[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114009049A - 用于针对视频译码的低频不可分离变换信令的上下文建模 - Google Patents

用于针对视频译码的低频不可分离变换信令的上下文建模 Download PDF

Info

Publication number
CN114009049A
CN114009049A CN202080045458.2A CN202080045458A CN114009049A CN 114009049 A CN114009049 A CN 114009049A CN 202080045458 A CN202080045458 A CN 202080045458A CN 114009049 A CN114009049 A CN 114009049A
Authority
CN
China
Prior art keywords
unit
video data
context
determining
lfnst
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.)
Pending
Application number
CN202080045458.2A
Other languages
English (en)
Inventor
A·纳尔奇
H·E·埃伊尔梅茨
V·谢廖金
M·Z·科班
M·卡切夫维茨
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.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
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 Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN114009049A publication Critical patent/CN114009049A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/186—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/649—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding the transform being applied to non rectangular image segments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

示例方法包括：确定视频数据单元的颜色分量；至少基于颜色分量，来确定用于对指定针对视频数据单元的低频不可分离变换(LFNST)索引的值的语法元素进行上下文自适应二进制算术译码(CABAC)的上下文；基于所确定的上下文并且经由针对视频数据单元的语法结构，来对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC解码；以及基于通过LFNST索引的值指示的变换，来对视频数据单元的变换系数进行逆变换。

Description

用于针对视频译码的低频不可分离变换信令的上下文建模
本申请要求享有于2020年6月18日递交的美国申请No.16/905,663的优先权，该申请要求享有于2019年6月21日递交的美国临时申请No.62/864,939的权益，上述申请中的每份申请的全部内容通过引用的方式并入本文中。
技术领域
本公开内容涉及视频编码(encode)和视频解码(decode)。
背景技术
数字视频能力可以被合并到各种各样的设备中，包括数字电视机、数字直播系统、无线广播系统、个人数字助理(PDA)、膝上型计算机或台式计算机、平板计算机、电子书阅读器、数字相机、数字记录设备、数字媒体播放器、视频游戏设备、视频游戏控制台、蜂窝或卫星无线电电话(所谓的“智能电话”)、视频电话会议设备、视频流设备等。数字视频设备实现视频译码(code)技术，比如在由MPEG-2、MPEG-4、ITU-T H.263、ITU-TH.264/MPEG-4(第10部分，高级视频译码(AVC))、ITU-T H.265/高效率视频译码(HEVC)所定义的标准以及这样的标准的扩展中所描述的那些技术。通过实现这样的视频译码技术，视频设备可以更加高效地发送、接收、编码、解码和/或存储数字视频信息。
视频译码技术包括空间(图片内)预测和/或时间(图片间)预测以减少或去除在视频序列中固有的冗余。对于基于块的视频译码，视频切片(例如，视频图片或视频图片的一部分)可以被划分为视频块，视频块还可以被称为译码树单元(CTU)、译码单元(CU)和/或译码节点。在图片的帧内译码(I)的切片中的视频块是使用相对于在同一图片中的相邻块中的参考样本的空间预测来编码的。在图片的帧间译码(P或B)的切片中的视频块可以使用相对于在同一图片中的相邻块中的参考样本的空间预测或者相对于在其它参考图片中的参考样本的时间预测。图片可以被称为帧，并且参考图片可以被称为参考帧。
发明内容
通常，本公开内容描述用于对用于低频不可分离变换(LFNST)的变换索引/标志进行上下文建模和译码的技术。本公开内容引入新的上下文模型，以减少LFNST相关索引/标志的信令开销，从而改善在视频压缩标准中使用的上下文自适应二进制算术译码(CABAC)引擎的译码效率。本公开内容的技术可以用于高级视频编解码器，包括HEVC的扩展和下一代视频译码标准，比如通用视频译码(VVC/H.266)(在http://phenix.it-sudparis.eu/jvet/doc_end_user/documents/14_Geneva/wg11/JVE T-N1001-v5.zip找到的VersatileVideo Coding(通用视频译码)(草案5))。
视频译码器(例如，视频编码器和/或视频解码器)可以用信号通知语法元素，该语法元素指定针对视频数据单元的低频不可分离变换(LFNST)索引的值。在一些示例中，视频数据单元可以是视频数据的译码单元(CU)(例如，可以在CU级别用信号通知LFNST索引)。在一些示例中，视频数据单元可以是视频数据的变换单元(TU)(例如，可以在TU级别用信号通知LFNST索引)。在任何情况下，视频译码器都可以使用CABAC来用信号通知LFNST索引。例如，视频译码器可以针对LFNST索引选择特定上下文，并且使用所选择的特定上下文来对LFNST索引进行译码。
视频译码器可以基于各种各样的参数来选择上下文。一些示例参数包括但不限于块大小、颜色分量、划分深度和非零变换系数的数量。作为一个具体示例并且根据本公开内容的一种或多种技术，视频译码器可以基于视频数据单元的颜色分量来选择用于对针对视频数据单元的LFNST索引进行译码的上下文。例如，视频译码器可以在视频数据单元为亮度分量的情况下使用第一上下文，并且在视频数据单元为色度分量的情况下使用第二上下文。在一些示例中，视频译码器可以针对色度红和色度蓝，选择不同的上下文。基于颜色分量来选择上下文可以提供一个或多个优点。例如，通过所选择的用于对LFNST索引进行CABAC译码的上下文，可以降低视频数据的比特率。这是因为不同的颜色分量(比如亮度和色度)具有对LFNST索引的不同使用并且必须使用不同的上下文来分开建模。换句话说，本公开内容的技术可以减少用于以类似感知质量表示视频数据的数据量。
