標、x=0…bW-1、y=0…bH-1であり、MVPRECは、mvLXの精度(1/MVPREC画素精度)を示す。例えばMVPREC=16である。
xInt = xPb+(mvLX[0]>>(log2(MVPREC)))+x
xFrac = mvLX[0]&(MVPREC-1)
yInt = yPb+(mvLX[1]>>(log2(MVPREC)))+y
yFrac = mvLX[1]&(MVPREC-1)
Here, (xPb, yPb) are the upper left coordinates of a block of size bW*bH, where x=0...bW-1, y=0...bH-1, and MVPREC indicates the accuracy of mvLX (1/MVPREC pixel accuracy), e.g., MVPREC=16.

動き補償部3091は、参照ピクチャrefImgに補間フィルタを用いて水平補間処理を行うことで、一時的画像temp[][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift1は値のレンジを調整する正規化パラメータ、offset1=1<<(shift1-1)である。 The motion compensation unit 3091 derives the temporary image temp[][] by performing horizontal interpolation processing on the reference picture refImg using an interpolation filter. In the following, Σ is the sum over k, where k=0..NTAP-1, shift1 is a normalization parameter that adjusts the value range, and offset1=1<<(shift1-1).

temp[x][y] = (ΣmcFilter[xFrac][k]*refImg[xInt+k-NTAP/2+1][yInt]+offset1)>>shift1
続いて、動き補償部3091は、一時的画像temp[][]を垂直補間処理により、補間画像Pred[][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift2は値のレンジを調整する正規化パラメータ、offset2=1<<(shift2-1)である。
temp[x][y] = (ΣmcFilter[xFrac][k]*refImg[xInt+k-NTAP/2+1][yInt]+offset1)>>shift1
Next, the motion compensation unit 3091 derives the interpolated image Pred[][] by vertically interpolating the temporary image temp[][]. In the following, Σ is the sum for k=0..NTAP-1, shift2 is a normalization parameter that adjusts the value range, and offset2=1<<(shift2-1).

Pred[x][y] = (ΣmcFilter[yFrac][k]*temp[x][y+k-NTAP/2+1]+offset2)>>shift2 なお、双予測の場合、上記のPred[][]をL0リスト、L1リスト毎に導出し(補間画像PredL0[][]とPredL1[][]と呼ぶ)、PredL0[][]とPredL1[][]から補間画像Pred[][]を生成する。 Pred[x][y] = (ΣmcFilter[yFrac][k]*temp[x][y+k-NTAP/2+1]+offset2)>>shift2 In the case of bi-prediction, the above Pred[][] is derived for each L0 list and L1 list (called the interpolated images PredL0[][] and PredL1[][]), and the interpolated image Pred[][] is generated from PredL0[][] and PredL1[][].

なお、動き補償部3091は、スケールパラメータ導出部30378で導出された参照ピクチャの水平方向のスケーリング比RefPicScale[i][j][0]、および、参照ピクチャの垂直方向のスケーリング比RefPicScale[i][j][1]に応じて、補間画像をスケーリングする機能を有している。 The motion compensation unit 3091 has a function of scaling the interpolated image according to the horizontal scaling ratio RefPicScale[i][j][0] of the reference picture derived by the scale parameter derivation unit 30378 and the vertical scaling ratio RefPicScale[i][j][1] of the reference picture.

合成部3095は、IntraInter合成部30951、Triangle合成部30952、重み予測部3094、BIO部30954を備えている。 The synthesis unit 3095 includes an IntraInter synthesis unit 30951, a Triangle synthesis unit 30952, a weighted prediction unit 3094, and a BIO unit 30954.

(IntraInter合成処理)
IntraInter合成部30951は、インター予測画像とイントラ予測画像の重み付け和により予測画像を生成する。
(IntraInter compositing process)
The IntraInter synthesis unit 30951 generates a predicted image by a weighted sum of an inter predicted image and an intra predicted image.

(Triangle合成処理)
Triangle合成部30952は、上述したTriangle予測を用いた予測画像を生成する。
(Triangle synthesis processing)
The triangle synthesis unit 30952 generates a predicted image using the above-mentioned triangle prediction.

(BIO予測)
次に、BIO部30954が行うBIO予測(Bi-Directional Optical Flow, BDOF処理)の詳細について説明する。BIO部30954は、双予測モードにおいて、2つの予測画像(第1の予測画像及び第2の予測画像)及び勾配補正項を参照して予測画像を生成する。
(BIO forecast)
Next, a description will be given of details of the BIO prediction (Bi-Directional Optical Flow, BDOF processing) performed by the BIO unit 30954. In a bi-prediction mode, the BIO unit 30954 generates a predicted image by referring to two predicted images (a first predicted image and a second predicted image) and a gradient correction term.

図16は、予測画像を導出する処理の流れを説明するフローチャートである。 Figure 16 is a flowchart explaining the process of deriving a predicted image.

インター予測パラメータ導出部303がL0の単方向予測と判定(S101で、inter_pred_idcが0)した場合、動き補償部3091はPredL0[x][y]を生成(S102)する。インター予測パラメータ導出部303がL1の単方向予測と判定(S101で、inter_pred_idcが1)した場合、動き補償部3091はPredL1[x][y]を生成(S103)する。一方、インター予測パラメータ導出部303が双予測モードであると判定(S101で、inter_pred_idcが2)した場合、以下のS104の処理に続く。S104にて、合成部3095はBIO処理を行うか否かを示すbioAvailableFlagを参照しBIO処理の要否を判定する。bioAvailableFlagがTRUEを示すと、BIO部30954はBIO処理を実行して双方向予測画像を生成し(S106)、FALSEを示すと、合成部3095は通常の双方予測画像生成で予測画像を生成する(S105)。 If the inter prediction parameter derivation unit 303 determines that L0 is unidirectional prediction (inter_pred_idc is 0 in S101), the motion compensation unit 3091 generates PredL0[x][y] (S102). If the inter prediction parameter derivation unit 303 determines that L1 is unidirectional prediction (inter_pred_idc is 1 in S101), the motion compensation unit 3091 generates PredL1[x][y] (S103). On the other hand, if the inter prediction parameter derivation unit 303 determines that the mode is bi-prediction mode (inter_pred_idc is 2 in S101), the process proceeds to S104 below. In S104, the synthesis unit 3095 refers to bioAvailableFlag, which indicates whether or not to perform BIO processing, and determines whether or not BIO processing is required. If bioAvailableFlag indicates TRUE, the BIO unit 30954 executes BIO processing to generate a bidirectional predicted image (S106), and if it indicates FALSE, the synthesis unit 3095 generates a predicted image using normal bidirectional predicted image generation (S105).

インター予測パラメータ導出部303はL0参照画像refImgL0及びL1参照画像refImgL1が異なる参照画像であって、かつ、対象ピクチャに対し2枚のピクチャが反対方向の場合に、bioAvailableFlagにTRUEを導出してもよい。具体的には、対象画像をcurrPicとすると、DiffPicOrderCnt(currPic,refImgL0)*DiffPicOrderCnt(currPic,refImgL1)<0となる条件を満たす場合に、bioAvailableFlagはTRUEを示す。
ここで、DiffPicOrderCnt()は、以下のように2枚の画像のPOC(Picture Order Count:ピクチャの表示順序)の差分を導出する関数である。
The inter prediction parameter derivation unit 303 may derive TRUE for bioAvailableFlag when the L0 reference image refImgL0 and the L1 reference image refImgL1 are different reference images and the two pictures are in opposite directions with respect to the target picture. Specifically, when the target picture is currPic, bioAvailableFlag indicates TRUE when the condition DiffPicOrderCnt(currPic, refImgL0)*DiffPicOrderCnt(currPic, refImgL1)<0 is satisfied.
Here, DiffPicOrderCnt() is a function that derives the difference between POC (Picture Order Count: picture display order) of two images as follows:

DiffPicOrderCnt(picA,picB) = PicOrderCnt(picA)-PicOrderCnt(picB)
また、インター予測パラメータ導出部303は、上述したRefPicIsScaled[0][refIdxL0]の値が0であり、且つRefPicIsScaled[1][refIdxL1]の値が0であれば、bioAvailableFlagの値をTRUEに設定してもよい。
DiffPicOrderCnt(picA,picB) = PicOrderCnt(picA) - PicOrderCnt(picB)
Furthermore, if the value of the above-mentioned RefPicIsScaled[0][refIdxL0] is 0 and the value of RefPicIsScaled[1][refIdxL1] is 0, the inter prediction parameter derivation unit 303 may set the value of bioAvailableFlag to TRUE.

