支持各种色度格式的视频编解码工具的信令
文献发布时间:2023-06-19 13:27:45
交叉引用
本申请根据35 U.S.C.§119要求于2019年11月29日在美国专利商标局提交的第62/942,003号美国临时申请、2019年12月12日在美国专利商标局提交的第62/947,385号美国临时申请和2020年11月25日在美国专利商标局提交的第17/104,688号美国申请的优先权,这些申请的公开内容通过引用结合在本申请中。
技术领域
所公开的主题涉及视频编码和解码,并且更具体地,涉及支持各种色度格式的视频编解码工具的信令。
背景技术
ITU-T VCEG(Q6/16)和ISO/IEC MPEG(JTC 1/SC 29/WG 11)于2013年(版本1)、2014年(版本2)、2015年(版本3)和2016年(版本4)出版了H.265/HEVC(高效视频编解码)标准。2015年,这两个标准组织联合成立了联合视频开发小组(JVET,Joint VideoExploration Team),以探索开发超越HEVC的下一个视频编解码标准的潜力。2017年10月,他们发布了关于性能超过HEVC的关于视频压缩的联合提案(CfP,Call for Proposals)。截至2018年2月15日,分别共提交了22份关于标准动态范围(SDR,standard dynamic range)的CfP回复、12份关于高动态范围(HDR,high dynamic range)的CfP回复以及12份关于360个视频类别的CfP回复。在2018年4月,在第122次MPEG/第10届JVET会议上对所有收到的CfP回复进行了评估。这次会议的结果是,JVET正式启动了超越HEVC的下一代视频编解码的标准化过程。新标准被命名为下一代视频编解码(VVC,Versatile Video Coding),并且JVET被更名为联合视频专家小组。
发明内容
在实施例中,提供了一种对已编码视频码流进行解码的方法,所述方法包括:获取所述已编码视频码流;确定所述已编码视频码流中包括的视频序列的色度阵列类型是否为第一色度阵列类型,所述第一色度阵列类型用于指示所述视频序列包括多个颜色平面并且所述多个颜色平面是联合编码的;基于确定所述色度阵列类型不是所述第一色度阵列类型,将至少一个语法元素的值设置为零,而不从所述已编码视频码流解析所述至少一个语法元素;以及基于所述至少一个语法元素的所述值为零,在不应用对应于所述至少一个语法元素的至少一个工具的情况下,对所述视频序列进行解码。
在实施例中,提供了一种对已编码视频码流进行解码的设备,所述设备包括:至少一个存储器,被配置为存储程序代码;以及至少一个处理器,被配置为读取所述程序代码并且按照所述程序代码的指令进行操作,所述程序代码包括:获取代码,被配置为使所述至少一个处理器获取所述已编码视频码流;确定代码,被配置为使所述至少一个处理器确定所述已编码视频码流中包括的视频序列的色度阵列类型是否为第一色度阵列类型,所述第一色度阵列类型用于指示所述视频序列包括多个颜色平面并且所述多个颜色平面是联合编码的;第一设置代码,被配置为使所述至少一个处理器基于确定所述色度阵列类型不是所述第一色度阵列类型,将至少一个语法元素的值设置为零,而不从所述已编码视频码流解析所述至少一个语法元素;以及第一解码代码,被配置为使所述至少一个处理器基于所述至少一个语法元素的所述值为零,在不应用对应于所述至少一个语法元素的至少一个工具的情况下,对所述视频序列进行解码。
在实施例中,提供了一种存储有指令的非易失性计算机可读存储介质,所述指令包括一个或多个指令,在由用于对已编码视频码流进行解码的设备的一个或多个处理器执行时,所述指令使所述一个或多个处理器执行:获取所述已编码视频码流;确定所述已编码视频码流中包括的视频序列的色度阵列类型是否为第一色度阵列类型,所述第一色度阵列类型用于指示所述视频序列包括多个颜色平面并且所述多个颜色平面是联合编码的;基于确定所述色度阵列类型不是所述第一色度阵列类型,将至少一个语法元素的值设置为零,而不从所述已编码视频码流解析所述至少一个语法元素;以及基于所述至少一个语法元素的所述值为零,在不应用对应于所述至少一个语法元素的至少一个工具的情况下,对所述视频序列进行解码。
附图说明
通过以下详细描述和附图,所公开的主题的其它特征、性质及各种优点将更加明显,其中:
图1是根据实施例的通信系统的简化框图的示意图;
图2是根据实施例的通信系统的简化框图的示意图;
图3是根据实施例的解码器的简化框图的示意图;
图4是根据实施例的编码器的简化框图的示意图;
图5A-5C示出了根据实施例的对已编码的视频码流进行解码的示例性流程的流程图;
图6是根据实施例的对已编码的视频码流进行解码的示例性流程的流程图;
图7示出了根据本申请实施例的计算机系统的示意图。
具体实施方式
图1是根据本申请公开的实施例的通信系统(100)的简化框图。通信系统(100)包括至少两个终端装置(110-120),所述终端装置可通过例如网络(150)彼此通信。对于数据的单向传输,第一终端装置(110)可在本地位置对视频数据进行编码以通过网络(150)传输到第二端装置(120)。第二终端装置(120)可从网络(150)接收其他终端设备的已编码视频数据,对已编码视频数据进行解码并显示恢复的视频数据。单向数据传输在媒体服务等应用中是较常见的。
图1示出了第二对终端设备(130-140)来用于支持已编码视频数据的双向传输,所述双向传输可例如在视频会议期间发生。对于双向数据传输,终端装置(130-140)中的每个终端装置可对本地位置采集的视频数据进行编码,以通过网络(150)传输到另一终端装置。终端装置(130-140)中的每个终端装置还可接收由另一终端装置传输的已编码视频数据,且可对所述已编码视频数据进行解码,并在本地显示设备上显示恢复的视频数据。
在图1中,第一终端装置(110)、第二终端装置(120)、第三终端装置(130)和第四终端装置(140)可为服务器、个人计算机和智能电话,但本申请公开的原理可不限于此。本申请公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(150)表示在第一终端装置(110)、第二终端装置(120)、第三终端装置(130)和第四终端装置(140)之间传送已编码视频数据的任何数目的网络,包括例如有线(连线的)和/或无线通信网络。通信网络(150)可在电路交换和/或分组交换信道中交换数据。该网络可包括电信网络、局域网、广域网和/或互联网。出于本申请的目的,除非在下文中有所解释,否则网络(150)的架构和拓扑对于本申请公开的操作来说可能是无关紧要的。
