用于帧间编解码的增强型运动估计制造技术

提供了用于对视频信号进行编码的方法、装置和非暂态计算机可读存储介质。解码器可以获得与该视频信号中的视频块相关联的第一运动矢量(MV)。该解码器可以使用该第一MV获得该视频块的第一预测信号。该解码器可以通过使用该第一预测信号和该第一MV以递归方式应用基于梯度的运动细化算法来识别最优MV。该解码器可以基于该最优MV来获得该视频块的第二预测信号。号。号。

【技术实现步骤摘要】
【国外来华专利技术】用于帧间编解码的增强型运动估计
[0001]相关申请的交叉引用
[0002]本申请基于2020年10月15日提交的临时申请第63/092,469号并要求其优先权，该临时申请的全部内容出于所有目的通过引用以其全文并入本文。


[0003]本公开涉及视频编解码和压缩。更具体地，本公开涉及关于改进用于帧间预测的增强型运动估计的系统和方法。

技术介绍

[0004]可以使用各种视频编解码技术来压缩视频数据。视频编解码是根据一个或多个视频编解码标准来执行的。例如，视频编解码标准包括通用视频编解码(versatile video coding，VVC)、联合探索测试模型(joint exploration test model，JEM)、高效视频编解码(high
‑
efficiency video coding，H.265/HEVC)、高级视频编解码(advanced video coding，H.264/AVC)、运动图片专家组(moving picture expert group，MPEG)编解码等。视频编解码通常使用预测方法(例如，帧间预测、帧内预测等)进行，这些方法利用了存在于视频图像或序列中的冗余。视频编解码技术的一个重要目标在于，将视频数据压缩成使用更低比特率的形式，同时避免或最小化视频质量的下降。