図17を用いて、具体的なBIO部30954が行う処理の内容について説明する。BIO部30954は、L0,L1予測画像生成部309541と、勾配画像生成部309542と、相関パラメータ計算部309543と、動き補償修正値導出部309544と、双方向予測画像生成部309545とを備えている。BIO部30954は動き補償部3091から受信した補間画像と、インター予測パラメータ導出部303から受信したインター予測パラメータとから予測画像を生成し、加算部312に出力する。なお、勾配画像から動き補償修正値bdofOffset(動き補償修正画像)を導出し、PredL0、PredL1を修正して導出する処理を、双方向勾配変化処理と呼ぶ。 The specific processing performed by the BIO unit 30954 will be described with reference to FIG. 17. The BIO unit 30954 includes an L0,L1 predicted image generation unit 309541, a gradient image generation unit 309542, a correlation parameter calculation unit 309543, a motion compensation correction value derivation unit 309544, and a bidirectional predicted image generation unit 309545. The BIO unit 30954 generates a predicted image from the interpolated image received from the motion compensation unit 3091 and the inter prediction parameters received from the inter prediction parameter derivation unit 303, and outputs the predicted image to the addition unit 312. Note that the process of deriving the motion compensation correction value bdofOffset (motion compensation correction image) from the gradient image and correcting and deriving PredL0 and PredL1 is called bidirectional gradient change processing.

L0,L1予測画像生成部309541では、BIO処理に用いられる、L0、L1予測画像を生成する。 The L0, L1 predicted image generation unit 309541 generates the L0, L1 predicted images used in BIO processing.

勾配画像生成部309542では勾配画像を生成する。具体的には、勾配画像lx0、ly0、lx1、ly1の導出を、以下のように行う。lx0及びlx1は水平方向に沿った勾配を示し、ly0及びly1は垂直方向に沿った勾配を示す。 The gradient image generation unit 309542 generates a gradient image. Specifically, the gradient images lx0, ly0, lx1, and ly1 are derived as follows. lx0 and lx1 indicate the gradient along the horizontal direction, and ly0 and ly1 indicate the gradient along the vertical direction.

lx0[x][y] = (PredL0[x+1][y]-PredL0[x-1][y])>>shift0
ly0[x][y] = (PredL0[x][y+1]-PredL0[x][y-1])>>shift0
lx1[x][y] = (PredL1[x+1][y]-PredL1[x-1][y])>>shift0
ly1[x][y] = (PredL1[x][y+1]-PredL1[x][y-1])>>shift0
ここで、shift0=14-InternalBitDepthである。BIO部内の計算精度として画素ビット長bitDepthとは独立の内部ビット長InternalBitDepthを定義する。InternalBitDepthは7以上、12以下の値とする。
lx0[x][y] = (PredL0[x+1][y]-PredL0[x-1][y])>>shift0
ly0[x][y] = (PredL0[x][y+1]-PredL0[x][y-1])>>shift0
lx1[x][y] = (PredL1[x+1][y]-PredL1[x-1][y])>>shift0
ly1[x][y] = (PredL1[x][y+1]-PredL1[x][y-1])>>shift0
Here, shift0=14-InternalBitDepth. Define the internal bit depth InternalBitDepth, which is independent of the pixel bit depth bitDepth, as the calculation precision within the BIO section. The value of InternalBitDepth is 7 or more and 12 or less.

次に、相関パラメータ計算部309543は、CU内のNxN画素のブロック毎に勾配積和s1,s2,s3,s5,s6を導出する。 Next, the correlation parameter calculation unit 309543 derives gradient product sums s1, s2, s3, s5, and s6 for each block of NxN pixels in the CU.

s1 = sum(phiX[x][y]* phiX[x][y])
s2 = sum(phiX[x][y]* phiY[x][y])
s3 = sum(-theta[x][y]* phiX[x][y])
s5 = sum(phiY[x][y]* phiY[x][y])
s6 = sum(-theta[x][y]* phiY[x][y])
ここで、sum(a)は(N+2)x(N+2)画素のブロック内の座標(x,y)に対するaの総和を表す。また、変数theta、phiX、phiYを導出する。
s1 = sum(phiX[x][y]*phiX[x][y])
s2 = sum(phiX[x][y]*phiY[x][y])
s3 = sum(-theta[x][y]*phiX[x][y])
s5 = sum(phiY[x][y]*phiY[x][y])
s6 = sum(-theta[x][y]*phiY[x][y])
Here, sum(a) represents the sum of a for the coordinates (x, y) in the (N+2) x (N+2) pixel block. Also, derive the variables theta, phiX, and phiY.

theta[x][y]= -(PredL1[x][y]>>shift4)+(PredL0[x][y]>>shift4)
phiX[x][y] = (lx1[x][y] + lx0[x][y])>>shift5
phiY[x][y] = (ly1[x][y] + ly0[x][y])>>shift5
ここで、shift4、shift5は以下で導出する。
theta[x][y] = -(PredL1[x][y]>>shift4) + (PredL0[x][y]>>shift4)
phiX[x][y] = (lx1[x][y] + lx0[x][y])>>shift5
phiY[x][y] = (ly1[x][y] + ly0[x][y])>>shift5
Here, shift4 and shift5 are derived as follows.

shift4=Max(InternalBitDepth-4, bitDept+InternalBitDepth-16)
shift5=Max(InternalBitDepth-7, bitDepth+InternalBitDepth-19)
次に、動き補償修正値導出部309544は、導出した勾配積和s1,s2,s3,s5,s6を用いて、NxN画素単位の補正重みベクトル(u, v)を導出する。
shift4 = Max (InternalBitDepth-4, bitDept + InternalBitDepth-16)
shift5=Max(InternalBitDepth-7, bitDepth+InternalBitDepth-19)
Next, the motion compensation modification value derivation unit 309544 derives a correction weight vector (u, v) in units of NxN pixels using the derived gradient product sums s1, s2, s3, s5, and s6.

u = (s3<<3) >> floor(log2(s1))
v = ((s6<<3)-((((u*s2m)<<12)+u*s2s)>>1)) >> floor(log2(s5))
ここでs2m=s2>>12、s2s=s2&((1<<12)-1)である。
u = (s3<<3) >> floor(log2(s1))
v = ((s6<<3)-((((u*s2m)<<12)+u*s2s)>>1)) >> floor(log2(s5))
Here, s2m = s2>>12 and s2s = s2&((1<<12)-1).

動き補償修正値導出部309544は、NxN画素単位の補正重みベクトル(u, v)と勾配画像lx0、ly0、lx1、ly1を用いて、bdofOffsetを導出する。 The motion compensation correction value derivation unit 309544 derives bdofOffset using the NxN pixel-based correction weight vector (u, v) and gradient images lx0, ly0, lx1, and ly1.

bdofOffset[x][y] = Round(((lx1[x][y]-lx0[x][y])*u)>>1)+Round(((ly1[x][y]-ly0[x][y])*v)>>1)
双方向予測画像生成部309545は、上記のパラメータを用いて下式により、NxN画素の予測画像の画素値Predを導出する。
bdofOffset[x][y] = Round(((lx1[x][y]-lx0[x][y])*u)>>1)+Round(((ly1[x][y]-ly0[x][y])*v)>>1)
The bidirectional predicted image generation unit 309545 uses the above parameters to derive the pixel value Pred of a predicted image of NxN pixels according to the following equation.

Pred[x][y] = Clip3(0, (1<<bitDepth)-1,( PredL0[x][y]+PredL1[x][y]+bdofOffset[x][y]+offset2)>>shift2)
ここで、shift2=Max(3,15-bitDepth)、offset2=1<<(shift2-1)である。
Pred[x][y] = Clip3(0, (1<<bitDepth)-1,( PredL0[x][y]+PredL1[x][y]+bdofOffset[x][y]+offset2)>>shift2)
Here, shift2=Max(3,15-bitDepth) and offset2=1<<(shift2-1).

(重み予測)
重み予測部3094は、補間画像PredLXに重み係数を乗算することによりブロックの予測画像を生成する。予測リスト利用フラグの一方(predFlagL0もしくはpredFlagL1)が1(単予測)、かつ、重み予測を用いない場合、PredLX(LXはL0もしくはL1)を画素ビット数bitDepthに合わせる以下の式の処理を行う。
(Weighted Prediction)
The weighted prediction unit 3094 generates a predicted image of the block by multiplying the interpolated image PredLX by a weighting coefficient. When one of the prediction list usage flags (predFlagL0 or predFlagL1) is 1 (uniprediction) and weighted prediction is not used, the following equation is processed to match PredLX (LX is L0 or L1) to the pixel bit count bitDepth.

Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredLX[x][y]+offset1)>>shift1)
ここで、shift1=14-bitDepth、offset1=1<<(shift1-1)である。
また、予測リスト利用フラグの両者(predFlagL0とpredFlagL1)が1(双予測PRED_BI)、かつ、重み予測を用いない場合、PredL0、PredL1を平均し画素ビット数に合わせる以下の式の処理を行う。
Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredLX[x][y]+offset1)>>shift1)
Here, shift1=14-bitDepth and offset1=1<<(shift1-1).
Furthermore, when both prediction list usage flags (predFlagL0 and predFlagL1) are 1 (bi-prediction PRED_BI) and weighted prediction is not used, the following equation is processed to average PredL0 and PredL1 and match them to the number of pixel bits.

Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]+PredL1[x][y]+offset2)>>shift2)
ここで、shift2=15-bitDepth、offset2=1<<(shift2-1)である。
Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]+PredL1[x][y]+offset2)>>shift2)
Here, shift2=15-bitDepth and offset2=1<<(shift2-1).

さらに、単予測、かつ、重み予測を行う場合、重み予測部3094は重み予測係数w0とオフセットo0を符号化データから導出し、以下の式の処理を行う。 Furthermore, when performing uni-prediction and weighted prediction, the weighted prediction unit 3094 derives the weighted prediction coefficient w0 and offset o0 from the encoded data and performs the processing of the following equation.

Pred[x][y] = Clip3(0,(1<<bitDepth)-1,((PredLX[x][y]*w0+2^(log2WD-1))>>log2WD)+o0)
ここで、log2WDは所定のシフト量を示す変数である。
Pred[x][y] = Clip3(0,(1<<bitDepth)-1,((PredLX[x][y]*w0+2^(log2WD-1))>>log2WD)+o0)
Here, log2WD is a variable indicating a predetermined shift amount.

さらに、双予測PRED_BI、かつ、重み予測を行う場合、重み予測部3094は重み予測係数w0、w1、o0、o1を符号化データから導出し、以下の式の処理を行う。 Furthermore, when performing bi-prediction PRED_BI and weighted prediction, the weighted prediction unit 3094 derives the weighted prediction coefficients w0, w1, o0, and o1 from the encoded data and performs the processing of the following equations.

Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]*w0+PredL1[x][y]*w1+((o0+o1+1)<<log2WD))>>(log2WD+1))
インター予測画像生成部309は生成したブロックの予測画像を加算部312に出力する。
Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]*w0+PredL1[x][y]*w1+((o0+o1+1)<<log2WD))>>(log2WD+1))
The inter-prediction image generation unit 309 outputs the generated prediction image of the block to the addition unit 312 .

逆量子化・逆変換部311は、パラメータ復号部302から入力された量子化変換係数を逆量子化して変換係数を求める。 The inverse quantization and inverse transform unit 311 inverse quantizes the quantized transform coefficients input from the parameter decoding unit 302 to obtain transform coefficients.

加算部312は、予測画像生成部308から入力されたブロックの予測画像と逆量子化・逆変換部311から入力された予測誤差を画素毎に加算して、ブロックの復号画像を生成する。加算部312はブロックの復号画像を参照ピクチャメモリ306に記憶し、また、ループフィルタ305に出力する。 The adder 312 adds, for each pixel, the predicted image of the block input from the predicted image generation unit 308 and the prediction error input from the inverse quantization and inverse transform unit 311 to generate a decoded image of the block. The adder 312 stores the decoded image of the block in the reference picture memory 306, and also outputs it to the loop filter 305.

(動画像符号化装置の構成)
次に、本実施形態に係る動画像符号化装置11の構成について説明する。図14は、本実施形態に係る動画像符号化装置11の構成を示すブロック図である。動画像符号化装置11は、予測画像生成部101、減算部102、変換・量子化部103、逆量子化・逆変換部105、加算部106、ループフィルタ107、予測パラメータメモリ(予測パラメータ記憶部、フレームメモリ)108、参照ピクチャメモリ(参照画像記憶部、フレームメモリ)109、符号化パラメータ決定部110、パラメータ符号化部111、予測パラメータ導出部120、エントロピー符号化部104を含んで構成される。
(Configuration of the video encoding device)
Next, the configuration of the video encoding device 11 according to this embodiment will be described. Fig. 14 is a block diagram showing the configuration of the video encoding device 11 according to this embodiment. The video encoding device 11 includes a prediction image generating unit 101, a subtraction unit 102, a transformation/quantization unit 103, an inverse quantization/inverse transformation unit 105, an addition unit 106, a loop filter 107, a prediction parameter memory (prediction parameter storage unit, frame memory) 108, a reference picture memory (reference image storage unit, frame memory) 109, an encoding parameter determining unit 110, a parameter encoding unit 111, a prediction parameter derivation unit 120, and an entropy encoding unit 104.

予測画像生成部101はCU毎に予測画像を生成する。予測画像生成部101は既に説明したインター予測画像生成部309とイントラ予測画像生成部310を含んでおり、説明を省略する。 The predicted image generation unit 101 generates a predicted image for each CU. The predicted image generation unit 101 includes the inter predicted image generation unit 309 and the intra predicted image generation unit 310, which have already been explained, and so explanations will be omitted.

減算部102は、予測画像生成部101から入力されたブロックの予測画像の画素値を、画像Tの画素値から減算して予測誤差を生成する。減算部102は予測誤差を変換・量子化部103に出力する。 The subtraction unit 102 subtracts the pixel values of the predicted image of the block input from the predicted image generation unit 101 from the pixel values of image T to generate a prediction error. The subtraction unit 102 outputs the prediction error to the transformation and quantization unit 103.

変換・量子化部103は、減算部102から入力された予測誤差に対し、周波数変換によって変換係数を算出し、量子化によって量子化変換係数を導出する。変換・量子化部103は、量子化変換係数をパラメータ符号化部111及び逆量子化・逆変換部105に出力する。 The transform/quantization unit 103 calculates transform coefficients by frequency transforming the prediction error input from the subtraction unit 102, and derives quantized transform coefficients by quantizing the prediction error. The transform/quantization unit 103 outputs the quantized transform coefficients to the parameter coding unit 111 and the inverse quantization/inverse transform unit 105.

逆量子化・逆変換部105は、動画像復号装置31における逆量子化・逆変換部311(図7)と同じであり、説明を省略する。算出した予測誤差は加算部106に出力される。 The inverse quantization and inverse transform unit 105 is the same as the inverse quantization and inverse transform unit 311 (Figure 7) in the video decoding device 31, so a description thereof will be omitted. The calculated prediction error is output to the addition unit 106.

パラメータ符号化部111は、ヘッダ符号化部1110、CT情報符号化部1111、CU符号化部1112(予測モード符号化部)を備えている。CU符号化部1112はさらにTU符号化部1114を備えている。以下、各モジュールの概略動作を説明する。 The parameter coding unit 111 includes a header coding unit 1110, a CT information coding unit 1111, and a CU coding unit 1112 (prediction mode coding unit). The CU coding unit 1112 further includes a TU coding unit 1114. The general operation of each module is explained below.

ヘッダ符号化部1110はヘッダ情報、分割情報、予測情報、量子化変換係数等のパラメータの符号化処理を行う。 The header encoding unit 1110 performs encoding processing of parameters such as header information, splitting information, prediction information, and quantized transform coefficients.

CT情報符号化部1111は、QT、MT(BT、TT)分割情報等を符号化する。 The CT information encoding unit 1111 encodes QT, MT (BT, TT) division information, etc.

CU符号化部1112はCU情報、予測情報、分割情報等を符号化する。 The CU encoding unit 1112 encodes CU information, prediction information, split information, etc.

TU符号化部1114は、TUに予測誤差が含まれている場合に、QP更新情報と量子化予測誤差を符号化する。 When a TU contains a prediction error, the TU encoding unit 1114 encodes the QP update information and the quantized prediction error.