作为一个示例，对视频数据进行解码的方法包括：确定视频数据单元的颜色分量；至少基于颜色分量，来确定用于对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC的上下文；基于所确定的上下文并且经由针对视频数据单元的语法结构，来对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC解码；以及基于通过LFNST索引的值指示的变换，来对视频数据单元的变换系数进行逆变换。
作为另一示例，对视频数据进行编码的方法包括：从多个LFNST中选择具有LFNST索引的LFNST；使用LFNST来对视频数据单元的变换系数进行变换；确定视频数据单元的颜色分量；至少基于颜色分量，来确定用于对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC的上下文；以及基于所确定的上下文并且经由针对视频数据单元的语法结构，来对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC编码。
作为另一示例，用于对视频数据进行译码的设备包括：存储器；以及一个或多个处理器，其在电路中实现并且被配置为：确定视频数据单元的颜色分量；至少基于颜色分量，来确定用于对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC的上下文；基于所确定的上下文并且经由针对视频数据单元的语法结构，来对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC译码；以及基于通过LFNST索引的值指示的变换，来对视频数据单元的变换系数进行变换。
作为另一示例，计算机可读存储介质存储指令，指令在被执行时使得视频译码器的一个或多个处理器进行以下操作：确定视频数据单元的颜色分量；至少基于颜色分量，来确定用于对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC的上下文；基于所确定的上下文并且经由针对视频数据单元的语法结构，来对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC译码；以及基于通过LFNST索引的值指示的变换，来对视频数据单元的变换系数进行变换。
作为另一示例，视频译码器包括：用于确定视频数据单元的颜色分量的单元；用于至少基于颜色分量，来确定用于对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC的上下文的单元；用于基于所确定的上下文并且经由针对视频数据单元的语法结构，来对指定针对视频数据单元的LFNST索引的值的语法元素进行CABAC译码的单元；以及用于基于通过LFNST索引的值指示的变换，来对视频数据单元的变换系数进行变换的单元。
在附图和以下描述中阐述一个或多个示例的细节。根据说明书、附图和权利要求，其它特征、目标和优点将是显而易见的。
附图说明
图1是示出可以执行本公开内容的技术的示例视频编码和解码系统的方块图。
图2A和图2B是示出示例四叉树二叉树(QTBT)结构以及对应的译码树单元(CTU)的概念图。
图3是示出可以执行本公开内容的技术的示例视频编码器的方块图。
图4是示出可以执行本公开内容的技术的示例视频解码器的方块图。
图5是示出在编码器和解码器处的低频不可分离变换(LFNST)的方块图。
图6是示出在进行归零的情况下在将LFNST应用于块之后获得的系数的概念图。
图7是示出在不进行归零的情况下在将LFNST应用于块之后获得的系数的概念图。
图8是示出在进行归零的情况下根据本公开内容的技术将LFNST应用于块之后获得的系数的概念图。
图9是示出在不进行归零的情况下根据本公开内容的技术将LFNST应用于块之后获得的系数的概念图。
图10A和10B是示出在二进制算术译码中的范围更新过程的概念图。
图11是示出在二进制算术译码中的输出过程的概念图。
图12是示出在视频编码器中的上下文自适应二进制算术译码器的方块图。
图13是示出在视频解码器中的上下文自适应二进制算术译码器的方块图。
图14是示出示例编码方法的流程图。
图15是示出示例解码方法的流程图。
图16是示出根据本公开内容的一种或多种技术的用于对语法元素进行上下文译码的示例方法的流程图，所述语法元素指定针对视频数据单元的低频不可分离变换(LFNST)索引的值。
具体实施方式
图1是示出可以执行本公开内容的技术的示例视频编码和解码系统100的方块图。本公开内容的技术通常涉及对视频数据进行译码(code)(编码(encode)和/或解码(decode))。通常，视频数据包括用于处理视频的任何数据。因此，视频数据可以包括原始的未经编码的视频、经编码的视频、经解码(例如，经重构)的视频、以及视频元数据(比如信令数据)。
如在图1中所示，在该示例中，系统100包括源设备102，源设备102提供要由目的地设备116解码和显示的、经编码的视频数据。特别是，源设备102经由计算机可读介质110来将视频数据提供给目的地设备116。源设备102和目的地设备116可以包括各种各样的设备中的任何设备，包括台式计算机、笔记本(即，膝上型)计算机、平板计算机、机顶盒、电话手机(比如智能电话)、电视机、相机、显示设备、数字媒体播放器、视频游戏控制台、视频流设备等。在一些情况下，源设备102和目的地设备116可以被配备用于无线通信，并且因此可以被称为无线通信设备。
在图1的示例中，源设备102包括视频源104、存储器106、视频编码器200以及输出接口108。目的地设备116包括输入接口122、视频解码器300、存储器120以及显示设备118。根据本公开内容，源设备102的视频编码器200和目的地设备116的视频解码器300可以被配置为应用用于变换译码的技术。因此，源设备102表示视频编码设备的示例，而目的地设备116表示视频解码设备的示例。在其它示例中，源设备和目的地设备可以包括其它组件或布置。例如，源设备102可以从外部视频源(比如外部相机)接收视频数据。同样，目的地设备116可以与外部显示设备对接，而不是包括集成的显示设备。
如在图1中所示的系统100仅是一个示例。通常，任何数字视频编码和/或解码设备可以执行用于变换译码的技术。源设备102和目的地设备116仅是这样的译码设备的示例：其中，源设备102生成经译码的视频数据以用于传输给目的地设备116。本公开内容将“译码”设备称为执行对数据的译码(例如，编码和/或解码)的设备。因此，视频编码器200和视频解码器300表示译码设备的示例，特别是，分别表示视频编码器和视频解码器。在一些示例中，设备102和116可以以基本上对称的方式进行操作，使得设备102和116中的每者都包括视频编码和解码组件。因此，系统100可以支持在视频设备102、116之间的单向或双向视频传输，例如，用于视频流式传输、视频回放、视频广播或视频电话。
通常，视频源104表示视频数据(即原始的未经编码的视频数据)的源，并且将视频数据的顺序的一系列图片(还被称为“帧”)提供给视频编码器200，视频编码器200对用于图片的数据进行编码。源设备102的视频源104可以包括视频捕获设备，比如摄像机、包含先前捕获的原始视频的视频存档单元、和/或用于从视频内容提供者接收视频的视频馈送接口。作为另外的替代方式，视频源104可以生成基于计算机图形的数据作为源视频，或者生成实时视频、存档视频和计算机生成的视频的组合。在每种情况下，视频编码器200可以对所捕获的、预捕获的或计算机生成的视频数据进行编码。视频编码器200可以将图片从所接收的次序(有时被称为“显示次序”)重新排列为用于译码的译码次序。视频编码器200可以生成包括经编码的视频数据的比特流。然后，源设备102可以经由输出接口108将经编码的视频数据输出到计算机可读介质110上，以供例如目的地设备116的输入接口122接收和/或取回。