作为实施例,图2示出视频编码器和解码器在流式传输环境中的放置方式。本申请所公开主题可同等地适用于其它支持视频的应用,包括例如视频会议、数字TV、在包括CD、DVD、存储棒等的数字介质上存储压缩视频等等。
流式传输系统可包括采集子系统(213),所述采集子系统可包括数码相机等视频源(201),所述视频源创建未压缩的视频样本流(202)。相较于已编码的视频码流,被描绘为粗线以强调高数据量的样本流(302),可以由耦接到相机(201)的编码器(203)来处理。视频编码器(203)可包括硬件、软件或软硬件组合以实现或实施如下文更详细地描述的所公开主题的各方面。相较于样本流,被描绘为细线以强调较低数据量的已编码的视频码流(204),可存储在流式传输服务器(205)上以供将来使用。一个或多个流式传输客户端(206)和(208),可访问流式传输服务器(205)以检索已编码的视频码流(204)的副本(207)和副本(209)。客户端(206)可包括视频解码器(210),视频解码器(210)对已编码的视频数据的传入副本(207)进行解码,且产生可在显示器(212)或另一呈现装置(未描绘)上呈现的输出视频样本流(211)。在一些流式传输系统中,可根据某些视频编码/压缩标准对已编码的视频码流(204)、视频码流(207)和视频码流(209)进行编码。该些标准的示例包括ITU-T H.265。在实施例中,正在开发的视频编码标准非正式地称为下一代视频编码(Versatile VideoCoding,VVC),本申请可用于VVC标准的上下文中。
图3是根据本公开的实施例的视频解码器(210)的功能框图。
接收器(310)可接收将由解码器(210)解码的一个或多个已编码视频序列;在同一实施例或另一实施例中,一次接收一个已编码视频序列,其中每个已编码视频序列的解码独立于其它已编码视频序列。可从信道(312)接收已编码视频序列,所述信道可以是通向存储已编码的视频数据的存储装置的硬件/软件链路。接收器(310)可接收已编码的视频数据以及其它数据,例如,可转发到它们各自的使用实体(未标示)的已编码音频数据和/或辅助数据流。接收器(310)可将已编码视频序列与其它数据分开。为了防止网络抖动,缓冲存储器(315)可耦接在接收器(310)与熵解码器/解析器(320)(此后称为“解析器”)之间。而当接收器(310)从具有足够带宽和可控性的存储/转发装置或从等时同步网络接收数据时,也可能不需要配置缓冲存储器(315),或可以将所述缓冲存储器做得较小。当然,为了在互联网等业务分组网络上使用,也可能需要缓冲存储器(315),所述缓冲存储器可相对较大且可具有自适应性大小。
视频解码器(210)可包括解析器(320)以根据熵编码视频序列来重建符号(321)。这些符号的类别包括用于管理视频解码器(210)的操作的信息,以及用以控制显示装置(例如,显示屏(212))等显示装置的潜在信息,所述显示装置不是解码器的组成部分,但可耦接到解码器,如图3中所示。用于显示装置的控制信息可以是辅助增强信息(SupplementalEnhancement Information,SEI消息)或视频可用性信息(Video Usability Information,VUI)的参数集片段(未标示)。解析器(320)可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的编码可根据视频编码技术或标准进行,且可遵循本领域技术人员熟知的原理,包括可变长度编码、霍夫曼编码(Huffman coding)、具有或不具有上下文灵敏度的算术编码等等。解析器(320)可基于对应于群组的至少一个参数,从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(Group of Pictures,GOP)、图片、子图片、图块、条带、砖块、宏块、编码单元(Coding Unit,CU)、块、变换单元(Transform Unit,TU)、预测单元(Prediction Unit,PU)等等。图块(tile)可以指示图片中特定图块列和图块行内的CU/CTU矩形区域。砖块(brick)可以指示特定图块内的CU/CTU行的矩形区域。条带(slice)可以指示包含在NAL单元中的、图片的一个或多个砖块(brick)。子图片可以指示图片中一个或多个条带的矩形区域。熵解码器/解析器还可从已编码视频序列提取信息,例如变换系数、量化器参数值、运动矢量等等。
解析器(320)可对从缓冲存储器(315)接收的视频序列执行熵解码/解析操作,从而创建符号(321)。
取决于已编码视频图片或一部分已编码视频图片(例如:帧间图片和帧内图片、帧间块和帧内块)的类型以及其它因素,符号(321)的重建可涉及多个不同单元。涉及哪些单元以及涉及方式可由解析器(320)从已编码视频序列解析的子群控制信息控制。为了简洁起见,未描述解析器(320)与下文的多个单元之间的此类子群控制信息流。
除已经提及的功能块以外,解码器(210)可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施例中,这些单元中的许多单元彼此紧密交互并且可以彼此集成。然而,出于描述所公开主题的目的,概念上细分成下文的功能单元是适当的。
第一单元是缩放器/逆变换单元(351)。缩放器/逆变换单元(351)从解析器(320)接收作为符号(321)的量化变换系数以及控制信息,包括使用哪种变换方式、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元(351)可输出包括样本值的块,所述样本值可输入到聚合器(355)中。
在一些情况下,缩放器/逆变换单元(351)的输出样本可属于帧内编码块;即:不使用来自先前重建的图片的预测性信息,但可使用来自当前图片的先前重建部分的预测性信息的块。此类预测性信息可由帧内图片预测单元(352)提供。在一些情况下,帧内图片预测单元(352)采用从(部分重建的)当前图片(358)提取的已重建信息生成大小和形状与正在重建的块相同的周围块。在一些情况下,聚合器(355)基于每个样本,将帧内预测单元(352)生成的预测信息添加到由缩放器/逆变换单元(351)提供的输出样本信息中。