CT情報符号化部1111、CU符号化部1112は、インター予測パラメータ(predMode、merge_flag、merge_idx、inter_pred_idc、refIdxLX、mvp_LX_idx、mvdLX)、イントラ予測パラメータ(intra_luma_mpm_flag、intra_luma_mpm_idx、intra_luma_mpm_reminder、intra_chroma_pred_mode)、量子化変換係数等のシンタックス要素をパラメータ符号化部111に供給する。 The CT information encoding unit 1111 and the CU encoding unit 1112 supply syntax elements such as inter prediction parameters (predMode, merge_flag, merge_idx, inter_pred_idc, refIdxLX, mvp_LX_idx, mvdLX), intra prediction parameters (intra_luma_mpm_flag, intra_luma_mpm_idx, intra_luma_mpm_reminder, intra_chroma_pred_mode), and quantized transform coefficients to the parameter encoding unit 111.

エントロピー符号化部104には、パラメータ符号化部111から量子化変換係数と符号化パラメータ(分割情報、予測パラメータ)が入力される。エントロピー符号化部104はこれらをエントロピー符号化して符号化ストリームTeを生成し、出力する。 The entropy coding unit 104 receives the quantized transform coefficients and coding parameters (split information, prediction parameters) from the parameter coding unit 111. The entropy coding unit 104 entropy codes these to generate and output the coded stream Te.

予測パラメータ導出部120は、少なくともインター予測パラメータ符号化部112を含む手段であり、符号化パラメータ決定部110から入力されたパラメータからイントラ予測パラメータ及びイントラ予測パラメータを導出する。導出されたイントラ予測パラメータ及びイントラ予測パラメータは、パラメータ符号化部111に出力される。 The prediction parameter derivation unit 120 is a means including at least the inter-prediction parameter encoding unit 112, and derives intra-prediction parameters and intra-prediction parameters from the parameters input from the encoding parameter determination unit 110. The derived intra-prediction parameters and intra-prediction parameters are output to the parameter encoding unit 111.

(インター予測パラメータ符号化部の構成)
インター予測パラメータ符号化部112は図15に示すように、パラメータ符号化制御部1121、インター予測パラメータ導出部303を含んで構成される。インター予測パラメータ導出部303は動画像復号装置と共通の構成である。パラメータ符号化制御部1121は、マージインデックス導出部11211とベクトル候補インデックス導出部11212を含む。
(Configuration of the inter-prediction parameter encoding unit)
15, the inter prediction parameter encoding unit 112 includes a parameter encoding control unit 1121 and an inter prediction parameter derivation unit 303. The inter prediction parameter derivation unit 303 has the same configuration as the video decoding device. The parameter encoding control unit 1121 includes a merge index derivation unit 11211 and a vector candidate index derivation unit 11212.

マージインデックス導出部11211は、マージ候補等を導出し、インター予測パラメータ導出部303に出力する。ベクトル候補インデックス導出部11212は予測ベクトル候補等を導出し、インター予測パラメータ導出部303とパラメータ符号化部111に出力する。 The merge index derivation unit 11211 derives merge candidates, etc., and outputs them to the inter prediction parameter derivation unit 303. The vector candidate index derivation unit 11212 derives prediction vector candidates, etc., and outputs them to the inter prediction parameter derivation unit 303 and the parameter coding unit 111.

加算部106は、予測画像生成部101から入力された予測ブロックの画素値と逆量子化・逆変換部105から入力された予測誤差を画素毎に加算して復号画像を生成する。加算部106は生成した復号画像を参照ピクチャメモリ109に記憶する。 The adder 106 generates a decoded image by adding, for each pixel, the pixel value of the predicted block input from the predicted image generation unit 101 and the prediction error input from the inverse quantization and inverse transform unit 105. The adder 106 stores the generated decoded image in the reference picture memory 109.

ループフィルタ107は加算部106が生成した復号画像に対し、デブロッキングフィルタ、SAO、ALFを施す。なお、ループフィルタ107は、必ずしも上記3種類のフィルタを含まなくてもよく、例えばデブロッキングフィルタのみの構成であってもよい。 The loop filter 107 applies a deblocking filter, SAO, and ALF to the decoded image generated by the adder 106. Note that the loop filter 107 does not necessarily have to include the above three types of filters, and may be configured, for example, as only a deblocking filter.

予測パラメータメモリ108は、符号化パラメータ決定部110が生成した予測パラメータを、対象ピクチャ及びCU毎に予め定めた位置に記憶する。 The prediction parameter memory 108 stores the prediction parameters generated by the encoding parameter determination unit 110 in a predetermined location for each target picture and CU.

参照ピクチャメモリ109は、ループフィルタ107が生成した復号画像を対象ピクチャ及びCU毎に予め定めた位置に記憶する。 The reference picture memory 109 stores the decoded image generated by the loop filter 107 in a predetermined location for each target picture and CU.

符号化パラメータ決定部110は、符号化パラメータの複数のセットのうち、1つのセットを選択する。符号化パラメータとは、上述したQT、BTあるいはTT分割情報、予測パラメータ、あるいはこれらに関連して生成される符号化の対象となるパラメータである。予測画像生成部101は、これらの符号化パラメータを用いて予測画像を生成する。 The coding parameter determination unit 110 selects one set from among multiple sets of coding parameters. The coding parameters are the above-mentioned QT, BT or TT division information, prediction parameters, or parameters to be coded that are generated in relation to these. The predicted image generation unit 101 generates a predicted image using these coding parameters.

符号化パラメータ決定部110は、複数のセットの各々について情報量の大きさと符号化誤差を示すRDコスト値を算出する。RDコスト値は、例えば、符号量と二乗誤差に係数λを乗じた値との和である。符号量は、量子化誤差と符号化パラメータをエントロピー符号化して得られる符号化ストリームTeの情報量である。二乗誤差は、減算部102において算出された予測誤差の二乗和である。係数λは、予め設定されたゼロよりも大きい実数である。符号化パラメータ決定部110は、算出したコスト値が最小となる符号化パラメータのセットを選択する。符号化パラメータ決定部110は決定した符号化パラメータをパラメータ符号化部111と予測パラメータ導出部120に出力する。 The coding parameter determination unit 110 calculates an RD cost value indicating the amount of information and the coding error for each of the multiple sets. The RD cost value is, for example, the sum of the code amount and the value obtained by multiplying the squared error by the coefficient λ. The code amount is the information amount of the coding stream Te obtained by entropy coding the quantization error and the coding parameters. The squared error is the sum of the squares of the prediction errors calculated in the subtraction unit 102. The coefficient λ is a real number greater than zero that is set in advance. The coding parameter determination unit 110 selects the set of coding parameters for which the calculated cost value is the smallest. The coding parameter determination unit 110 outputs the determined coding parameters to the parameter coding unit 111 and the prediction parameter derivation unit 120.

なお、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、例えば、エントロピー復号部301、パラメータ復号部302、ループフィルタ305、予測画像生成部308、逆量子化・逆変換部311、加算部312、予測パラメータ導出部320、予測画像生成部101、減算部102、変換・量子化部103、エントロピー符号化部104、逆量子化・逆変換部105、ループフィルタ107、符号化パラメータ決定部110、パラメータ符号化部111、予測パラメータ導出部120をコンピュータで実現するようにしても良い。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、動画像符号化装置11、動画像復号装置31のいずれかに内蔵されたコンピュータシステムであって、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。 In addition, a part of the video encoding device 11 and the video decoding device 31 in the above-mentioned embodiment, for example, the entropy decoding unit 301, the parameter decoding unit 302, the loop filter 305, the predicted image generating unit 308, the inverse quantization and inverse transform unit 311, the addition unit 312, the prediction parameter derivation unit 320, the predicted image generating unit 101, the subtraction unit 102, the transform and quantization unit 103, the entropy encoding unit 104, the inverse quantization and inverse transform unit 105, the loop filter 107, the encoding parameter determination unit 110, the parameter encoding unit 111, and the prediction parameter derivation unit 120 may be realized by a computer. In that case, a program for realizing this control function may be recorded on a computer-readable recording medium, and the program recorded on this recording medium may be read into a computer system and executed to realize it. In addition, the "computer system" referred to here is a computer system built into either the video encoding device 11 or the video decoding device 31, and includes hardware such as an OS and peripheral devices. Additionally, "computer-readable recording media" refers to portable media such as flexible disks, optical magnetic disks, ROMs, and CD-ROMs, as well as storage devices such as hard disks built into computer systems. Furthermore, "computer-readable recording media" may also include devices that dynamically store a program for a short period of time, such as a communication line when transmitting a program via a network such as the Internet or a communication line such as a telephone line, or devices that store a program for a certain period of time, such as volatile memory within a computer system that serves as a server or client in such cases. Furthermore, the above-mentioned program may be one that realizes part of the functions described above, or may be one that can realize the functions described above in combination with a program already recorded in the computer system.