源设备102的存储器106和目的地设备116的存储器120表示通用存储器。在一些示例中，存储器106、120可以存储原始视频数据，例如，来自视频源104的原始视频以及来自视频解码器300的原始的经解码的视频数据。另外或替代地，存储器106、120可以存储可由例如视频编码器200和视频解码器300分别执行的软件指令。尽管在该示例中被示为与视频编码器200和视频解码器300分开，但是应当理解的是，视频编码器200和视频解码器300可以包括用于功能上类似或等效目的的内部存储器。此外，存储器106、120可以存储例如从视频编码器200输出并且输入到视频解码器300的经编码的视频数据。在一些示例中，存储器106、120的各部分可以被分配为一个或多个视频缓冲器，例如，以存储原始的经解码和/或经编码的视频数据。
计算机可读介质110可以表示能够将经编码的视频数据从源设备102输送到目的地设备116的任何类型的介质或设备。在一个示例中，计算机可读介质110表示通信介质，所述通信介质使得源设备102能够例如经由射频网络或基于计算机的网络来实时地向目的地设备116直接发送经编码的视频数据。根据通信标准(比如无线通信协议)，输出接口108可以对包括经编码的视频数据的传输信号进行调制，并且输入接口122可以对所接收的传输信号进行调制。通信介质可以包括任何无线或有线通信介质，比如射频(RF)频谱或一条或多条物理传输线。通信介质可以形成比如以下各项的基于分组的网络的一部分：局域网、广域网、或比如互联网之类的全球网络。通信介质可以包括路由器、交换机、基站、或对于促进从源设备102到目的地设备116的通信而言可以有用的任何其它设备。
在一些示例中，源设备102可以将经编码的数据从输出接口108输出到存储设备112。类似地，目的地设备116可以经由输入接口122从存储设备112访问经编码的数据。存储设备112可以包括各种分布式或本地访问的数据存储介质中的任何数据存储介质，比如硬盘驱动器、蓝光光盘、DVD、CD-ROM、闪存、易失性或非易失性存储器、或用于存储经编码的视频数据的任何其它适当的数字存储介质。
在一些示例中，源设备102可以将经编码的视频数据输出到文件服务器114或者可以存储由源设备102生成的经编码的视频的另一中间存储设备。目的地设备116可以经由流式传输或下载来从文件服务器114访问被存储的视频数据。文件服务器114可以是能够存储经编码的视频数据并且将该经编码的视频数据发送给目的地设备116的任何类型的服务器设备。文件服务器114可以表示网页服务器(例如，用于网站)、文件传输协议(FTP)服务器、内容递送网络设备或网络附加存储(NAS)设备。目的地设备116可以通过任何标准数据连接(包括互联网连接)来从文件服务器114访问经编码的视频数据。这可以包括适于访问被存储在文件服务器114上的经编码的视频数据的无线信道(例如，Wi-Fi连接)、有线连接(例如，DSL、电缆调制解调器等)、或两者的组合。文件服务器114和输入接口122可以被配置为根据以下各项来操作：流式传输协议、下载传输协议、或其组合。
输出接口108和输入接口122可以表示无线发射机/接收机、调制解调器、有线联网组件(例如，以太网卡)、根据各种IEEE 802.11标准中的任何标准进行操作的无线通信组件、或其它物理组件。在输出接口108和输入接口122包括无线组件的示例中，输出接口108和输入接口122可以被配置为根据蜂窝通信标准(比如4G、4G-LTE(长期演进)、改进的LTE、5G等)来传输数据(比如经编码的视频数据)。在输出接口108包括无线发射机的一些示例中，输出接口108和输入接口122可以被配置为根据其它无线标准(比如IEEE 802.11规范、IEEE 802.15规范(例如，ZigBeeTM)、蓝牙TM标准等)来传输数据(比如经编码的视频数据)。在一些示例中，源设备102和/或目的地设备116可以包括相应的片上系统(SoC)器件。例如，源设备102可以包括用于执行归属于视频编码器200和/或输出接口108的功能的SoC器件，并且目的地设备116可以包括用于执行归属于视频解码器300和/或输入接口122的功能的SoC器件。
本公开内容的技术可以应用于视频译码，以支持各种多媒体应用中的任何多媒体应用，比如空中电视广播、有线电视传输、卫星电视传输、互联网流式视频传输(比如基于HTTP的动态自适应流式传输(DASH))、被编码到数据存储介质上的数字视频、对被存储在数据存储介质上的数字视频的解码、或其它应用。
目的地设备116的输入接口122从计算机可读介质110(例如，存储设备112、文件服务器114等)接收经编码的视频比特流。经编码的视频比特流计算机可读介质110可以包括由视频编码器200定义的信令信息(其也被视频解码器300使用)，比如具有描述视频块或其它译码单元(例如，切片、图片、图片组、序列等)的特性和/或处理的值的语法元素。显示设备118将经解码的视频数据的经解码的图片显示给用户。显示设备118可以表示各种显示设备中的任何显示设备，比如阴极射线管(CRT)、液晶显示器(LCD)、等离子显示器、有机发光二极管(OLED)显示器、或另一类型的显示设备。
尽管在图1中未示出，但是在一些示例中，视频编码器200和视频解码器300均可以与音频编码器和/或音频解码器集成，并且可以包括适当的MUX-DEMUX单元或其它硬件和/或软件，以处理包括公共数据流中的音频和视频两者的经复用的流。如果适用，MUX-DEMUX单元可以遵循ITU H.223复用器协议或其它协议(比如用户数据报协议(UDP))。
视频编码器200和视频解码器300均可以被实现为各种适当的编码器和/或解码器电路中的任何一种，比如一个或多个微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、分立逻辑、软件、硬件、固件、或其任何组合。当所述技术部分地用软件实现时，设备可以将用于软件的指令存储在适当的非暂时性计算机可读介质中，并且使用一个或多个处理器来执行在硬件中的指令以执行本公开内容的技术。视频编码器200和视频解码器300中的每者可以被包括在一个或多个编码器或解码器中，编码器或解码器中的任一者可以被集成为在相应设备中的组合的编码器/解码器(CODEC)的一部分。包括视频编码器200和/或视频解码器300的设备可以包括集成电路、微处理器、和/或无线通信设备(比如蜂窝电话)。
视频编码器200和视频解码器300可以根据视频译码标准(比如ITU-T H.265，还被称为高效率视频译码(HEVC))或对其的扩展(比如多视图和/或可伸缩视频译码扩展)进行操作。或者，视频编码器200和视频解码器300可以根据其它专有或行业标准(比如联合探索测试模型(JEM)或ITU-T H.266标准，还被称为通用视频译码(VVC))进行操作。VVC标准的最新草案是在以下文档中描述的：Bross等人，“Versatile Video Coding(Draft 5)”，ITU-TSG 16WP 3和ISO/IEC JTC 1/SC 29/WG 11的联合视频专家组(JVET)，第14次会议：瑞士日内瓦，2019年3月19日至27日，JVET-N1001-v5(下文简称为“VVC草案5”)。然而，本公开内容的技术不限于任何特定的译码标准。
