用于多视图视频压缩的帧内图像块预测的方法技术

提供了一种对视频数据进行编码的方法、计算机程序和计算机系统。接收视频数据，视频数据包括参考视图和当前视图。对于当前视图中的当前块，识别参考视图中的同位置块。基于当前块与同位置块之间的偏移矢量以及参考视图中的参考块与同位置块之间的视差矢量，计算预测块矢量。基于计算的预测块矢量，对视频数据进行编码/解码。行编码/解码。行编码/解码。

【技术实现步骤摘要】
【国外来华专利技术】用于多视图视频压缩的帧内图像块预测的方法
[0001]优先权信息
[0002]本申请要求于2020年9月21日提交的美国申请No.17/026,886的优先权，其全部内容通过引用并入本文。


[0003]本公开总体上涉及数据处理领域，尤其涉及视频编码和解码。

技术介绍

[0004]基于不同图像的块补偿是公知的运动补偿。类似地，还可以根据同一图像内先前已重建的区域进行块补偿。这被称为帧内图像块补偿、当前图像参考(Current Picture Referencing，简称CPR)或帧内块复制(Intra Block Copy，IBC)。表示当前块和参考块之间的偏移的位移矢量被称为块矢量(Block Vector，或被简称为BV)。与运动补偿中的运动矢量(可以是任意值(在x方向上或y方向上的正值或负值))不同，块矢量具有一些约束，以确保指向的参考块是可用的并且已经被重建。此外，在一些编解码器设计中，如在HEVC SCC中，出于并行处理的考虑，一些图块边界或波前梯形边界的参考区域也被排除在外。除了上述约束之外，在HEVC SCC中，同一图像的已重建区域可以用作帧内块复制预测的参考。
[0005]块矢量的编码可以是显式的，也可以是隐式的。在显式模式(或在帧间编码中被称为AMVP模式)中，块矢量与其预测之间的差值被信号化；在隐式模式中，以类似于合并模式中的运动矢量的方式，完全根据块矢量的预测来恢复块矢量。在一些实现中，块矢量的分辨率被限制在整数位；在其他系统中，块矢量的分辨率也可能被允许指向小数位。/>[0006]可以使用被称为帧内块复制标志的块级别标志，来用信号表示块级别的帧内块复制的使用。在一个实施例中，当当前块不是在合并模式下进行编码时，发出该标志。或者，可以通过参考索引方法发出该标志。这是通过将当前解码图像作为参考图像来实现的。在HEVC SCC中，这样的参考图像将被放置在列表的最后位置。这种特殊的参考图像还与DPB中的其他时间参考图像一同被管理。
[0007]对于帧内块复制也有一些变化，例如将帧内块复制视为不同于帧内预测模式或帧间预测模式的第三种模式。如此，合并模式和AMVP模式下的块矢量预测从常规的帧间模式中分离出来。例如，对于帧内块复制模式定义了单独的合并候选列表，其中，列表中的所有条目都是块矢量。类似地，帧内块复制AMVP模式中的块矢量预测列表也仅由块矢量组成。应用于这两个列表的一般规则是：在候选推导过程方面，这两个列表可以遵循与帧间合并候选列表或AMVP预测列表相同的逻辑。例如，HEVC或VVC帧间合并模式中的5个空间相邻位置被访问以用于帧内块复制，从而导出其自身的合并候选列表。
[0008]目前在VVC中，帧内块复制模式的搜索范围被限制在当前编码树单元内。对于帧内块复制模式，存储参考样本的有效内存需求是样本的最大编码树单元的大小。考虑到现有的参考样本内存用于存储当前64
×
64区域的已重建样本，需要再增加3个64
×
64大小的参考样本内存。基于这一事实，所提出的方法在保持存储参考像素的总内存需求不变的情况
下(1个编码树单元大小，4个64
×
64参考样本内存)，将帧内块复制模式的有效搜索范围扩展到左编码树单元的某一部分。