在其它情况下,缩放器/逆变换单元(351)的输出样本可属于帧间编码和潜在运动补偿块。在此情况下,运动补偿预测单元(353)可访问参考图片存储器(357)以提取用于预测的样本。在根据符号(321)对提取的样本进行运动补偿之后,这些样本可由聚合器(355)添加到缩放器/逆变换单元3的输出(在这种情况下被称作残差样本或残差信号),从而生成输出样本信息。运动补偿单元从参考图片存储器内的地址获取预测样本可受到运动矢量控制,且所述运动矢量以所述符号(321)的形式而供运动补偿单元使用,所述符号(321)例如是包括X、Y和参考图片分量。运动补偿还可包括在使用子样本精确运动矢量时,从参考图片存储器提取的样本值的内插、运动矢量预测机制等等。
聚合器(355)的输出样本可在环路滤波器单元(356)中被各种环路滤波技术采用。视频压缩技术可包括环路内滤波器技术,所述环路内滤波器技术受控于包括在已编码视频码流中的参数,且所述参数作为来自解析器(320)的符号(321)可用于环路滤波器单元(356)。然而,在其他实施例中,视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获得的元信息,以及响应于先前重建且经过环路滤波的样本值。
环路滤波器单元(356)的输出可以是样本流,所述样本流可输出到显示装置(212)以及存储在参考图片存储器,以用于后续的帧间图片预测。
一旦完全重建,某些已编码图片就可用作参考图片以用于将来预测。一旦已编码图片被完全重建,且已编码图片(通过例如解析器(320))被识别为参考图片,则当前参考图片缓冲器(358)可变为参考图片缓冲器(357)的一部分,且可在开始重建后续已编码图片之前重新分配新的当前图片存储器。
视频解码器(210)可根据例如ITU-T H.265标准中记录的预定视频压缩技术执行解码操作。编码的视频序列可以符合由正在使用的视频压缩技术或标准规定的语法,在所述编码的视频序列遵守视频压缩技术或标准的语法的意义上,如在视频压缩技术文档或标准中规定的,特别是在其中的配置文件所规定的。对于合规性,还要求已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下,层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等。在一些情况下,由层级设定的限制可通过假想参考解码器(HypotheticalReference Decoder,HRD)规范和在已编码视频序列中用信号表示的HRD缓冲器管理的元数据来进一步限定。
在实施例中,接收器(310)可连同已编码视频一起接收附加(冗余)数据。所述附加数据可以是已编码视频序列的一部分。所述附加数据可由视频解码器(210)用以对数据进行适当解码和/或较准确地重建原始视频数据。附加数据可呈例如时间、空间或信噪比(signal noise ratio,SNR)增强层、冗余切片、冗余图片、前向纠错码等形式。
图4是根据本公开的实施例的视频编码器(203)的功能框图。
编码器(203)可以从视频源(201)(不是编码器的一部分)接收视频样本,该视频源可以采集将要由编码器(203)编码的视频图像。
视频源(201)可提供将由编码器(203)编码的呈数字视频样本流形式的源视频序列,所述数字视频样本流可具有任何合适位深度(例如:8位、10位、12位……)、任何色彩空间(例如BT.601 Y CrCB、RGB……)和任何合适取样结构(例如Y CrCb 4:2:0、Y CrCb 4:4:4)。在媒体服务系统中,视频源(201)可以是存储先前已准备的视频的存储装置。在视频会议系统中,视频源(203)可以是采集本地图像信息作为视频序列的相机。可将视频数据提供为多个单独的图片,当按顺序观看时,这些图片被赋予运动。图片自身可构建为空间像素阵列,其中取决于所用的取样结构、色彩空间等,每个像素可包括一个或多个样本。所属领域的技术人员可以很容易理解像素与样本之间的关系。下文侧重于描述样本。
根据实施例,编码器(203)可实时或在由应用所要求的任何其它时间约束下,将源视频序列的图片编码且压缩成已编码视频序列(443)。施行适当的编码速度是控制器(450)的一个功能。控制器控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见,图中未标示耦接。由控制器设置的参数可包括速率控制相关参数(图片跳过、量化器、率失真优化技术的λ值等)、图片大小、图片群组(group of pictures,GOP)布局,最大运动矢量搜索范围等。本领域技术人员可以容易的识别控制器(450)的其他功能,因为这些功能涉及针对某一系统设计优化的视频编码器(203)。
一些视频编码器(503)在本领域技术人员容易识别为“编码环路”中操作。作为简单的描述,在实施例中,编码环路可由编码器(430)(这里成为源编码器)的编码部分(负责基于待编码的输入图片和参考图片创建符号)和嵌入于编码器(203)中的(本地)解码器(433)组成。解码器(433)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据(因为在本申请所考虑的视频压缩技术中,符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流输入到参考图片存储器(434)。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果,因此参考图片缓冲器内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说,编码器的预测部分“看到”的参考图片样本与解码器将在解码期间使用预测时所“看到”的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)对于本领域技术人员也是熟知的。
“本地”解码器(433)的操作可与例如已在上文结合图3详细的“远程”解码器相同。然而,另外简要参考图4,当符号可用且熵编码器(445)和解析器(320)能够无损地将符号编码/解码为已编码视频序列时,包括信道(312)、接收器(310)、缓冲器(315)和解析器(320)在内的视频解码器(210)的熵解码部分,可能无法完全在本地解码器(433)中实施。