通常，视频编码器200和视频解码器300可以执行对图片的基于块的译码。术语“块”通常指代包括要被处理的(例如，在编码和/或解码过程中要被编码、被解码或以其它方式使用的)数据的结构。例如，块可以包括亮度和/或色度数据的样本的二维矩阵。通常，视频编码器200和视频解码器300可以对以YUV(例如，Y、Cb、Cr)格式表示的视频数据进行译码。也就是说，不是对用于图片的样本的红色、绿色和蓝色(RGB)数据进行译码，视频编码器200和视频解码器300可以对亮度和色度分量进行译码，其中，色度分量可以包括红色色相和蓝色色相色度分量两者。在一些示例中，视频编码器200在进行编码之前将所接收的RGB格式的数据转换为YUV表示，并且视频解码器300将YUV表示转换为RGB格式。或者，预处理单元和后处理单元(未示出)可以执行这些转换。
本公开内容通常可以涉及对图片的译码(例如，编码和解码)以包括对图片的数据进行编码或解码的过程。类似地，本公开内容可以涉及对图片的块的译码，以包括对用于块的数据进行编码或解码(例如，预测和/或残差译码)的过程。经编码的视频比特流通常包括用于表示译码决策(例如，译码模式)以及图片到块的划分的语法元素的一系列值。因此，关于对图片或块进行译码的引用通常应当被理解为对用于形成图片或块的语法元素的值进行译码。
HEVC定义了各种块，包括译码单元(CU)、预测单元(PU)和变换单元(TU)。根据HEVC，视频译码器(比如视频编码器200)根据四叉树结构来将译码树单元(CTU)划分为CU。也就是说，视频译码器将CTU和CU划分为四个相等的不重叠的正方形，并且四叉树的每个节点具有零个或四个子节点。没有子节点的节点可以被称为“叶节点”，并且这样的叶节点的CU可以包括一个或多个PU和/或一个或多个TU。视频译码器可以进一步划分PU和TU。例如，在HEVC中，残差四叉树(RQT)表示对TU的划分。在HEVC中，PU表示帧间预测数据，而TU表示残差数据。帧内预测的CU包括帧内预测信息，比如帧内模式指示。
作为另一示例，视频编码器200和视频解码器300可以被配置为根据JEM或VVC进行操作。根据JEM或VVC，视频译码器(比如视频编码器200)将图片划分为多个译码树单元(CTU)。视频编码器200可以根据树结构(比如四叉树-二叉树(QTBT)结构或多类型树(MTT)结构)来划分CTU。QTBT结构去除多种划分类型的概念，比如在HEVC的CU、PU和TU之间的分隔。QTBT结构包括两个级别：根据四叉树划分进行划分的第一级别、以及根据二叉树划分进行划分的第二级别。QTBT结构的根节点对应于CTU。二叉树的叶节点对应于译码单元(CU)。
在MTT划分结构中，可以使用四叉树(QT)划分、二叉树(BT)划分以及一种或多种类型的三叉树(TT)划分来对块进行划分。三叉树划分是块被拆分为三个子块的划分。在一些示例中，三叉树划分将块划分为三个子块，而不划分通过中心的原始块。在MTT中的划分类型(例如，QT、BT和TT)可以是对称的或不对称的。
在一些示例中，视频编码器200和视频解码器300可以使用单个QTBT或MTT结构来表示亮度分量和色度分量中的每者，而在其它示例中，视频编码器200和视频解码器300可以使用两个或更多个QTBT或MTT结构，比如一个QTBT/MTT结构用于亮度分量以及另一QTBT/MTT结构用于两个色度分量(或者两个QTBT/MTT结构用于相应的色度分量)。
视频编码器200和视频解码器300可以被配置为使用根据HEVC的四叉树划分、QTBT划分、MTT划分、或其它划分结构。为了解释的目的，对本公开内容的技术的描述是相对于QTBT划分给出的。然而，应当理解的是，本公开内容的技术还可以应用于被配置为使用四叉树划分或者还使用其它类型的划分的视频译码器。
本公开内容可以互换地使用“NxN”和“N乘N”来指代块(比如CU或其它视频块)在垂直和水平维度方面的样本大小，例如，16x16个样本或16乘16个样本。通常，16x16 CU在垂直方向上将具有16个样本(y＝16)，并且在水平方向上将具有16个样本(x＝16)。同样地，NxNCU通常在垂直方向上具有N个样本，并且在水平方向上具有N个样本，其中N表示非负整数值。在CU中的样本可以按行和列来排列。此外，CU不一定需要在水平方向上具有与在垂直方向上相同的数量的样本。例如，CU可以包括NxM个样本，其中M不一定等于N。
视频编码器200对用于CU的表示预测和/或残差信息以及其它信息的视频数据进行编码。预测信息指示将如何预测CU以便形成用于CU的预测块。残差信息通常表示在编码之前的CU与预测块的样本之间的逐样本差。
为了预测CU，视频编码器200通常可以通过帧间预测或帧内预测来形成用于CU的预测块。帧间预测通常指代根据先前译码的图片的数据来预测CU，而帧内预测通常指代根据同一图片的先前译码的数据来预测CU。为了执行帧间预测，视频编码器200可以使用一个或多个运动矢量来生成预测块。视频编码器200通常可以执行运动搜索，以识别例如在CU与参考块之间的差异方面与CU紧密匹配的参考块。视频编码器200可以使用绝对差之和(SAD)、平方差之和(SSD)、平均绝对差(MAD)、均方差(MSD)、或其它这样的差异计算，来计算差异度量，以确定参考块是否与当前CU紧密匹配。在一些示例中，视频编码器200可以使用单向预测或双向预测来预测当前CU。
JEM和VVC的一些示例还提供仿射运动补偿模式，仿射运动补偿模式可以被认为是帧间预测模式。在仿射运动补偿模式下，视频编码器200可以确定表示非平移运动(比如放大或缩小、旋转、透视运动或其它不规则的运动类型)的两个或更多个运动矢量。
为了执行帧内预测，视频编码器200可以选择帧内预测模式来生成预测块。JEM和VVC的一些示例提供六十七种帧内预测模式，包括各种方向性模式、以及平面模式和DC模式。通常，视频编码器200选择帧内预测模式，帧内预测模式描述要根据其来预测当前块(例如，CU的块)的样本的、当前块的相邻样本。假设视频编码器200以光栅扫描次序(从左到右、从上到下)对CTU和CU进行译码，则这样的样本通常可以是在与当前块相同的图片中在当前块的上方、左上方或左侧。
视频编码器200对表示用于当前块的预测模式的数据进行编码。例如，对于帧间预测模式，视频编码器200可以对表示使用各种可用帧间预测模式中的哪种预测模式以及用于对应模式的运动信息的数据进行编码。对于单向或双向帧间预测，例如，视频编码器200可以使用高级运动矢量预测(AMVP)或合并模式来对运动矢量进行编码。视频编码器200可以使用类似的模式来对用于仿射运动补偿模式的运动矢量进行编码。
在对块的预测(比如帧内预测或帧间预测)之后，视频编码器200可以计算用于块的残差数据。残差数据(比如残差块)表示在块与用于块的预测块之间的逐样本差，所述预测块是使用对应的预测模式来形成的。视频编码器200可以将一个或多个变换应用于残差块，以在变换域中而非在样本域中产生经变换的数据。例如，视频编码器200可以将离散余弦变换(DCT)、整数变换、小波变换或概念上类似的变换应用于残差视频数据。另外，视频编码器200可以在第一变换之后应用二次变换，比如模式相关的不可分离二次变换(MDNSST)、信号相关变换、Karhunen-Loeve变换(KLT)等。视频编码器200在应用一个或多个变换之后产生变换系数。
如上文所指出的，在任何变换以产生变换系数之后，视频编码器200可以执行对变换系数的量化。量化通常指代如下的过程：其中，对变换系数进行量化以可能地减少用于表示系数的数据量，从而提供进一步的压缩。通过执行量化过程，视频编码器200可以减小与系数中的一些或所有系数相关联的比特深度。例如，视频编码器200可以在量化期间将n比特的值向下舍入为m比特的值，其中n大于m。在一些示例中，为了执行量化，视频编码器200可以对要量化的值执行按位右移。