また、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、または全部を、LSI(Large Scale Integration)等の集積回路として実現しても良い。動画像符号化装置11、動画像復号装置31の各機能ブロックは個別にプロセッサ化しても良いし、一部、または全部を集積してプロセッサ化しても良い。また、集積回路化の手法はLSIに限らず専用回路、または汎用プロセッサで実現しても良い。また、半導体技術の進歩によりLSIに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いても良い。 In addition, part or all of the video encoding device 11 and video decoding device 31 in the above-mentioned embodiments may be realized as an integrated circuit such as an LSI (Large Scale Integration). Each functional block of the video encoding device 11 and video decoding device 31 may be individually processed, or part or all of them may be integrated into a processor. The integrated circuit method is not limited to LSI, and may be realized by a dedicated circuit or a general-purpose processor. Furthermore, if an integrated circuit technology that can replace LSI appears due to advances in semiconductor technology, an integrated circuit based on that technology may be used.

以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。 One embodiment of the present invention has been described in detail above with reference to the drawings, but the specific configuration is not limited to the above, and various design changes can be made without departing from the spirit of the present invention.

〔応用例〕
上述した動画像符号化装置11及び動画像復号装置31は、動画像の送信、受信、記録、再生を行う各種装置に搭載して利用することができる。なお、動画像は、カメラ等により撮像された自然動画像であってもよいし、コンピュータ等により生成された人工動画像(CGおよびGUIを含む)であってもよい。
[Application example]
The above-mentioned video encoding device 11 and video decoding device 31 can be mounted on various devices that transmit, receive, record, and play videos. The video may be a natural video captured by a camera or the like, or an artificial video (including CG and GUI) generated by a computer or the like.

まず、上述した動画像符号化装置11及び動画像復号装置31を、動画像の送信及び受信に利用できることを、図2を参照して説明する。 First, with reference to FIG. 2, it will be explained that the above-mentioned video encoding device 11 and video decoding device 31 can be used to transmit and receive video.

図2のPROD_Aは、動画像符号化装置11を搭載した送信装置PROD_Aの構成を示したブロック図である。図に示すように、送信装置PROD_Aは、動画像を符号化することによって符号化データを得る符号化部PROD_A1と、符号化部PROD_A1が得た符号化データで搬送波を変調することによって変調信号を得る変調部PROD_A2と、変調部PROD_A2が得た変調信号を送信する送信部PROD_A3と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_A1として利用される。 PROD_A in FIG. 2 is a block diagram showing the configuration of a transmitting device PROD_A equipped with a video encoding device 11. As shown in the figure, the transmitting device PROD_A includes an encoding unit PROD_A1 that obtains encoded data by encoding a video, a modulation unit PROD_A2 that obtains a modulated signal by modulating a carrier wave with the encoded data obtained by the encoding unit PROD_A1, and a transmitting unit PROD_A3 that transmits the modulated signal obtained by the modulation unit PROD_A2. The above-mentioned video encoding device 11 is used as this encoding unit PROD_A1.

送信装置PROD_Aは、符号化部PROD_A1に入力する動画像の供給源として、動画像を撮像するカメラPROD_A4、動画像を記録した記録媒体PROD_A5、動画像を外部から入力するための入力端子PROD_A6、及び、画像を生成または加工する画像処理部A7を更に備えていてもよい。図においては、これら全てを送信装置PROD_Aが備えた構成を例示しているが、一部を省略しても構わない。 The transmitting device PROD_A may further include a camera PROD_A4 that captures moving images, a recording medium PROD_A5 on which moving images are recorded, an input terminal PROD_A6 for inputting moving images from the outside, and an image processing unit A7 that generates or processes images, as a source of moving images to be input to the encoding unit PROD_A1. In the figure, a configuration in which the transmitting device PROD_A is provided with all of these components is illustrated, but some may be omitted.

なお、記録媒体PROD_A5は、符号化されていない動画像を記録したものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化された動画像を記録したものであってもよい。後者の場合、記録媒体PROD_A5と符号化部PROD_A1との間に、記録媒体PROD_A5から読み出した符号化データを記録用の符号化方式に従って復号する復号部(不図示)を介在させるとよい。 The recording medium PROD_A5 may record unencoded video, or may record video encoded using an encoding method for recording that is different from the encoding method for transmission. In the latter case, it is preferable to interpose a decoding unit (not shown) between the recording medium PROD_A5 and the encoding unit PROD_A1, which decodes the encoded data read from the recording medium PROD_A5 in accordance with the encoding method for recording.

図2のPROD_Bは、動画像復号装置31を搭載した受信装置PROD_Bの構成を示したブロック図である。図に示すように、受信装置PROD_Bは、変調信号を受信する受信部PROD_B1と、受信部PROD_B1が受信した変調信号を復調することによって符号化データを得る復調部PROD_B2と、復調部PROD_B2が得た符号化データを復号することによって動画像を得る復号部PROD_B3と、を備えている。上述した動画像復号装置31は、この復号部PROD_B3として利用される。 PROD_B in FIG. 2 is a block diagram showing the configuration of a receiving device PROD_B equipped with a video decoding device 31. As shown in the figure, the receiving device PROD_B includes a receiving unit PROD_B1 that receives a modulated signal, a demodulation unit PROD_B2 that obtains coded data by demodulating the modulated signal received by the receiving unit PROD_B1, and a decoding unit PROD_B3 that obtains video by decoding the coded data obtained by the demodulation unit PROD_B2. The video decoding device 31 described above is used as this decoding unit PROD_B3.

受信装置PROD_Bは、復号部PROD_B3が出力する動画像の供給先として、動画像を表示するディスプレイPROD_B4、動画像を記録するための記録媒体PROD_B5、及び、動画像を外部に出力するための出力端子PROD_B6を更に備えていてもよい。図においては、これら全てを受信装置PROD_Bが備えた構成を例示しているが、一部を省略しても構わない。 The receiving device PROD_B may further include, as destinations for the moving image output by the decoding unit PROD_B3, a display PROD_B4 for displaying the moving image, a recording medium PROD_B5 for recording the moving image, and an output terminal PROD_B6 for outputting the moving image to the outside. In the figure, a configuration in which the receiving device PROD_B includes all of these components is illustrated, but some of them may be omitted.

なお、記録媒体PROD_B5は、符号化されていない動画像を記録するためのものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化されたものであってもよい。後者の場合、復号部PROD_B3と記録媒体PROD_B5との間に、復号部PROD_B3から取得した動画像を記録用の符号化方式に従って符号化する符号化部(不図示)を介在させるとよい。 The recording medium PROD_B5 may be for recording unencoded video, or may be encoded using an encoding method for recording that is different from the encoding method for transmission. In the latter case, it is preferable to interpose an encoding unit (not shown) between the decoding unit PROD_B3 and the recording medium PROD_B5, which encodes the video acquired from the decoding unit PROD_B3 according to the encoding method for recording.

なお、変調信号を伝送する伝送媒体は、無線であってもよいし、有線であってもよい。また、変調信号を伝送する伝送態様は、放送(ここでは、送信先が予め特定されていない送信態様を指す)であってもよいし、通信(ここでは、送信先が予め特定されている送信態様を指す)であってもよい。すなわち、変調信号の伝送は、無線放送、有線放送、無線通信、及び有線通信の何れによって実現してもよい。 The transmission medium for transmitting the modulated signal may be wireless or wired. The transmission mode for transmitting the modulated signal may be broadcast (here, this refers to a transmission mode in which the destination is not specified in advance) or communication (here, this refers to a transmission mode in which the destination is specified in advance). In other words, the transmission of the modulated signal may be realized by any of wireless broadcasting, wired broadcasting, wireless communication, and wired communication.

例えば、地上デジタル放送の放送局(放送設備など)/受信局(テレビジョン受像機など)は、変調信号を無線放送で送受信する送信装置PROD_A/受信装置PROD_Bの一例である。また、ケーブルテレビ放送の放送局(放送設備など)/受信局(テレビジョン受像機など)は、変調信号を有線放送で送受信する送信装置PROD_A/受信装置PROD_Bの一例である。 For example, a broadcasting station (such as broadcasting equipment)/receiving station (such as a television receiver) for terrestrial digital broadcasting is an example of a transmitting device PROD_A/receiving device PROD_B that transmits and receives modulated signals via wireless broadcasting. Also, a broadcasting station (such as broadcasting equipment)/receiving station (such as a television receiver) for cable television broadcasting is an example of a transmitting device PROD_A/receiving device PROD_B that transmits and receives modulated signals via cable broadcasting.