技术实现思路

[0009]实施例涉及一种用于对视频数据进行编码的方法、系统和计算机可读介质。根据一个方面，提供了一种用于对视频数据进行编码的方法。该方法可包括：接收视频数据，视频数据包括参考视图和当前视图。对于当前视图中的当前块，识别参考视图中的同位置块。基于当前块与同位置块之间的偏移矢量以及参考视图中的参考块与同位置块之间的视差矢量，计算预测块矢量。基于预测块矢量，对视频数据进行编码/解码。
[0010]根据另一方面，提供了一种用于对视频数据进行编码的计算机系统。该计算机系统可以包括一个或多个处理器、一个或多个计算机可读存储器、一个或多个计算机可读有形存储设备、以及存储在一个或多个存储设备至少之一上的用于由一个或多个处理器至少之一经由一个或多个存储器至少之一执行的程序指令，由此计算机系统能够执行一种方法。该方法可包括：接收视频数据，视频数据包括参考视图和当前视图。对于当前视图中的当前块，识别参考视图中的同位置块。基于当前块与同位置块之间的偏移矢量以及参考视图中的参考块与同位置块之间的视差矢量，计算预测块矢量。基于预测块矢量，对视频数据进行编码/解码。
[0011]根据又一个方面，提供了一种用于对视频数据进行编码的计算机可读介质。该计算机可读介质可以包括一个或多个计算机可读存储设备和存储在一个或多个有形存储设备至少之一上的程序指令，该程序指令可由处理器执行。程序指令可由处理器执行，用于执行方法，该方法可相应地包括接收包括参考视图和当前视图的视频数据。对于当前视图中的当前块，识别参考视图中的同位置块。基于当前块与同位置块之间的偏移矢量以及参考视图中的参考块与同位置块之间的视差矢量，计算预测块矢量。基于预测块矢量，对视频数据进行编码/解码。
附图说明
[0012]这些和其它目的、特征和优点将通过下面结合附图阅读的对说明性实施例的详细描述而变得显而易见。附图的各种特征未按比例绘制，原因是图示要清楚地便于本领域技术人员结合详细描述来理解。在附图中：
[0013]图1示出根据至少一个实施例的联网计算机环境；
[0014]图2为根据至少一个实施例的具有多个视图的拼接的视频数据的示意图；
[0015]图3示出根据至少一个实施例的由对视频数据进行编码的程序执行的步骤的操作流程图；
[0016]图4是根据至少一个实施例的图1中描绘的计算机和服务器的内部组件和外部组件的框图；
[0017]图5为根据至少一个实施例的包括图1中描绘的计算机系统的说明性云计算环境的框图；以及
[0018]图6为根据至少一个实施例的图5的说明性云计算环境的功能层的框图。
具体实施方式
[0019]本文公开了所要求保护的结构和方法的详细实施例；然而，可以理解，所公开的实施例仅仅是所要求保护的结构和方法的说明，所要求保护的结构和方法可以以各种形式实施。然而，这些结构和方法可以以许多不同的形式实施，且不应被解释为限于本文阐述的示例性实施例。相反，提供这些示例性实施例，使得本公开将是彻底的和完整的并向本领域技术人员充分传达范围。在描述中，可省略公知特征和技术的细节以避免不必要地模糊所呈现的实施例。
[0020]实施例总体上涉及数据处理领域，尤其涉及视频编码和解码。下面描述的示例性实施例提供了一种系统、方法和计算机程序，其中包括基于视频数据的多个视图之间的预测块矢量来对视频数据进行编码和解码。因此，一些实施例具有通过允许基于帧内预测的视频数据的改进编码来改进计算领域的能力。
[0021]如前文所述，帧内块复制模式的搜索范围被限制在当前编码树单元内。对于帧内块复制模式，存储参考样本的有效内存需求是样本的最大编码树单元的大小。考虑到现有的参考样本内本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种视频编码方法，由处理器执行，所述方法包括：接收视频数据，所述视频数据包括参考视图和当前视图；对于所述当前视图中的当前块，识别所述参考视图中的同位置块；基于所述当前块与所述同位置块之间的偏移矢量以及所述参考视图中的参考块与所述同位置块之间的视差矢量，计算预测块矢量；和基于计算的所述预测块矢量，对所述当前块的视频数据进行编码。2.根据权利要求1所述的方法，其中，基于通过将计算的所述预测块矢量应用于所述当前视图中的所述当前块来预测所述参考块在所述参考视图中的位置，对所述视频数据进行编码。3.根据权利要求2所述的方法，其中，编码器基于使用所述同位置块的位置和所述参考块的位置作为一个或多个可能的匹配位置，来执行块矢量估计。4.根据权利要求1所述的方法，其中，所述预测块矢量被添加到用于帧内块复制合并模式或帧内跳过模式的候选矢量列表中。5.根据权利要求4所述的方法，其中，基于所述当前视图与对应于多个候选矢量的多个视图之间的接近度，或者，基于所述参考视图中的质量排序，对所述候选矢量列表进行排序。6.根据权利要求1所述的方法，其中，所述预测块矢量被添加到用于块矢量编码模式的候选矢量列表中。7.根据权利要求6所述的方法，其中，基于所述当前视图和对应于多个候选矢量的多个视图之间的接近度，或者，基于所述参考视图中的质量排序，对所述候选矢量列表进行排序。8.根据权利要求1所述的方法，其中，编码器基于使用所述预测块矢量的端点作为搜索中心，来执行块矢量估计。9.根据权利要求1所述的方法，其中，基于所述当前视图和所述参考视图之间的几何关系，导出所述参考视图中的所述同位置块和所述参考块之间的视差矢量。10.一种用于对视频数据进行编码的计算机系统，所述计算机系统包括：一个或多个计算机可读非暂时性存储介质，配置为存储计算机程序代码；和，一个或多个计算机处理器，配置为访问所述计算机程序代码，并按照所述计算机程序代码的指令进行操作，所述计算机程序代码包括：接收代码，配置为使得所述一个或多个计算机处理器接收视频数据，所述视频数据包括参考视图和当前视图；识别代码，配置为使得所述一个或多个计算机处理器对于所述当前视图中的当前块，识别所述参考视图中的同位置块；计算代码，配置为使得所述一个或多个计算机处理器基于所述当前块与所...

【专利技术属性】
技术研发人员：田军，刘杉，许晓中，封薇薇，高文，
申请(专利权)人：腾讯美国有限责任公司，
类型：发明
国别省市：