在量化之后，视频编码器200可以扫描变换系数，从而从包括经量化的变换系数的二维矩阵产生一维矢量。可以将扫描设计为将较高能量(以及因此较低频率)的系数放在矢量的前面，并且将较低能量(以及因此较高频率)的变换系数放在矢量的后面。在一些示例中，视频编码器200可以利用预定义的扫描次序来扫描经量化的变换系数以产生串行化的矢量，并且然后对矢量的经量化的变换系数进行熵编码。在其它示例中，视频编码器200可以执行自适应扫描。在扫描经量化的变换系数以形成一维矢量之后，视频编码器200可以例如根据上下文自适应二进制算术译码(CABAC)来对一维矢量进行熵编码。视频编码器200还可以对用于描述与经编码的视频数据相关联的元数据的语法元素的值进行熵编码，以供视频解码器300在对视频数据进行解码时使用。
为了执行CABAC，视频编码器200可以将在上下文模型内的上下文分配给要发送的符号。上下文可以涉及例如符号的相邻值是否为零值。概率确定可以是基于被分配给符号的上下文的。
视频编码器200还可以例如在图片报头、块报头、切片报头中针对视频解码器300生成语法数据(比如基于块的语法数据、基于图片的语法数据和基于序列的语法数据)、或其它语法数据(比如序列参数集(SPS)、图片参数集(PPS)或视频参数集(VPS))。同样地，视频解码器300可以对这样的语法数据进行解码以确定如何解码对应的视频数据。
以这种方式，视频编码器200可以生成比特流，比特流包括经编码的视频数据，例如，描述图片到块(例如，CU)的划分以及用于块的预测和/或残差信息的语法元素。最终，视频解码器300可以接收比特流并且对经编码的视频数据进行解码。
通常，视频解码器300执行与由视频编码器200执行的过程相反的过程，以对比特流的经编码的视频数据进行解码。例如，视频解码器300可以使用CABAC，以与视频编码器200的CABAC编码过程基本上类似但是相反的方式来对用于比特流的语法元素的值进行解码。语法元素可以定义图片到CTU的划分信息、以及根据对应的划分结构(比如QTBT结构)对每个CTU的划分，以定义CTU的CU。语法元素还可以定义用于视频数据的块(例如，CU)的预测和残差信息。
残差信息可以由例如经量化的变换系数来表示。视频解码器300可以对块的经量化的变换系数进行逆量化和逆变换以重现用于块的残差块。视频解码器300使用用信号通知的预测模式(帧内预测或帧间预测)和相关的预测信息(例如，用于帧间预测的运动信息)来形成用于块的预测块。视频解码器300然后可以对预测块和残差块(在逐个样本的基础上)进行组合以重现原始块。视频解码器300可以执行额外处理，比如执行去块过程以减少沿着块的边界的视觉伪影。
根据本公开内容的技术，视频编码器200和视频解码器300可以被配置为：基于一个或多个参数，来选择性地对低频不可分离变换(LFNST)索引或标志的值进行上下文译码。视频译码器(例如，视频编码器200和/或视频解码器300)可以基于多种多样的参数来选择上下文。一些示例参数包括但不限于块大小、颜色分量、划分深度和非零变换系数的数量。作为一个具体示例并且根据本公开内容的一种或多种技术，视频译码器可以基于视频数据单元的颜色分量来选择用于对针对视频数据单元的LFNST索引进行译码的上下文。例如，视频译码器可以在视频数据单元为亮度分量的情况下使用第一上下文，并且在视频数据单元为色度分量的情况下使用第二上下文。基于颜色分量来选择上下文可以提供一个或多个优点。例如，通过所选择的用于对LFNST索引进行CABAC译码的上下文，可以降低视频数据的比特率，例如，因为某些LFNST更可能用于某些颜色分量。换句话说，本公开内容的技术可以减少用于以类似感知质量表示视频数据的数据量。因此，这些技术可以通过降低包括视频数据的比特流的比特率来改善视频译码的领域。
本公开内容通常可能涉及“用信号通知”某些信息(比如语法元素)。术语“用信号通知”通常可以指代对用于对经编码的视频数据进行解码语法元素的值和/或的其它数据的传送。也就是说，视频编码器200可以在比特流中用信号通知用于语法元素的值。通常，用信号通知指代在比特流中生成值。如上文所指出的，源设备102可以基本上实时地或不实时地(比如可能在将语法元素存储到存储设备112以供目的地设备116稍后取回时发生)将比特流传输到目的地设备116。
图2A和2B是示出示例四叉树二叉树(QTBT)结构130以及对应的译码树单元(CTU)132的概念图。实线表示四叉树拆分，以及虚线指示二叉树拆分。在二叉树的每个拆分(即非叶)节点中，用信号通知一个标志以指示使用哪种拆分类型(即，水平或垂直)，其中，在该示例中，0指示水平拆分并且1指示垂直拆分。对于四叉树拆分，由于四叉树节点将块水平地并且垂直地拆分为4个相等大小的子块，因此无需指示拆分类型。因此，视频编码器200可以对以下各项进行编码，并且视频解码器300可以对以下各项进行解码：用于QTBT结构130的区域树级别(即，实线)的语法元素(比如拆分信息)、以及用于QTBT结构130的预测树级别(即，虚线)的语法元素(比如拆分信息)。视频编码器200可以对用于由QTBT结构130的终端叶节点表示的CU的视频数据(比如预测和变换数据)进行编码，并且视频解码器300可以对所述视频数据进行解码。
通常，图2B的CTU 132可以与定义与QTBT结构130的在第一和第二级别的节点相对应的块的大小的参数相关联。这些参数可以包括CTU大小(表示CTU 132以样本为单位的大小)、最小四叉树大小(MinQTSize，表示最小允许的四叉树叶节点大小)、最大二叉树大小(MaxBTSize，表示最大允许的二叉树根节点大小)、最大二叉树深度(MaxBTDepth，表示最大允许的二叉树深度)、以及最小二叉树大小(MinBTSize，表示最小允许的二叉树叶节点大小)。
QTBT结构的与CTU相对应的根节点可以在QTBT结构的第一级别处具有四个子节点，其中每个子节点可以是根据四叉树划分来划分的。也就是说，第一级别的节点是叶节点(没有子节点)或者具有四个子节点。QTBT结构130的示例将这样的节点表示为包括具有用于分支的实线的父节点和子节点。如果第一级别的节点不大于最大允许的二叉树根节点大小(MaxBTSize)，则它们可以通过相应的二叉树进一步进行划分。可以对一个节点的二叉树拆分进行迭代，直到从拆分产生的节点达到最小允许的二叉树叶节点大小(MinBTSize)或最大允许的二叉树深度(MaxBTDepth)。QTBT结构130的示例将这样的节点表示为具有用于分支的虚线。二叉树叶节点被称为译码单元(CU)，CU用于预测(例如，图片内或图片间预测)和变换，而不进行任何进一步划分。如上文所讨论的，CU还可以被称为“视频块”或“块”。
在QTBT划分结构的一个示例中，CTU大小被设置为128x128(亮度样本和两个对应的64x64色度样本)，MinQTSize被设置为16x16，MaxBTSize被设置为64x64，MinBTSize(对于宽度和高度两者)被设置为4，并且MaxBTDepth被设置为4。首先对CTU应用四叉树划分以生成四叉树叶节点。四叉树叶节点可以具有从16x16(即MinQTSize)到128x128(即CTU大小)的大小。如果叶四叉树节点为128x128，则它将不通过二叉树进一步拆分，因为大小超过MaxBTSize(即，在该示例中为64x64)。否则，叶四叉树节点将通过二叉树进一步划分。因此，四叉树叶节点也是用于二叉树的根节点，并且具有为0的二叉树深度。当二叉树深度达到MaxBTDepth(在该示例中为4)时，不允许进一步拆分。当二叉树节点具有等于MinBTSize(在该示例中为4)的宽度时，这意味着不允许进行进一步的水平拆分。类似地，具有等于MinBTSize的高度的二叉树节点意味着不允许针对该二叉树节点进行进一步的垂直拆分。如上文所指出的，二叉树的叶节点被称为CU，并且根据预测和变换而被进一步处理，而无需进一步划分。