また、インターネットを用いたVOD(Video On Demand)サービスや動画共有サービスなどのサーバ(ワークステーションなど)/クライアント(テレビジョン受像機、パーソナルコンピュータ、スマートフォンなど)は、変調信号を通信で送受信する送信装置PROD_A/受信装置PROD_Bの一例である(通常、LANにおいては伝送媒体として無線または有線の何れかが用いられ、WANにおいては伝送媒体として有線が用いられる)。ここで、パーソナルコンピュータには、デスクトップ型PC、ラップトップ型PC、及びタブレット型PCが含まれる。また、スマートフォンには、多機能携帯電話端末も含まれる。 In addition, a server (such as a workstation)/client (such as a television receiver, personal computer, smartphone, etc.) of an Internet-based VOD (Video On Demand) service or video sharing service is an example of a transmitting device PROD_A/receiving device PROD_B that transmits and receives modulated signals by communication (usually, in a LAN, either wireless or wired is used as the transmission medium, and in a WAN, wired is used as the transmission medium). Here, personal computers include desktop PCs, laptop PCs, and tablet PCs. Smartphones also include multi-function mobile phone terminals.

なお、動画共有サービスのクライアントは、サーバからダウンロードした符号化データを復号してディスプレイに表示する機能に加え、カメラで撮像した動画像を符号化してサーバにアップロードする機能を有している。すなわち、動画共有サービスのクライアントは、送信装置PROD_A及び受信装置PROD_Bの双方として機能する。 The client of the video-sharing service has the function of decoding the encoded data downloaded from the server and displaying it on a display, as well as the function of encoding video images captured by a camera and uploading them to the server. In other words, the client of the video-sharing service functions as both a transmitting device PROD_A and a receiving device PROD_B.

次に、上述した動画像符号化装置11及び動画像復号装置31を、動画像の記録及び再生に利用できることを、図3を参照して説明する。 Next, with reference to FIG. 3, it will be explained how the above-mentioned video encoding device 11 and video decoding device 31 can be used for recording and playing back video.

図3のPROD_Cは、上述した動画像符号化装置11を搭載した記録装置PROD_Cの構成を示したブロック図である。図に示すように、記録装置PROD_Cは、動画像を符号化することによって符号化データを得る符号化部PROD_C1と、符号化部PROD_C1が得た符号化データを記録媒体PROD_Mに書き込む書込部PROD_C2と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_C1として利用される。 PROD_C in FIG. 3 is a block diagram showing the configuration of a recording device PROD_C equipped with the above-mentioned video encoding device 11. As shown in the figure, the recording device PROD_C includes an encoding unit PROD_C1 that obtains encoded data by encoding video, and a writing unit PROD_C2 that writes the encoded data obtained by the encoding unit PROD_C1 onto a recording medium PROD_M. The above-mentioned video encoding device 11 is used as this encoding unit PROD_C1.

なお、記録媒体PROD_Mは、(1)HDD(Hard Disk Drive)やSSD(Solid State Drive)などのように、記録装置PROD_Cに内蔵されるタイプのものであってもよいし、(2)SDメモリカードやUSB(Universal Serial Bus)フラッシュメモリなどのように、記録装置PROD_Cに接続されるタイプのものであってもよいし、(3)DVD(Digital Versatile Disc:登録商標)やBD(Blu-ray Disc:登録商標)などのように、記録装置PROD_Cに内蔵されたドライブ装置(不図示)に装填されるものであってもよい。 Note that the recording medium PROD_M may be (1) a type that is built into the recording device PROD_C, such as an HDD (Hard Disk Drive) or SSD (Solid State Drive), (2) a type that is connected to the recording device PROD_C, such as an SD memory card or USB (Universal Serial Bus) flash memory, or (3) a type that is loaded into a drive device (not shown) built into the recording device PROD_C, such as a DVD (Digital Versatile Disc: registered trademark) or BD (Blu-ray Disc: registered trademark).

また、記録装置PROD_Cは、符号化部PROD_C1に入力する動画像の供給源として、動画像を撮像するカメラPROD_C3、動画像を外部から入力するための入力端子PROD_C4、動画像を受信するための受信部PROD_C5、及び、画像を生成または加工する画像処理部PROD_C6を更に備えていてもよい。図においては、これら全てを記録装置PROD_Cが備えた構成を例示しているが、一部を省略しても構わない。 The recording device PROD_C may further include a camera PROD_C3 that captures moving images, an input terminal PROD_C4 for inputting moving images from the outside, a receiving unit PROD_C5 for receiving moving images, and an image processing unit PROD_C6 that generates or processes images, as a source of moving images to be input to the encoding unit PROD_C1. The figure shows an example of a configuration in which the recording device PROD_C includes all of these components, but some may be omitted.

なお、受信部PROD_C5は、符号化されていない動画像を受信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを受信するものであってもよい。後者の場合、受信部PROD_C5と符号化部PROD_C1との間に、伝送用の符号化方式で符号化された符号化データを復号する伝送用復号部(不図示)を介在させるとよい。 The receiving unit PROD_C5 may receive unencoded video, or may receive encoded data encoded using an encoding method for transmission that is different from the encoding method for recording. In the latter case, it is preferable to interpose a transmission decoding unit (not shown) between the receiving unit PROD_C5 and the encoding unit PROD_C1, which decodes the encoded data encoded using the encoding method for transmission.

このような記録装置PROD_Cとしては、例えば、DVDレコーダ、BDレコーダ、HDD(Hard Disk Drive)レコーダなどが挙げられる(この場合、入力端子PROD_C4または受信部PROD_C5が動画像の主な供給源となる)。また、カムコーダ(この場合、カメラPROD_C3が動画像の主な供給源となる)、パーソナルコンピュータ(この場合、受信部PROD_C5または画像処理部C6が動画像の主な供給源となる)、スマートフォン(この場合、カメラPROD_C3または受信部PROD_C5が動画像の主な供給源となる)なども、このような記録装置PROD_Cの一例である。 Examples of such recording devices PROD_C include DVD recorders, BD recorders, and HDD (Hard Disk Drive) recorders (in this case, the input terminal PROD_C4 or the receiving unit PROD_C5 is the main source of video images). Other examples of such recording devices PROD_C include camcorders (in this case, the camera PROD_C3 is the main source of video images), personal computers (in this case, the receiving unit PROD_C5 or the image processing unit C6 is the main source of video images), and smartphones (in this case, the camera PROD_C3 or the receiving unit PROD_C5 is the main source of video images).

図3PROD_Dは、上述した動画像復号装置31を搭載した再生装置PROD_Dの構成を示したブロックである。図に示すように、再生装置PROD_Dは、記録媒体PROD_Mに書き込まれた符号化データを読み出す読出部PROD_D1と、読出部PROD_D1が読み出した符号化データを復号することによって動画像を得る復号部PROD_D2と、を備えている。上述した動画像復号装置31は、この復号部PROD_D2として利用される。 Figure 3PROD_D is a block diagram showing the configuration of a playback device PROD_D equipped with the above-mentioned video decoding device 31. As shown in the figure, the playback device PROD_D includes a reading unit PROD_D1 that reads out encoded data written to a recording medium PROD_M, and a decoding unit PROD_D2 that obtains video by decoding the encoded data read by the reading unit PROD_D1. The above-mentioned video decoding device 31 is used as this decoding unit PROD_D2.

なお、記録媒体PROD_Mは、(1)HDDやSSDなどのように、再生装置PROD_Dに内蔵されるタイプのものであってもよいし、(2)SDメモリカードやUSBフラッシュメモリなどのように、再生装置PROD_Dに接続されるタイプのものであってもよいし、(3)DVDやBDなどのように、再生装置PROD_Dに内蔵されたドライブ装置(不図示)に装填されるものであってもよい。 The recording medium PROD_M may be (1) a type that is built into the playback device PROD_D, such as an HDD or SSD, (2) a type that is connected to the playback device PROD_D, such as an SD memory card or USB flash memory, or (3) a type that is loaded into a drive device (not shown) built into the playback device PROD_D, such as a DVD or BD.

また、再生装置PROD_Dは、復号部PROD_D2が出力する動画像の供給先として、動画像を表示するディスプレイPROD_D3、動画像を外部に出力するための出力端子PROD_D4、及び、動画像を送信する送信部PROD_D5を更に備えていてもよい。図においては、これら全てを再生装置PROD_Dが備えた構成を例示しているが、一部を省略しても構わない。 The playback device PROD_D may further include, as destinations for the video output by the decoding unit PROD_D2, a display PROD_D3 that displays the video, an output terminal PROD_D4 for outputting the video to the outside, and a transmission unit PROD_D5 that transmits the video. In the figure, the playback device PROD_D is shown as having all of these components, but some may be omitted.