此时可以观察到,除存在于解码器中的解析/熵解码之外的任何解码器技术,也必定以基本上相同的功能形式存在于对应的编码器中。出于此原因,本申请侧重于解码器操作。可简化编码器技术的描述,因为编码器技术与全面地描述的解码器技术互逆。仅在某些区域中需要更详细的描述,并且在下文提供。
作为操作的部分,源编码器(430)可执行运动补偿预测编码。参考来自视频序列中被指定为“参考帧”的一个或多个先前已编码帧,所述运动补偿预测编码对输入帧进行预测性编码。以此方式,编码引擎(432)对输入帧的像素块与参考帧的像素块之间的差异进行编码,所述参考帧可被选作所述输入帧的预测参考。
本地视频解码器(433)可基于源编码器(430)创建的符号,对可指定为参考帧的帧的已编码视频数据进行解码。编码引擎(432)的操作可为有损过程。当已编码视频数据可在视频解码器(图4中未示)处被解码时,重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器(433)复制解码过程,所述解码过程可由视频解码器对参考帧执行,且可使重建的参考帧存储在参考图片高速缓存(434)中。以此方式,视频编码器(203)可在本地存储重建的参考帧的副本,所述副本与将由远端视频解码器获得的重建参考帧具有共同内容(不存在传输误差)。
预测器(435)可针对编码引擎(432)执行预测搜索。即,对于将要编码的新帧,预测器(435)可在参考图片存储器(434)中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据,例如参考图片运动矢量、块形状等。预测器(435)可基于样本块逐像素块操作,以找到合适的预测参考。在一些情况下,根据预测器(435)获得的搜索结果,可确定输入图片可具有从参考图片存储器(434)中存储的多个参考图片取得的预测参考。
控制器(450)可管理视频编码器(430)的编码操作,包括例如设置用于对视频数据进行编码的参数和子群参数。
可在熵编码器(445)中对所有上述功能单元的输出进行熵编码。熵编码器根据本领域技术人员熟知的,例如霍夫曼编码、可变长度编码、算术编码等技术对各种功能单元生成的符号进行无损压缩,从而将所述符号转换成已编码视频序列。
传输器(440)可缓冲由熵编码器(445)创建的已编码视频序列,从而为通过通信信道(460)进行传输做准备,所述通信信道可以是通向将存储已编码的视频数据的存储装置的硬件/软件链路。传输器(440)可将来自视频编码器(430)的已编码视频数据与要传输的其它数据合并,所述其它数据例如是已编码音频数据和/或辅助数据流(未示出来源)。
控制器(450)可管理编码器(203)的操作。在编码期间,控制器(450)可以为每个已编码图片分配某一已编码图片类型,但这可能影响可应用于相应的图片的编码技术。例如,通常可将图片分配为以下任一种帧类型:
帧内图片(I图片),其可以是不将序列中的任何其它帧用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片,包括例如独立解码器刷新(Independent Decoder Refresh,“IDR”)图片。所属领域的技术人员了解I图片的变体及其相应的应用和特征。
预测性图片(P图片),其可以是可使用帧内预测或帧间预测进行编码和解码的图片,所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。
双向预测性图片(B图片),其可以是可使用帧内预测或帧间预测进行编码和解码的图片,所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地,多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。
源图片通常可在空间上细分成多个样本块(例如,4×4、8×8、4×8或16×16个样本的块),且逐块进行编码。这些块可参考其它(已编码)块进行预测编码,根据应用于块的相应图片的编码分配来确定所述其它块。举例来说,I图片的块可进行非预测编码,或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。P图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行非预测编码。B图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行非预测编码。
视频编码器(203)可根据例如ITU-T H.265建议书的预定视频编码技术或标准执行编码操作。在操作中,视频编码器(203)可执行各种压缩操作,包括利用输入视频序列中的时间和空间冗余的预测编码操作。因此,已编码视频数据可符合所用视频编码技术或标准指定的语法。
在实施例中,传输器(440)可在传输已编码的视频时传输附加数据。视频编码器(430)可将此类数据作为已编码视频序列的一部分。附加数据可包括时间/空间/SNR增强层、冗余图片和切片等其它形式的冗余数据、SEI消息、VUI参数集片段等。
VVC草案7已采用假设待编码的视频序列具有多个颜色平面并且可以对这些颜色平面进行联合编码的技术。然而,在一些情况下,无论是视频是单色的,还是当需要对视频的颜色平面进行独立编码时,这些联合颜色平面编解码工具就不再适用。为了支持这些情况,实施例提供了超出VCC草案7的语法和语义,以在需要时禁用这些联合颜色平面编解码工具。
VVC草案7旨在分别支持单色视频的编解码和4:4:4色度格式视频的三个颜色分量的编解码。为了支持这些应用,VCC草案7定义了被称为ChromaArrayType的变量,以启用或禁用相关编解码工具,所述相关编解码工具为当输入视频是单色时以及当需要对视频的颜色分量分别且独立地进行编码时适用或不适用的编解码工具。
在VVC草案7中,根据separate_colour_plane_flag的值,变量ChromaArrayType的值分配如下:如果separate_colour_plane_flag等于0,则ChromaArrayType被设置为等于chroma_format_idc。否则,如果separate_colour_plane_flag等于1,则ChromaArrayType被设置为等于0。