图3是示出可以执行本公开内容的技术的示例视频编码器200的方块图。图3是出于解释的目的而提供的，并且不应当被认为是对如在本公开内容中广泛地举例说明和描述的技术的限制。出于解释的目的，本公开内容在视频译码标准(比如HEVC视频译码标准和正在开发的H.266视频译码标准)的上下文中描述视频编码器200。然而，本公开内容的技术不限于这些视频译码标准，并且通常适用于视频编码和解码。
在图3的示例中，视频编码器200包括视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波单元216、解码图片缓冲器(DPB)218和熵编码单元220。视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波单元216、DPB 218和熵编码单元220中的任何或全部单元可以在一个或多个处理器中或者在处理电路中实现。此外，视频编码器200可以包括额外或替代的处理器或处理电路以执行这些和其它功能。
视频数据存储器230可以存储要由视频编码器200的组件来编码的视频数据。视频编码器200可以从例如视频源104(图1)接收被存储在视频数据存储器230中的视频数据。DPB 218可以充当参考图片存储器，其存储参考视频数据以由视频编码器200对后续视频数据进行预测时使用。视频数据存储器230和DPB 218可以由各种存储器设备中的任何存储器设备形成，比如动态随机存取存储器(DRAM)(包括同步DRAM(SDRAM))、磁阻RAM(MRAM)、电阻性RAM(RRAM)、或其它类型的存储器设备。视频数据存储器230和DPB 218可以由相同的存储器设备或单独的存储器设备来提供。在各个示例中，视频数据存储器230可以与视频编码器200的其它组件一起在芯片上(图所示出的)，或者相对于那些组件在芯片外。
在本公开内容中，对视频数据存储器230的引用不应当被解释为限于在视频编码器200内部的存储器(除非明确描述为如此)，或者在视频编码器200外部的存储器(除非明确描述为如此)。确切而言，对视频数据存储器230的引用应当被理解为存储视频编码器200接收以用于编码的视频数据(例如，用于要被编码的当前块的视频数据)的参考存储器。图1的存储器106还可以提供对来自视频编码器200的各个单元的输出的临时存储。
示出图3的各个单元以帮助理解由视频编码器200执行的操作。所述单元可以被实现为固定功能电路、可编程电路、或其组合。固定功能电路指代提供特定功能并且关于可以执行的操作而预先设置的电路。可编程电路指代可以被编程以执行各种任务并且在可以执行的操作上提供灵活功能的电路。例如，可编程电路可以执行软件或固件，软件或固件使得可编程电路以软件或固件的指令所定义的方式进行操作。固定功能电路可以执行软件指令(例如，以接收参数或输出参数)，但是固定功能电路执行的操作的类型通常是不可变的。在一些示例中，所述单元中的一个或多个单元可以是不同的电路块(固定功能或可编程)，并且在一些示例中，一个或多个单元可以是集成电路。
视频编码器200可以包括由可编程电路形成的算术逻辑单元(ALU)、基本功能单元(EFU)、数字电路、模拟电路和/或可编程内核。在使用由可编程电路执行的软件来执行视频编码器200的操作的示例中，存储器106(图1)可以存储视频编码器200接收并且执行的软件的目标代码，或者在视频编码器200内的另一存储器(未示出)可以存储这样的指令。
视频数据存储器230被配置为存储所接收的视频数据。视频编码器200可以从视频数据存储器230取回视频数据的图片，并且将视频数据提供给残差生成单元204和模式选择单元202。在视频数据存储器230中的视频数据可以是要编码的原始视频数据。
模式选择单元202包括运动估计单元222、运动补偿单元224和帧内预测单元226。模式选择单元202可以包括额外功能单元，以根据其它预测模式来执行视频预测。作为示例，模式选择单元202可以包括调色板单元、块内复制单元(其可以是运动估计单元222和/或运动补偿单元224的一部分)、仿射单元、线性模型(LM)单元等。
模式选择单元202通常协调多个编码通路(pass)，以测试编码参数的组合以及针对这样的组合所得到的率失真值。编码参数可以包括CTU到CU的划分、用于CU的预测模式、用于CU的残差数据的变换类型、用于CU的残差数据的量化参数等。模式选择单元202最终可以选择具有与其它测试的组合相比较好的率失真值的编码参数组合。
视频编码器200可以将从视频数据存储器230取回的图片划分为一系列CTU，并且将一个或多个CTU封装在切片内。模式选择单元202可以根据树结构(比如上文描述的HEVC的QTBT结构或四叉树结构)来划分图片的CTU。如上文所描述的，视频编码器200可以从根据树结构来划分CTU，形成一个或多个CU。这样的CU通常还可以被称为“视频块”或“块”。
通常，模式选择单元202还控制其组件(例如，运动估计单元222、运动补偿单元224和帧内预测单元226)以生成用于当前块(例如，当前CU，或者在HEVC中为PU和TU的重叠部分)的预测块。为了对当前块进行帧间预测，运动估计单元222可以执行运动搜索以识别在一个或多个参考图片(例如，被存储在DPB 218中的一个或多个先前译码的图片)中的一个或多个紧密匹配的参考块。特别是，运动估计单元222可以例如根据绝对差之和(SAD)、平方差之和(SSD)、平均绝对差(MAD)、均方差(MSD)等，来计算表示潜在参考块将与当前块如何相似的值。运动估计单元222通常可以使用在当前块与所考虑的参考块之间的逐样本差来执行这些计算。运动估计单元222可以识别具有从这些计算所得到的最低值的参考块，指示与当前块最紧密匹配的参考块。
运动估计单元222可以形成一个或多个运动矢量(MV)，所述运动矢量定义相对于当前块在当前图片中的位置而言参考块在参考图片中的位置。然后，运动估计单元222可以将运动矢量提供给运动补偿单元224。例如，对于单向帧间预测，运动估计单元222可以提供单个运动矢量，而对于双向帧间预测，运动估计单元222可以提供两个运动矢量。然后，运动补偿单元224可以使用运动矢量来生成预测块。例如，运动补偿单元224可以使用运动矢量来取回参考块的数据。作为另一示例，如果运动矢量具有分数样本精度，则运动补偿单元224可以根据一个或多个插值滤波器来对用于预测块的值进行插值。此外，对于双向帧间预测，运动补偿单元224可以取回用于由相应的运动矢量标识的两个参考块的数据，并且例如通过逐样本平均或加权平均值来将所取回的数据进行组合。
作为另一示例，对于帧内预测或帧内预测译码，帧内预测单元226可以根据与当前块相邻的样本来生成预测块。例如，对于方向性模式，帧内预测单元226通常可以将相邻样本的值进行算术组合，并且跨越当前块在所定义的方向上填充这些计算出的值以产生预测块。作为另一示例，对于DC模式，帧内预测单元226可以计算当前块的相邻样本的平均，并且生成预测块以包括针对预测块的每个样本的该得到的平均。
模式选择单元202将预测块提供给残差生成单元204。残差生成单元204从视频数据存储器230接收当前块的原始的未经编码的版本，并且从模式选择单元202接收预测块。残差生成单元204计算在当前块与预测块之间的逐样本差。所得到的逐样本差定义用于当前块的残差块。在一些示例中，残差生成单元204还可以确定在残差块中的样本值之间的差，以使用残差差分脉冲译码调制(RDPCM)来生成残差块。在一些示例中，可以使用执行二进制减法的一个或多个减法器电路来形成残差生成单元204。