なお、送信部PROD_D5は、符号化されていない動画像を送信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを送信するものであってもよい。後者の場合、復号部PROD_D2と送信部PROD_D5との間に、動画像を伝送用の符号化方式で符号化する符号化部(不図示)を介在させるとよい。 The transmission unit PROD_D5 may transmit unencoded video, or may transmit encoded data encoded using an encoding method for transmission that is different from the encoding method for recording. In the latter case, it is preferable to interpose an encoding unit (not shown) between the decoding unit PROD_D2 and the transmission unit PROD_D5, which encodes the video using an encoding method for transmission.

このような再生装置PROD_Dとしては、例えば、DVDプレイヤ、BDプレイヤ、HDDプレイヤなどが挙げられる(この場合、テレビジョン受像機等が接続される出力端子PROD_D4が動画像の主な供給先となる)。また、テレビジョン受像機(この場合、ディスプレイPROD_D3が動画像の主な供給先となる)、デジタルサイネージ(電子看板や電子掲示板等とも称され、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる)、デスクトップ型PC(この場合、出力端子PROD_D4または送信部PROD_D5が動画像の主な供給先となる)、ラップトップ型またはタブレット型PC(この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる)、スマートフォン(この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる)なども、このような再生装置PROD_Dの一例である。 Examples of such playback devices PROD_D include DVD players, BD players, and HDD players (in this case, the output terminal PROD_D4 to which a television receiver or the like is connected is the main destination of the video image). Other examples of such playback devices PROD_D include television receivers (in this case, the display PROD_D3 is the main destination of the video image), digital signage (also called electronic billboards or electronic bulletin boards, and the display PROD_D3 or the transmission unit PROD_D5 is the main destination of the video image), desktop PCs (in this case, the output terminal PROD_D4 or the transmission unit PROD_D5 is the main destination of the video image), laptop or tablet PCs (in this case, the display PROD_D3 or the transmission unit PROD_D5 is the main destination of the video image), and smartphones (in this case, the display PROD_D3 or the transmission unit PROD_D5 is the main destination of the video image).

(ハードウェア的実現およびソフトウェア的実現)
また、上述した動画像復号装置31および動画像符号化装置11の各ブロックは、集積回路(ICチップ)上に形成された論理回路によってハードウェア的に実現してもよいし、CPU(Central Processing Unit)を用いてソフトウェア的に実現してもよい。
(Hardware and Software Realizations)
In addition, each block of the above-mentioned video decoding device 31 and video encoding device 11 may be realized in hardware by a logic circuit formed on an integrated circuit (IC chip), or in software by using a CPU (Central Processing Unit).

後者の場合、上記各装置は、各機能を実現するプログラムの命令を実行するCPU、上記プログラムを格納したROM(Read Only Memory)、上記プログラムを展開するRAM(Random Access Memory)、上記プログラムおよび各種データを格納するメモリ等の記憶装置(記録媒体)などを備えている。そして、本発明の実施形態の目的は、上述した機能を実現するソフトウェアである上記各装置の制御プログラムのプログラムコード(実行形式プログラム、中間コードプログラム、ソースプログラム)をコンピュータで読み取り可能に記録した記録媒体を、上記各装置に供給し、そのコンピュータ(またはCPUやMPU)が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。 In the latter case, each of the above devices includes a CPU that executes the commands of the program that realizes each function, a ROM (Read Only Memory) that stores the above program, a RAM (Random Access Memory) that expands the above program, and a storage device (recording medium) such as a memory that stores the above program and various data. The object of the embodiment of the present invention can also be achieved by supplying each of the above devices with a recording medium on which the program code (executable program, intermediate code program, source program) of the control program of each of the above devices, which is software that realizes the above functions, is recorded in a computer-readable manner, and the computer (or CPU or MPU) reads and executes the program code recorded on the recording medium.

上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー(登録商標)ディスク/ハードディスク等の磁気ディスクやCD-ROM(Compact Disc Read-Only Memory)/MOディスク(Magneto-Optical disc)/MD(Mini Disc)/DVD(Digital Versatile Disc:登録商標)/CD-R(CD Recordable)/ブルーレイディスク(Blu-ray Disc:登録商標)等の光ディスクを含むディスク類、ICカード(メモリカードを含む)/光カード等のカード類、マスクROM/EPROM(Erasable Programmable Read-Only Memory)/EEPROM(Electrically Erasable and Programmable Read-Only Memory:登録商標)/フラッシュROM等の半導体メモリ類、あるいはPLD(Programmable logic device)やFPGA(Field Programmable Gate Array)等の論理回路類などを用いることができる。 Examples of the recording medium include tapes such as magnetic tapes and cassette tapes, magnetic disks such as floppy disks (registered trademark) and hard disks, disks including optical disks such as CD-ROMs (Compact Disc Read-Only Memory), MO disks (Magneto-Optical discs), MDs (Mini Discs), DVDs (Digital Versatile Discs: registered trademark), CD-Rs (CD Recordable), and Blu-ray Discs (registered trademark), cards such as IC cards (including memory cards) and optical cards, semiconductor memories such as mask ROMs, EPROMs (Erasable Programmable Read-Only Memory), EEPROMs (Electrically Erasable and Programmable Read-Only Memory: registered trademark), and flash ROMs, and logic circuits such as PLDs (Programmable logic devices) and FPGAs (Field Programmable Gate Arrays).

また、上記各装置を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、LAN(Local Area Network)、ISDN(Integrated Services Digital Network)、VAN(Value-Added Network)、CATV(Community Antenna television/Cable Television)通信網、仮想専用網(Virtual Private Network)、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、IEEE(Institute of Electrical and Electronic Engineers)1394、USB、電力線搬送、ケーブルTV回線、電話線、ADSL(Asymmetric Digital Subscriber Line)回線等の有線でも、IrDA(Infrared Data Association)やリモコンのような赤外線、BlueTooth(登録商標)、IEEE802.11無線、HDR(High Data Rate)、NFC(Near Field Communication)、DLNA(Digital Living Network Alliance:登録商標)、携帯電話網、衛星回線、地上デジタル放送網等の無線でも利用可能である。なお、本発明の実施形態は、上記プログラムコードが電子的な伝送で具現化された、搬送波に埋め込まれたコンピュータデータ信号の形態でも実現され得る。 The above devices may also be configured to be connectable to a communications network, and the program code may be supplied via the communications network. This communications network may be any network capable of transmitting the program code, and is not limited to any particular network. For example, the Internet, an intranet, an extranet, a LAN (Local Area Network), an ISDN (Integrated Services Digital Network), a VAN (Value-Added Network), a CATV (Community Antenna television/Cable Television) communications network, a virtual private network, a telephone line network, a mobile communications network, a satellite communications network, and the like may be used. Furthermore, the transmission media constituting this communications network may be any medium capable of transmitting the program code, and is not limited to any particular configuration or type. For example, the program code can be used in wired communication such as IEEE (Institute of Electrical and Electronic Engineers) 1394, USB, power line carrier, cable TV line, telephone line, or ADSL (Asymmetric Digital Subscriber Line) line, or wireless communication such as infrared communication such as IrDA (Infrared Data Association) or remote control, BlueTooth (registered trademark), IEEE802.11 wireless, HDR (High Data Rate), NFC (Near Field Communication), DLNA (Digital Living Network Alliance: registered trademark), mobile phone network, satellite line, or terrestrial digital broadcasting network. Note that the embodiment of the present invention can also be realized in the form of a computer data signal embedded in a carrier wave, in which the program code is embodied by electronic transmission.

本発明の実施形態は上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。すなわち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。 The embodiments of the present invention are not limited to the above-mentioned embodiments, and various modifications are possible within the scope of the claims. In other words, embodiments obtained by combining technical means that are appropriately modified within the scope of the claims are also included in the technical scope of the present invention.

本発明の実施形態は、画像データが符号化された符号化データを復号する動画像復号装置、および、画像データが符号化された符号化データを生成する動画像符号化装置に好適に適用することができる。また、動画像符号化装置によって生成され、動画像復号装置によって参照される符号化データのデータ構造に好適に適用することができる。 Embodiments of the present invention can be suitably applied to a video decoding device that decodes coded data in which image data is coded, and a video coding device that generates coded data in which image data is coded. They can also be suitably applied to the data structure of coded data that is generated by a video coding device and referenced by the video decoding device.