当ChromaArrayType为0时,这可能意味着输入视频是单色的或是具有单独编码的颜色平面的4:4:4。VVC草案7旨在禁用编解码工具,禁用的这些编解码工具不适用于单色视频和需要对视频的每个颜色分量进行编码的视频,这种视频就好像每个分量是单色的一样。然而,当ChromaArrayType为0时,VCC草案7不能禁用这些编解码工具中的一些,诸如由sps_joint_cbcr_enabled_flag或pps_joint_cbcr_qp_offset_present_flag启用的编解码工具。实施例涉及对VVC草案7的修改,以在输入视频为单色或具有单独编码的颜色平面的4:4:4时禁用一些编解码工具。
VVC草案7中的语法在以下表1、表2和表3中用斜体表示。
实施例可以涉及在ChromaArrayType等于0时如下处理sps_joint_cbcr_enabled_flag。如表4所示,当ChromaArrayType等于0时,不解析sps_joint_cbcr_enabled_flag并将其推断为0,从而禁用作为色度残差编解码的联合Cb和Cr残差编解码以避免不必要的解码过程。文本更改以斜体突出显示,并且带有
等于0的sps_joint_cbcr_enabled_flag可以指示禁用色度残差的联合编解码。等于1的sps_joint_cbcr_enabled_flag可以指示启用色度残差的联合编解码。当sps_joint_cbcr_enabled_flag不存在时,其可被推断为等于0。
当ChromaArrayType为0时,视频分量应被编码为单色或具有单独编码的颜色平面的4:4:4。如表1、表2和表3中的斜体语法所示,在ChromaArrayType上独立地发信号通知语法元素pps_cb_qp_offset、pps_cr_qp_offset、pps_joint_cbcr_qp_offset_present_flag、pps_slice_chroma_qp_offsets_present_flag、pps_cu_chroma_qp_offset_list_enabled_flag、alf_chroma_filter_signal_flag。当ChromaArrayType为0时,这些标志的值可以为1,其使得编解码工具不适于对视频分量进行编码,好像所述视频分量是单色的或是具有单独编码的颜色平面的4:4:4一样。这导致ChromaArrayType与上述语法元素之间的冲突信令。
为了确保在ChromaArrayType与相关语法元素之间的信令中不存在冲突,实施例涉及对序列参数集RBSP的语法、图片参数集RBSP语法和自适应环路滤波器数据语法的修改。
实施例以相对于下表5、表6、表7和表8中所示的VVC草案7的规范文本的文本修改的形式进行描述。文本更改以斜体突出显示,并且带有
pps_chroma_present_flag可以指示是否存在色度分量。当pps_chroma_present_flag等于1时,在PPS中可以存在色度相关语法。等于0的pps_chroma_present_flag可以指示不存在色度分量。当ChromaArrayType等于0时,pps_chroma_present_flag等于0可能是码流一致性的要求。
pps_cb_qp_offset和pps_cr_qp_offset可以分别指示用于导出Qp′
等于1的pps_joint_cbcr_qp_offset_present_flag可以指示pps_joint_cbcr_qp_offset_value和joint_cbcr_qp_offset_list[i]存在于PPS RBSP语法结构中。等于0的pps_joint_cbcr_qp_offset_present_flag可以指示pps_joint_cbcr_qp_offset_value和joint_cbcr_qp_offset_list[i]不存在于PPS RBSP语法结构中。当pps_joint_cbcr_qp_offset_present_flag不存在时,其可被推断为等于0。
等于1的pps_slice_chroma_qp_offsets_present_flag可以指示slice_cb_qp_offset和slice_cr_qp_offset语法元素存在于相关联的条带头中。等于0的pps_slice_chroma_qp_offsets_present_flag可以指示这些语法元素不存在于相关联的条带头中。当pps_slice_chroma_qp_offsets_present_flag不存在时,其可被推断为等于0。
等于1的pps_cu_chroma_qp_offset_list_enabled_flag可以指示pic_cu_chroma_qp_offset_subdiv_intra_slice和pic_cu_chroma_qp_offset_subdiv_inter_slice语法元素存在于参考PPS的PH中,并且cu_chroma_qp_offset_flag可以存在于变换单元语法和调色板编解码语法中。等于0的pps_cu_chroma_qp_offset_list_enabled_flag可以指示pic_cu_chroma_qp_offset_subdiv_intra_slice和pic_cu_chroma_qp_offset_subdiv_inter_slice语法元素不存在于参考PPS的图片头中,并且cu_chroma_qp_offset_flag不存在于变换单元语法和调色板编解码语法中。当pps_cu_chroma_qp_offset_list_enabled_flag不存在时,其可被推断为等于0。
aps_chroma_present_flag可以指示是否存在色度分量。当aps_chroma_present_flag等于1时,色度相关语法可以存在于APS中。等于0的aps_chroma_present_flag可以指定不存在色度相关语法。当ChromaArrayType等于0时,pps_chroma_present_flag等于0可能是码流一致性的要求。
等于1的alf_chroma_filter_signal_flag可以指示发信号通知色度滤波器。等于0的alf_chroma_filter_signal_flag可以指示没有发信号通知色度滤波器。当alf_chroma_filter_signal_flag不存在时,其可被推断为等于0。