在模式选择单元202将CU划分为PU的示例中，每个PU可以与亮度预测单元和对应的色度预测单元相关联。视频编码器200和视频解码器300可以支持具有不同大小的PU。如上文所指示的，CU的大小可以指代CU的亮度译码块的大小，以及PU的大小可以指代PU的亮度预测单元的大小。假设特定CU的大小为2Nx2N，则视频编码器200可以支持用于帧内预测的2Nx2N或NxN的PU大小、以及用于帧间预测的2Nx2N、2NxN、Nx2N、NxN或类似大小的对称的PU大小。视频编码器200和视频解码器300还可以支持针对用于帧间预测的2NxnU、2NxnD、nLx2N和nRx2N的PU大小的非对称划分。
在模式选择单元不将CU进一步划分为PU的示例中，每个CU可以与亮度译码块和对应的色度译码块相关联。如上文，CU的大小可以指代CU的亮度译码块的大小。视频编码器200和视频解码器300可以支持2Nx2N、2NxN或Nx2N的CU大小。
对于其它视频译码技术(举几个示例，比如块内复制模式译码、仿射模式译码和线性模型(LM)模式译码)，模式选择单元202经由与译码技术相关联的相应单元来生成用于正被编码的当前块的预测块。在一些示例中(比如调色板模式译码)，模式选择单元202可以不生成预测块，并且替代地生成指示以其基于所选择的调色板来重构块的方式的语法元素。在这样的模式下，模式选择单元202可以将这些语法元素提供给熵编码单元220以进行编码。
如上文所描述的，残差生成单元204接收用于当前块和对应的预测块的视频数据。然后，残差生成单元204生成用于当前块的残差块。为了生成残差块，残差生成单元204计算在预测块与当前块之间的逐样本差。
变换处理单元206将一个或多个变换应用于残差块，以生成变换系数的块(本文中被称为“变换系数块”)。变换处理单元206可以将各种变换应用于残差块，以形成变换系数块。例如，变换处理单元206可以将离散余弦变换(DCT)、方向变换、Karhunen-Loeve变换(KLT)、或概念上类似的变换应用于残差块。在一些示例中，变换处理单元206可以对残差块执行多个变换，例如，初级变换和二次变换(比如旋转变换)。在一些示例中，变换处理单元206不对残差块应用变换。
量化单元208可以对在变换系数块中的变换系数进行量化，以产生经量化的变换系数块。量化单元208可以根据与当前块相关联的量化参数(QP)值，来对变换系数块的变换系数进行量化。视频编码器200(例如，经由模式选择单元202)可以通过调整与CU相关联的QP值，来调整应用于与当前块相关联的系数块的量化程度。量化可能引起信息损失，并且因此，经量化的变换系数可能具有与由变换处理单元206所产生的原始变换系数相比较低的精度。
逆量化单元210和逆变换处理单元212可以将逆量化和逆变换分别应用于经量化的变换系数块，以根据变换系数块重构残差块。重构单元214可以基于经重构的残差块和由模式选择单元202生成的预测块，来产生与当前块相对应的重构块(尽管潜在地具有某种程度的失真)。例如，重构单元214可以将经重构的残差块的样本与来自由模式选择单元202所生成的预测块的对应样本相加，以产生经重构的块。
滤波单元216可以对经重构的块执行一个或多个滤波操作。例如，滤波单元216可以执行去块操作以减少沿着CU的边缘的块效应伪影。在一些示例中，可以跳过滤波单元216的操作。
视频编码器200将经重构的块存储在DPB 218中。例如，在不需要滤波单元216的操作的示例中，重构单元214可以将经重构的块存储到DPB 218中。在需要滤波单元216的操作的示例中，滤波单元216可以将经滤波经重构的块存储到DPB 218中。运动估计单元222和运动补偿单元224可以从DPB 218取回由经重构的(并且潜在地经滤波的)块形成的参考图片，以对后续编码的图片的块进行帧间预测。另外，帧内预测单元226可以使用在DPB 218中的当前图片的经重构的块来对在当前图片中的其它块进行帧内预测。
通常，熵编码单元220可以对从视频编码器200的其它功能组件接收的语法元素进行熵编码。例如，熵编码单元220可以对来自量化单元208的经量化的变换系数块进行熵编码。作为另一示例，熵编码单元220可以对来自模式选择单元202的预测语法元素(例如，用于帧间预测的运动信息或用于帧内预测的帧内模式信息)进行熵编码。熵编码单元220可以对语法元素(其视频数据的另一示例)执行一个或多个熵编码操作，以生成经熵编码的数据。例如，熵编码单元220可以对数据执行上下文自适应可变长度译码(CAVLC)操作、CABAC操作、可变-可变(V2V)长度译码操作、基于语法的上下文自适应二进制算术译码(SBAC)操作、概率区间划分熵(PIPE)译码操作、指数哥伦布编码操作、或另一种类型的熵编码操作。在一些示例中，熵编码单元220可以在旁路模式下操作，其中，语法元素未被熵编码。下面参考图12讨论熵编码单元220的一个示例的另外的细节。
视频编码器200可以输出比特流，比特流包括重构切片或图片的块所需要的经熵编码的语法元素。特别是，熵编码单元220可以输出比特流。
上文描述的操作是相对于块来描述的。这样的描述应当被理解为是用于亮度译码块和/或色度译码块的操作。如上文所描述的，在一些示例中，亮度译码块和色度译码块是CU的亮度分量和色度分量。在一些示例中，亮度译码块和色度译码块是PU的亮度分量和色度分量。
在一些示例中，不需要针对色度译码块来重复关于亮度编码块执行的操作。作为一个示例，不需要为了识别用于色度块的运动矢量(MV)和参考图片，来重复用于识别用于亮度译码块的MV和参考图片的操作。确切而言，可以对用于亮度译码块的MV进行缩放以确定用于色度块的MV，并且参考图片可以是相同的。作为另一示例，对于亮度译码块和色度译码块，帧内预测过程可以是相同的。
如下文将更详细地解释的，视频编码器200表示被配置为对视频数据进行编码的设备的示例，所述设备包括：存储器，其被配置为存储视频数据；以及一个或多个处理单元，其在电路中实现并且被配置为：选择性地对低频不可分离变换索引或标志的值进行上下文译码；以及根据低频不可分离变换索引或标志来对视频数据的块进行变换。
图4是示出可以执行本公开内容的技术的示例视频解码器300的方块图。图4是出于解释的目的而提供的，并且不是对如在本公开内容中广泛地举例说明和描述的技术的限制。出于解释的目的，本公开内容描述根据JEM、VVC和HEVC的技术的视频解码器300。然而，本公开内容的技术可以由被配置用于其它视频译码标准的视频译码设备来执行。
在图4的示例中，视频解码器300包括译码图片缓冲器(CPB)存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310、滤波单元312和解码图片缓冲器(DPB)134。CPB存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310、滤波单元312和DPB 134中的任何或全部单元可以在一个或多个处理器中或者在处理电路中实现。此外，视频解码器300可以包括额外或替代的处理器或处理电路以执行这些和其它功能。
预测处理单元304包括运动补偿单元316和帧内预测单元318。预测处理单元304可以包括加法单元以根据其它预测模式来执行预测。作为示例，预测处理单元304可以包括调色板单元、块内复制单元(其可以形成运动补偿单元316的一部分)、仿射单元、线性模型(LM)单元等。在其它示例中，视频解码器300可以包括较多、较少或不同的功能组件。