技术实现思路

[0005]本公开的示例提供了用于视频编码的方法和装置。
[0006]根据本公开的第一方面，提供了一种用于视频编码的方法。该方法可以包括编码器获得与视频信号中的视频块相关联的第一运动矢量(MV)。解码器可以进一步使用第一MV推导视频块的第一预测信号。解码器可以进一步通过使用第一预测信号和第一MV以递归方式应用基于梯度的运动细化算法来识别最优MV。解码器可以进一步基于最优MV来获得视频块的第二预测信号。
[0007]根据本公开的第二方面，提供了一种用于对视频信号中的视频块进行编码的方法。该方法可以包括编码器在编码器处维护控制点运动矢量(CPMV)库。CPMV库可以包括为先前编解码的视频块的参考列表中的不同参考图片确定的一组或多组CPMV。解码器可以进一步使用CPMV库为视频块的每个参考图片确定最优CPMV。解码器可以进一步通过包含视频块的一组最优CPMV来更新CPMV库。每个CPMV可以对应于视频块的参考图片，并且被用来替换MV库中的一个或多个现有CPMV组。
[0008]应理解，上面的大体描述和下面的详细描述仅是示例性的和解释性的，而不旨在限制本公开。
附图说明
[0009]结合在本说明书中并构成本说明书的一部分的附图图示了与本公开一致的示例，
并与该描述一起用于解释本公开的原理。
[0010]图1是根据本公开的示例的编码器的框图。
[0011]图2是根据本公开的示例的解码器的框图。
[0012]图3A是图示根据本公开的示例的多类型树结构中的块分区的图。
[0013]图3B是图示根据本公开的示例的多类型树结构中的块分区的图。
[0014]图3C是图示根据本公开的示例的多类型树结构中的块分区的图。
[0015]图3D是图示根据本公开的示例的多类型树结构中的块分区的图。
[0016]图3E是图示根据本公开的示例的多类型树结构中的块分区的图。
[0017]图4是示出了根据本公开的示例的运动估计方法的流程图。
[0018]图5A是根据本公开的示例的菱形搜索模板的图示。
[0019]图5B是根据本公开的示例的光栅搜索模板的图示。
[0020]图6是根据本公开的示例的修改后的运动估计过程的流程图。
[0021]图7是根据本公开的示例的修改后的运动估计过程的流程图。
[0022]图8是根据本公开的示例的修改后的运动估计过程的流程图。
[0023]图9是根据本公开的示例的用于对视频信号进行编码的方法。
[0024]图10是根据本公开的示例的用于对视频信号中的视频块进行编码的方法。
[0025]图11是图示根据本公开的示例的与用户界面耦接的计算环境的图。
具体实施方式
[0026]现在将详细参考示例实施例，附图中图示了这些实施例的示例。以下描述均参考附图，在附图中，除非另有说明，否则不同附图中的相同标记表示相同或相似的要素。以下示例实施例描述中阐述的实施方式并不表示与本公开一致的所有实施方式。而是，它们仅仅是与所附权利要求中叙述的与本公开相关的方面一致的装置和方法的示例。
[0027]本公开中使用的术语仅出于描述特定实施例的目的，而不旨在限制本公开。如在本公开和所附权利要求中使用的，单数形式“一个(a)”、“一种(an)”和“所述(the)”旨在也包括复数形式，除非上下文另有明确指示。还应当理解，本文使用的术语“和/或”旨在表示并包括相关联列举项目中的一个或多个项目的任何或所有可能组合。
[0028]应当理解，尽管本文可以使用术语“第一”、“第二”、“第三”等来描述各种信息，但是这些信息不应受这些术语的限制。这些术语仅仅是用来将一类信息与另一类信息进行区分。例如，在不脱离本公开的范围的情况下，第一信息可以被称为第二信息；并且类似地，第二信息也可以被称为第一信息。如本文所使用的，根据上下文，术语“如果”可以被理解为意指“当
……
时”或“在
……
时”或“响应于判断”。
[0029]HEVC标准的第一版本于2013年10月完成，其与上一代视频编解码标准H.264/MPEG AVC相比，提供了大约50％的比特率节省或同等的感知质量。尽管HEVC标准提供了优于其前身的显著编解码改进，但有证据表明，可以使用附加编解码工具实现优于HEVC的编解码效率。在此基础上，VCEG和MPEG都开始了新编解码技术的探索工作，以实现未来的视频编解码标准化。ITU
‑
T VECG和ISO/IEC MPEG于2015年10月成立了一个联合视频探索小组(Joint Video Exploration Team，JVET)，开始对能够大幅提高编解码效率的先进技术进行重大研究。JVET通过在HEVC测试模型(HEVC test model，HM)的基础上整合多个附加编解码工具来
维护一种称为联合探索模型(joint exploration model，JEM)的参考软件。
[0030]2017年10月，ITU
‑
T和ISO/IEC发布了关于具有超越HEVC的能力的视频压缩的联合提案(call for proposals，CfP)。2018年4月，第10届JVET会议上接收并评估了23份CfP回复，论证了压缩效率比HEVC提高约40％。基于这样的评估结果，JVET启动了开发名为通用视频编解码(VVC)的新一代视频编解码标准的新项目。同月，建立了一个称为VVC测试模型(VTM)的参考软件代码库，用于演示VVC标准的参考实施。
[0031]与HE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】1.一种用于对视频信号进行编码的方法，包括：获得与所述视频信号中的视频块相关联的第一运动矢量MV；使用所述第一MV推导所述视频块的第一预测信号；通过使用所述第一预测信号和所述第一MV以递归方式应用基于梯度的运动细化算法来识别最优MV；以及基于所述最优MV来获得所述视频块的第二预测信号。2.如权利要求1所述的方法，其中，通过使用所述第一预测信号和所述第一MV以所述递归方式应用所述基于梯度的运动细化算法来识别所述最优MV包括：通过使用所述第一预测信号作为初始预测信号并使用所述第一MV作为初始MV、基于所述视频块中的预测样点的梯度迭代地推导所述视频块的MV的运动细化来确定所述最优MV。3.如权利要求2所述的方法，其中，通过使用所述第一预测信号作为初始预测信号并使用所述第一MV作为初始MV、基于所述视频块中的预测样点的梯度迭代地推导所述视频块的MV的运动细化来确定所述最优MV包括：基于所述第一预测信号中的预测样点的梯度推导运动细化；通过将所述运动细化添加到所述视频块的所述第一MV来获得更新的MV；响应于确定不满足停止条件，基于所述更新的MV来推导更新的预测信号，将所述更新的预测信号设置为所述第一预测信号，将所述更新的MV设置为所述第一MV，并且基于所述第一预测信号中的所述预测样点的梯度推导所述运动细化；以及响应于确定满足停止条件，终止所述基于梯度的运动细化算法，并且将所述更新的MV确定为所述最优MV。4.如权利要求3所述的方法，其中，所述停止条件基于水平梯度和垂直梯度的幅值等于或小于第一预设阈值。5.如权利要求3所述的方法，其中，所述停止条件基于：基于梯度的运动细化的迭代次数达到第二预设阈值。6.如权利要求2所述的方法，其中，所述运动细化包括水平运动细化和垂直运动细化，其中，所述预测样点的梯度包括预测样点与对应的原始样点之间的样点差、以及所述预测样点的水平梯度和垂直梯度，并且其中，基于所述视频块中的所述预测样点的梯度来推导所述视频块的所述MV的运动细化包括：基于所述视频块中的所述预测样点的样点差、水平梯度和垂直梯度来获得所述水平运动细化；以及基于所述视频块中的所述预测样点的样点差、垂直梯度和水平梯度来获得所述垂直运动细化。7.如权利要求6所述的方法，进一步包括：基于所述视频块中的每个预测样点处的样点差和水平梯度的乘积总和来推导第一相关参数；基于所述视频块中的每个预测样点处的样点差和垂直梯度的乘积总和来推导第二相关参数；基于所述视频块中的每个预测样点处的水平梯度和垂直梯度的乘积总和来推导第三相关参数；
分别基于所述视频块中的每个预测样点处的水平梯度的平方和以及所述视频块中的每个预测样点处的垂直梯度的平方和来推导第一二次参数和第二二次参数；推导第一分子作为所述第一相关参数和所述第二二次参数的乘积与所述第二相关参数和所述第三相关参数的乘积之间的差；推导第一分母作为第一参数的平方和第二参数的平方的乘积与第三相关参数的平方之间的差；推导第二分子作为所述第二相关参数和所述第一二次参数的乘积与所述第一相关参数和所述第三相关参数的乘积之间的差；推导第二分母作为所述第一参数的平方和所述第二参数的平方的乘积与所述第三相关参数的平方之间的差；推导所述第一分子与所述第一分母之比作为所述水平运动细化；以及推导所述第二分子与所述第二分母之比作为所述垂直运动细化。8.如权利要求1所述的方法，其中，通过使用所述第一预测信号和所述第一MV以所述递归方式应用所述基于梯度的运动细化算法来识别所述最优MV包括：基于所述基于梯度的运动细化算法来获得第一最优MV；基于块匹配运动估计算法来获得第二最优MV；以及从所述第一最优MV和所述第二最优MV中选择所述视频块的最优MV。9.如权利要求8所述的方...

【专利技术属性】
技术研发人员：修晓宇，郭哲玮，陈伟，陈漪纹，朱弘正，王祥林，于冰，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：