31 画像復号装置
301 エントロピー復号部
302 パラメータ復号部
303 インター予測パラメータ導出部
304 イントラ予測パラメータ導出部
305、107 ループフィルタ
306、109 参照ピクチャメモリ
307、108 予測パラメータメモリ
308、101 予測画像生成部
309 インター予測画像生成部
310 イントラ予測画像生成部
311、105 逆量子化・逆変換部
312、106 加算部
320 予測パラメータ導出部
11 画像符号化装置
102 減算部
103 変換・量子化部
104 エントロピー符号化部
110 符号化パラメータ決定部
111 パラメータ符号化部
112 インター予測パラメータ符号化部
113 イントラ予測パラメータ符号化部
120 予測パラメータ導出部
31 Image Decoding Device
301 Entropy Decoding Unit
302 Parameter Decoding Unit
303 Inter-prediction parameter derivation unit
304 Intra prediction parameter derivation unit
305, 107 Loop Filter
306, 109 Reference Picture Memory
307, 108 Prediction parameter memory
308, 101 Prediction image generation unit
309 Inter-prediction image generation unit
310 Intra-prediction image generation unit
311, 105 Inverse quantization and inverse transformation section
312, 106 Addition section
320 Prediction Parameter Derivation Unit
11 Image Encoding Device
102 Subtraction section
103 Transformation and Quantization Section
104 Entropy coding unit
110 Encoding parameter determination unit
111 Parameter Encoding Unit
112 Inter-prediction parameter coding unit
113 Intra prediction parameter coding unit
120 Prediction parameter derivation part

Claims (3)

符号化ピクチャのサイズと参照ピクチャのサイズが異なる場合、該参照ピクチャをスケーリングする予測画像生成部を備え、
前記予測画像生成部は、前記符号化ピクチャのサイズと異なるサイズを有する参照ピクチャの動きベクトル情報を参照して符号化データを復号する場合、
前記符号化データには含まれない、前記参照ピクチャの動きベクトル情報が有効か否かを示す情報を所定の値に設定することにより、前記参照ピクチャの動きベクトル情報を用いることなく前記符号化データを復号し、予測画像を生成することを特徴とする動画像復号装置。
A prediction image generating unit that scales a reference picture when the size of the coding picture and the size of the reference picture are different,
When the prediction image generation unit decodes encoded data by referring to motion vector information of a reference picture having a size different from a size of the encoded picture,
A video decoding device characterized by decoding the encoded data without using the motion vector information of the reference picture and generating a predicted image by setting information indicating whether the motion vector information of the reference picture is valid or not, which information is not included in the encoded data, to a predetermined value.
符号化ピクチャのサイズと参照ピクチャのサイズが異なる場合、該参照ピクチャをスケーリングする予測画像生成部を備え、
前記予測画像生成部は、前記符号化ピクチャのサイズと異なるサイズを有する参照ピクチャの動きベクトル情報を参照してデータを符号化する場合、
前記符号化データには含まれない、前記参照ピクチャの動きベクトル情報が有効か否かを示す情報を所定の値に設定することにより、前記参照ピクチャの動きベクトル情報を用いることなく前記データを符号化し、予測画像を生成することを特徴とする動画像符号化装置。
A prediction image generating unit that scales a reference picture when the size of the coding picture and the size of the reference picture are different,
When the prediction image generating unit encodes data by referring to motion vector information of a reference picture having a size different from that of the encoding picture,
A moving image coding device characterized by encoding the data without using the motion vector information of the reference picture by setting information indicating whether the motion vector information of the reference picture is valid or not, which information is not included in the encoded data, to a predetermined value, thereby generating a predicted image.
符号化ピクチャのサイズと参照ピクチャのサイズが異なる場合、該参照ピクチャをスケーリングする予測画像生成部を備え、
前記予測画像生成部は、前記符号化ピクチャのサイズと異なるサイズを有する参照ピクチャの動きベクトル情報を参照してデータを生成する場合、
記データには含まれない、前記参照ピクチャの動きベクトル情報が有効か否かを示す情報を所定の値に設定することにより、前記参照ピクチャの動きベクトル情報を用いることなく、予測画像を生成することを特徴とする予測画像生成装置。
A prediction image generating unit that scales a reference picture when the size of the coding picture and the size of the reference picture are different,
When the prediction image generation unit generates data by referring to motion vector information of a reference picture having a size different from a size of the encoded picture,
A predictive image generating device characterized by generating a predictive image without using the motion vector information of the reference picture by setting information indicating whether the motion vector information of the reference picture, which is not included in the data , to a predetermined value.
JP2019203450A 2019-11-08 2019-11-08 Video decoding device, video encoding device, and predicted image generating device Active JP7514611B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019203450A JP7514611B2 (en) 2019-11-08 2019-11-08 Video decoding device, video encoding device, and predicted image generating device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019203450A JP7514611B2 (en) 2019-11-08 2019-11-08 Video decoding device, video encoding device, and predicted image generating device

Publications (3)

Publication Number Publication Date
JP2021078004A JP2021078004A (en) 2021-05-20
JP2021078004A5 JP2021078004A5 (en) 2022-11-11
JP7514611B2 true JP7514611B2 (en) 2024-07-11

Family

ID=75898365

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019203450A Active JP7514611B2 (en) 2019-11-08 2019-11-08 Video decoding device, video encoding device, and predicted image generating device

Country Status (1)

Country Link
JP (1) JP7514611B2 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022525399A (en) 2019-03-11 2022-05-13 ヴィド スケール インコーポレイテッド Sub-picture adaptive method and device for changing resolution
JP2022550897A (en) 2019-10-05 2022-12-05 北京字節跳動網絡技術有限公司 Level-based signaling for video coding tools

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022525399A (en) 2019-03-11 2022-05-13 ヴィド スケール インコーポレイテッド Sub-picture adaptive method and device for changing resolution
JP2022550897A (en) 2019-10-05 2022-12-05 北京字節跳動網絡技術有限公司 Level-based signaling for video coding tools

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Peisong Chen, et al.,AHG 8: Adaptive Resolution Change [online], JVET-O JVET-O0303-v2,ITU-T インターネット<URL:https://jvet-experts.org/doc_end_user/documents/15_Gothenburg/wg11/JVET-O0303-v2.zip>,2019年07月01日,pp.1-8
Tsui-Shan Chang, et al.,Non-CE1: Enabling TMVP in RPR [online], JVET-P JVET-P0274,ITU-T インターネット<URL:https://jvet-experts.org/doc_end_user/documents/16_Geneva/wg11/JVET-P0274-v3.zip>,2019年10月01日,pp.1-3

Also Published As

Publication number Publication date
JP2021078004A (en) 2021-05-20

Similar Documents

Publication Publication Date Title
CN114762348B (en) Moving image decoding device
JP7448349B2 (en) Video decoding device
JP7555328B2 (en) Video decoding device, video encoding device, and video decoding method
US20230319305A1 (en) Video decoding apparatus
JP2024129102A (en) Video decoding device and video encoding device
JP7568625B2 (en) Image decoding device and image decoding method
JP2022007319A (en) Dynamic image encoding device and decoding device
JP2023181459A (en) Moving-image decoding device, moving-image encoding device, moving-image decoding method, and moving-image encoding method
JP2021027429A (en) Dynamic image encoding device and dynamic image decoding device
WO2021200658A1 (en) Dynamic image decoding device and dynamic image decoding method
WO2021200610A1 (en) Dynamic image decoding device, dynamic image coding device, dynamic image decoding method, and dynamic image coding method
JP7514611B2 (en) Video decoding device, video encoding device, and predicted image generating device
JP7465128B2 (en) Video encoding device and video decoding device
JP2022096879A (en) Moving image encoding device and decoding device
JP2020170901A (en) Predictive image generation device, video decoding device, and video coding device
WO2021235448A1 (en) Video coding device and video decoding device
JP2024149704A (en) Video decoding device and image encoding device
JP2021197558A (en) Dynamic image encoding device and dynamic image decoding device
JP2021175009A (en) Video coding device and video decoding device
JP2022085475A (en) Video encoding device and decoding device
CN118972617A (en) Moving image decoding device
CN118972619A (en) Moving image decoding device
CN118972618A (en) Moving image decoding device
JP2021125798A (en) Video encoding device, decoding device
JP2021027458A (en) Moving image coding device, moving image decoding device, prediction image generation method

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221102

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221102

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20231206

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240206

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240402

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240507

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240625

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240701

R150 Certificate of patent or registration of utility model

Ref document number: 7514611

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150