当ChromaArrayType为0时,可以将视频分量作为单色的或具有单独编码的颜色平面的4:4:4进行编码。
在图5A中,当pps_chroma_present_flag为0时,可以禁用色度QP相关的语法解析以避免不必要的解码过程。诸如pps_cb_qp_offset、pps_cr_qp_offset、pps_joint_cbcr_qp_offset_present_flag、pps_slice_chroma_qp_offsets_present_flag、pps_cu_chroma_qp_offset_list_enabled_flag等语法可被推断为0,因此并不将这些语法应用于解码器侧的QP导出过程。
在图5B中,当aps_chroma_present_flag为0时,可以禁用作为色度滤波器的色度ALF滤波器以避免不必要的解码过程。因此,语法alf_chroma_filter_signal_flag被推断为0。
在图5C中,VVC草案7具有仅在色度格式为4:4:4而没有单独颜色平面时应用的若干编解码工具,所述单独颜色平面例如PLT、ACT和色度的BDPCM等。当色度格式为4:4:4且具有单独的颜色平面时,这意味着色度分量作为亮度分量存在,此时不应解析与这些工具相关的语法。因此,只有当ChromaArrayType等于3时才应对这些语法进行解析,以避免不必要的解码过程。
详细地,图5A至图5C是根据实施例的用于对已编码视频码流进行解码的示例性过程500A、500B和500C的流程图。在实施例中,过程500A、500B和500C中的任一个或过程500A、500B和500C的任何部分可以根据需要以任何组合或排列以及任何顺序进行组合。在一些实施方式中,图5A至图5C的一个或多个过程框可以由解码器210执行。在一些实施方式中,图5A至图5C的一个或多个过程框可以由与解码器210分离或包括解码器210的另一设备或一组设备(例如编码器203)执行。
如图5A所示,过程500A可以包括获取包括已编码视频序列的已编码视频码流(框511)。
如图5A进一步所示,过程500A可以包括确定pps_chroma_present_flag是否等于1(框512)。
如图5A进一步所示,如果pps_chroma_present_flag不等于1(在框512处为否),则过程500A可以进行到框513。然而,如果pps_chroma_present_flag等于1(在框512处为是),则过程500A可以进行到框515。
如图5A进一步所示,过程500A可以包括推断色度QP相关语法的值等于0而不解析色度QP相关语法(框513),并且然后在不应用色度QP相关语法的情况下对视频序列进行解码(框514)。
如图5A进一步所示,过程500A可以包括解析色度QP相关语法的值(框515)。
如图5A进一步所示,过程500A可以包括确定色度QP相关语法的值是否等于0(框516)。
如图5A进一步所示,如果色度QP相关语法的值被确定为等于0(在框516处为是),则过程500A可以进行到框514。然而,如果确定色度QP相关语法的值不等于0(在框516处为否),则过程500A可以进行到框517,其中在解码视频序列时应用色度QP相关语法。
如图5B所示,过程500B可以包括获取包括已编码视频序列的已编码视频码流(框521)。
如图5B进一步所示,过程500B可以包括确定aps_chroma_present_flag是否等于1(框522)。
如图5B进一步所示,如果aps_chroma_present_flag不等于1(在框522处为否),则过程500B可以进行到框523。然而,如果aps_chroma_present_flag等于1(在框522处为是),则过程500B可以进行到框525。
如图5B进一步所示,过程500B可以包括推断alf_chroma_filter_signal_flag的值等于0而不解析alf_chroma_filter_signal_flag(框523),并且然后在不应用ALF色度滤波器的情况下对视频序列进行解码(框524)。
如图5B进一步所示,过程500B可以包括解析alf_chroma_filter_signal_flag的值(框525)。
如图5B进一步所示,过程500B可以包括确定alf_chroma_filter_signal_flag的值是否等于1(框526)。
如图5B进一步所示,如果色度QP相关语法的值被确定为不等于1(在框526处为否),则过程500B可以进行到框524。然而,如果确定alf_chroma_filter_signal_flag的值等于1(在框526处为是),则过程500B可以进行到框527,其中,在解码视频序列时应用ALF色度滤波器。
如图5C所示,过程500C可以包括获取包括已编码视频序列的已编码视频码流(框531)。
如图5C进一步所示,过程500C可以包括确定chromaArrayType是否等于3(框532)。
如图5C进一步所示,如果ChromaArrayType不等于3(在框532处为否),则过程500C可以进行到框533。然而,如果ChromaArrayType等于3(在框532处为是),则过程500C可以进行到框535。
如图5C进一步所示,过程500C可以包括推断与没有单独颜色平面的4:4:4的色度格式相关的语法的值等于0,而不解析与没有单独颜色平面的4:4:4的色度格式相关的语法(框533),并且然后在不应用与没有单独颜色平面的4:4:4的色度格式相关的编解码工具的情况下,对视频序列进行解码(框534)。
如图5C进一步所示,过程500C可以包括解析与没有单独颜色平面的4:4:4的色度格式相关的语法的值(框535)。
如图5C进一步所示,过程500C可以包括确定与没有单独颜色平面的4:4:4的色度格式相关的语法的值是否等于1(框536)。
如图5C进一步所示,如果确定与没有单独颜色平面的4:4:4的色度格式相关的语法的值不等于1(在框536处为否),则过程500C可以进行到框534。然而,如果确定与没有单独颜色平面的4:4:4的色度格式相关的语法的值等于1(在框536处为是),则过程500C可以进行到框537,其中,在解码视频序列时应用与没有单独颜色平面的4:4:4的色度格式相关的工具。
图6是根据实施例的对已编码视频码流进行解码的示例过程600的流程图。在实施例中,过程600的任何部分可以根据需要以任何组合或排列以及任何顺序进行组合或排列。在一些实施方案中,图6的一个或多个过程框可以由解码器210执行。在一些实施方案中,图6的一个或多个过程框可以由与解码器210分离或包括解码器210的另一设备或一组设备(诸如编码器203)执行。
如图6所示,过程600可以包括获取已编码视频码流(框601)。
如图6进一步所示,过程600可以包括确定已编码视频码流中包括的视频序列的色度阵列类型是否为第一色度阵列类型,所述第一色度阵列类型用于指示视频序列包括多个颜色平面并且多个颜色平面是被联合编码的(框602)。
如图6进一步所示,如果色度阵列类型不是第一色度阵列类型(在框602处为否),则过程600可以进行到框603。然而,如果色度阵列类型是第一色度阵列类型(在框602处为是),则过程600可以进行到框605。
如图6进一步所示,过程600可以包括推断至少一个语法元素的值为0而不从已编码视频码流解析至少一个语法元素(框603),并且然后在不应用对应于至少一个语法元素的至少一个工具的情况下,对视频序列进行解码(框604)。
如图6进一步所示,过程600可以包括解析至少一个语法元素(框605)。
如图6进一步所示,过程600可以包括确定至少一个语法元素的值是否等于0(框602)。
如图6进一步所示,如果确定至少一个语法元素的值等于0(在框606处为是),则过程600可以进行到框604。然而,如果确定至少一个语法元素的值不等于0(在框606处为否),则过程600可以进行到框607,其中,使用基于至少一个语法元素的值的工具对视频序列进行解码。
在实施例中,可以基于第一标志和第一语法元素确定色度阵列类型,所述第一标志用于指示视频序列是否包括多个颜色平面,所述第一语法元素用于指示视频序列的色度格式。
在实施例中,至少一个工具可以包括基于块的增量脉冲编码调制、调色板模式编解码和自适应颜色变换中的至少一个。
在实施例中,基于色度阵列类型是第二色度阵列类型,所述第二色度阵列类型指示视频序列不包括多个颜色平面或多个颜色平面是被单独编码的,在图片参数集(PPS,picture parameter set)中发信号通知的第二标志的值可被设置为等于0。
在实施例中,可以在PPS中发信号通知至少一个语法元素,并且至少一个工具可以对应于视频序列的色度量化参数。
在实施例中,基于色度阵列类型是第二色度阵列类型,所述第二色度阵列类型指示视频序列不包括多个颜色平面或多个颜色平面是被单独编码的,在自适应参数集(APS,adaptation parameter set)中发信号通知的第三标志的值可被设置为等于零。
在实施例中,可以在APS中发信号通知至少一个语法元素,并且至少一个工具可以对应于自适应环路滤波器。
尽管图5A至图5C和图6示出了过程500A、500B、500C和600的示例框,但是,在一些实施方案中,过程500A、500B、500C和600可以包括相比图5A至图5C和图6中描绘的那些框额外的框、更少的框、不同的框或不同排列的框。附加地或可选地,可以并行地执行过程500A、500B、500C和600的框中的两个或更多个。
此外,可以通过处理电路(例如,一个或多个处理器或一个或多个集成电路)来实现所提出的方法。在一个示例中,一个或多个处理器执行存储在非易失性计算机可读介质中的程序,以执行所提出的方法中的一个或多个。
上述技术可以通过计算机可读指令实现为计算机软件,并且物理地存储在一个或多个计算机可读介质中。例如,图7示出了计算机系统(700),其适于实现所公开主题的某些实施例。
所述计算机软件可通过任何合适的机器代码或计算机语言进行编码,通过汇编、编译、链接等机制创建包括指令的代码,所述指令可由计算机中央处理单元(CPU),图形处理单元(GPU)等直接执行或通过译码、微代码等方式执行。
所述指令可以在各种类型的计算机或其组件上执行,包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。
图7所示的用于计算机系统(700)的组件本质上是示例性的,并不用于对实现本申请实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统(700)的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。
计算机系统(700)可以包括某些人机界面输入设备。这种人机界面输入设备可以通过触觉输入(如:键盘输入、滑动、数据手套移动)、音频输入(如:声音、掌声)、视觉输入(如:手势)、嗅觉输入(未示出),对一个或多个人类用户的输入做出响应。所述人机界面设备还可用于捕获某些媒体,气与人类有意识的输入不必直接相关,如音频(例如:语音、音乐、环境声音)、图像(例如:扫描图像、从静止影像相机获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。
人机界面输入设备可包括以下中的一个或多个(仅绘出其中一个):键盘(701)、鼠标(702)、触控板(703)、触摸屏(710)和相关联的图形适配器(750)、数据手套(1204)、操纵杆(705)、麦克风(706)、扫描仪(707)、照相机(708)。
计算机系统(700)还可以包括某些人机界面输出设备。这种人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏(710)、数据手套(1204)或操纵杆(705)的触觉反馈,但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(例如,扬声器(709)、耳机(未示出))、视觉输出设备(例如,包括阴极射线管(CRT,cathode raytube)屏幕、液晶(liquid-crystal display)屏幕、等离子屏幕、有机发光二极管屏(organic light-emitting diode)的屏幕(710),其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出二维视觉输出或三维以上的输出;虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。
计算机系统(700)还可以包括人可访问的存储设备及其相关介质,如包括具有CD/DVD的高密度只读/可重写式光盘(CD/DVD ROM/RW)(720)或类似介质(721)的光学介质、拇指驱动器(722)、可移动硬盘驱动器或固体状态驱动器(723),诸如磁带和软盘(未示出)的传统磁介质,诸如安全软件保护器(未示出)等的基于ROM/ASIC/PLD的专用设备,等等。
本领域技术人员还应当理解,结合所公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它瞬时信号。
计算机系统(700)还可以包括通往一个或多个通信网络(955)的接口。网络可以是无线的、有线的、光学的。网络还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络的示例可以包括以太网、无线局域网、蜂窝网络(全球移动通信系统(GSM,global systems for mobile communications)、3G、4G、5G、长期演进(LTE,Long-Term Evolution)等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括CANBus)等等。某些网络通常需要外部网络接口适配器(954),用于连接到某些通用数据端口或外围总线(949)(例如,计算机系统(700)的USB端口);其它系统通常通过连接到如下所述的系统总线集成到计算机系统(700)的核心(例如,以太网接口集成到PC计算机系统或蜂窝网络接口集成到智能电话计算机系统)。例如,网络755可以使用网络接口754连接到外围总线749。通过使用这些网络中的任何一个,计算机系统(700)可以与其它实体进行通信。所述通信可以是单向的,仅用于接收(例如,无线电视),单向的仅用于发送(例如CAN总线到某些CAN总线设备),或双向的,例如通过局域或广域数字网络到其它计算机系统。上述的每个网络和网络接口(954)可使用某些协议和协议栈。
上述的人机界面设备、人可访问的存储设备以及网络接口可以连接到计算机系统(700)的核心(740)。
核心(740)可包括一个或多个中央处理单元(CPU)(741)、图形处理单元(GPU,Graphics Processing Units)(742)、以现场可编程门阵列(FPGA,Field ProgrammableGate Areas)(743)形式的专用可编程处理单元、用于特定任务的硬件加速器(744)等。这些设备以及只读存储器(ROM)(745)、随机存取存储器(746)、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘等)(747)等可通过系统总线(748)进行连接。在某些计算机系统中,可以以一个或多个物理插头的形式访问系统总线(748),以便可通过额外的中央处理单元、图形处理单元等进行扩展。外围装置可直接附接到核心的系统总线(748),或通过外围总线(749)进行连接。外围总线的架构包括外围组件互连(PCI,peripheralcomponent interconnect)、USB等。
CPU(741)、GPU(742)、FPGA(743)和加速器(744)可以执行某些指令,这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在ROM(745)或RAM(746)中。过渡数据也可以存储在RAM(746)中,而永久数据可以存储在例如内部大容量存储器(747)中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索,高速缓冲存储器可与一个或多个CPU(741)、GPU(742)、大容量存储器(747)、ROM(745)、RAM(746)等紧密关联。
所述计算机可读介质上可具有计算机代码,用于执行各种计算机实现的操作。介质和计算机代码可以是为本申请的目的而特别设计和构造的,也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。
作为实施例而非限制,具有体系结构(700)的计算机系统,特别是核心(740),可以作为处理器(包括CPU、GPU、FPGA、加速器等)提供执行包含在一个或多个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质,以及具有非易失性的核心(740)的特定存储器,例如核心内部大容量存储器(747)或ROM(745)。实现本申请的各种实施例的软件可以存储在这种设备中并且由核心(740)执行。根据特定需要,计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使得核心(740)特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文所述的特定过程或特定过程的特定部分,包括定义存储在RAM(746)中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代,计算机系统可以提供逻辑硬连线或以其它方式包含在电路(例如,加速器(744))中的功能,该电路可以代替软件或与软件一起运行以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下,对软件的引用可以包括逻辑,反之亦然。在适当的情况下,对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(IC)),包含执行逻辑的电路,或两者兼备。本申请包括任何合适的硬件和软件组合。
虽然本申请已对多个示例性实施例进行了描述,但实施例的各种变更、排列和各种等同替换均属于本申请的范围内。因此应理解,本领域技术人员能够设计多种系统和方法,所述系统和方法虽然未在本文中明确示出或描述,但其体现了本申请的原则,因此属于本申请的精神和范围之内。
首字母缩略词:
HEVC:高效视频编码
VVC:下一代视频编码
JVET:联合视频开发小组
CU:编码单元
VTM:多功能视频编码测试模型
SPS:序列参数集
BDPCM:基于块的增量脉冲编码调制ACT:自适应颜色变换
4:4:4:色度格式等于4:4:4的视频ALF:自适应环路滤波器
QP:量化参数
PLT:调色板模式编码。
- 支持各种色度格式的视频编解码工具的信令
- 视频编解码中的色度语法元素的信令