CPB存储器320可以存储要由视频解码器300的组件解码的视频数据，比如经编码的视频比特流。例如，可以从计算机可读介质110(图1)获得被存储在CPB存储器320中的视频数据。CPB存储器320可以包括存储来自经编码的视频比特流的经编码的视频数据(例如，语法元素)的CPB。此外，CPB存储器320可以存储除了经译码的图片的语法元素之外的视频数据，比如表示来自视频解码器300的各个单元的输出的临时数据。DPB 314通常存储经解码的图片，视频解码器300可以输出经解码的图片，和/或在解码经编码的视频比特流的后续数据或图片时使用经解码的图片作为参考视频数据。CPB存储器320和DPB 314可以由各种存储器设备中的任何存储器设备形成，比如动态随机存取存储器(DRAM)(包括同步DRAM(SDRAM))、磁阻RAM(MRAM)、电阻RAM(RRAM)或其它类型的存储器设备。CPB存储器320和DPB314可以由相同的存储器设备或单独的存储器设备来提供。在各个示例中，CPB存储器320可以与视频解码器300的其它组件一起在芯片上，或者相对于那些组件在芯片外。
另外或替代地，在一些示例中，视频解码器300可以从存储器120(图1)取回经译码的视频数据。也就是说，存储器120可以如上文所讨论地利用CPB存储器320来存储数据。同样，当视频解码器300的一些或全部功能是在要由视频解码器300的处理电路执行的软件中实现的时，存储器120可以存储要由视频解码器300执行的指令。
示出在图4中示出的各个单元以帮助理解由视频解码器300执行的操作。所述单元可以被实现为固定功能电路、可编程电路、或其组合。类似于图3，固定功能电路指代提供特定功能并且关于可以执行的操作而预先设置的电路。可编程电路指代可以被编程以执行各种任务并且在可以执行的操作上提供灵活功能的电路。例如，可编程电路可以执行软件或固件，软件或固件使得可编程电路以软件或固件的指令所定义的方式进行操作。固定功能电路可以执行软件指令(例如，以接收参数或输出参数)，但是固定功能电路执行的操作的类型通常是不可变的。在一些示例中，所述单元中的一个或多个单元可以是不同的电路块(固定功能或可编程)，并且在一些示例中，一个或多个单元可以是集成电路。
视频解码器300可以包括由可编程电路形成的ALU、EFU、数字电路、模拟电路和/或可编程内核。在视频解码器300的操作是由在可编程电路上执行的软件执行的示例中，片上或片外存储器可以存储视频解码器300接收并且执行的软件的指令(例如，目标代码)。
熵解码单元302可以从CPB接收经编码的视频数据，并且对视频数据进行熵解码以重现语法元素。预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310和滤波单元312可以基于从比特流中提取的语法元素来生成经解码的视频数据。
通常，视频解码器300逐块地重构图片。视频解码器300可以单独地对每个块执行重构操作(其中，当前正在被重构(即，被解码)的块可以被称为“当前块”)。
熵解码单元302可以对定义经量化的变换系数块的经量化的变换系数以及变换信息(比如量化参数(QP)和/或变换模式指示)的语法元素进行熵解码。逆量化单元306可以使用与经量化的变换系数块相关联的QP来确定量化程度，并且同样地，确定供逆量化单元306应用的逆量化程度。逆量化单元306可以例如执行按位左移操作以对经量化的变换系数进行逆量化。逆量化单元306从而可以形成包括变换系数的变换系数块。下文参照图13讨论熵解码单元302的一个示例的另外的细节。
在逆量化单元306形成变换系数块之后，逆变换处理单元308可以将一种或多种逆变换应用于变换系数块，以生成与当前块相关联的残差块。例如，逆变换处理单元308可以将逆DCT、逆整数变换、逆Karhunen-Loeve变换(KLT)、逆旋转变换、逆方向变换或另一逆变换应用于变换系数块。
此外，预测处理单元304根据由熵解码单元302进行熵解码的预测信息语法元素来生成预测块。例如，如果预测信息语法元素指示当前块是经帧间预测的，则运动补偿单元316可以生成预测块。在这种情况下，预测信息语法元素可以指示在DPB 314中的要从其取回参考块的参考图片、以及标识相对于当前块在当前图片中的位置而言参考块在参考图片中的位置的运动矢量。运动补偿单元316通常可以以与关于运动补偿单元224(图3)所描述的方式基本类似的方式来执行帧间预测过程。
作为另一示例，如果预测信息语法元素指示当前块是帧内预测的，则帧内预测单元318可以根据通过预测信息语法元素指示的帧内预测模式来生成预测块。再次，帧内预测单元318通常可以以与关于帧内预测单元226(图3)所描述的方式基本上类似的方式来执行帧内预测过程。帧内预测单元318可以从DPB 314取回当前块的相邻样本的数据。
重构单元310可以使用预测块和残差块来重构当前块。例如，重构单元310可以将残差块的样本与预测块的对应样本相加来重构当前块。
滤波单元312可以对经重构的块执行一个或多个滤波操作。例如，滤波单元312可以执行去块操作以减少沿着经重构的块的边缘的块效应伪影。不一定在所有示例中都执行滤波单元312的操作。
视频解码器300可以将经重构的块存储在DPB 314中。如上文所讨论的，DPB 314可以将参考信息(比如用于帧内预测的当前图片以及用于后续运动补偿的先前解码的图片的样本)提供给预测处理单元304。此外，视频解码器300可以从DPB输出经解码的图片，以用于在显示设备(比如图1的显示设备118)上的后续呈现。
以这种方式，如下文将更详细地解释的，视频解码器300表示视频解码设备的示例，所述视频解码设备包括：存储器，其被配置为存储视频数据；以及一个或多个处理单元，其在电路中实现并且被配置为：选择性地对低频不可分离变换索引或标志的值进行上下文译码；以及根据低频不可分离变换索引或标志来对视频数据的块进行变换。
对变换相关的工具的概述。在HEVC之前的示例视频译码标准中，在视频编码和视频解码中仅使用固定可分离变换或固定可分离逆变换，其中垂直地并且水平地使用类型2离散余弦变换(DCT-2)。在HEVC中，除了DCT-2之外，还针对4x4块采用类型7离散正弦变换(DST-7)作为固定可分离变换。
以下共同未决的美国专利和美国专利申请描述多变换选择(MTS)技术：2019年5月28日发布的美国专利No.10,306,229、2018年1月18日发布的美国专利公开No.2018/0020218以及2019年12月5日发布的美国专利公开No.2019/0373261。注意，MTS以前被称为自适应多变换(AMT)。MTS技术通常与先前描述的AMT技术相同。在联合视频专家小组(JVET)的联合实验模型7.0(JEM-7.0)中采用了在美国专利发布No.2019/0373261中描述的MTS的示例(例如，参见hhi.fraunhofer.de/fields-of-competence/image-processing/research-groups/image-video-coding/hevc-high-efficiency-video-coding/transform-coding-using-the-residual-quadtree-rqt.html)，并且随后在VVC中采用MTS的简化版本。
通常，当使用MTS来对变换系数的变换块进行编码或解码时，视频编码器200和视频解码器300可以确定要使用的多个可分离变换中的一个或多个可分离变换。通过包括更多可分离变换的选择，可以提高译码效率，因为所选择的变换可能更适合于正在译码的内容。
图5是在编码器和解码器侧(例如，视频编码器200和视频解码器300)的示例低频不可分离变换(LFNST)的图解，其中使用LFNST在编解码器中的可分离变换和量化之间引入新阶段。如在图5中所示，在编码器侧(例如，视频编码器200)，变换处理单元206首先可以对变换块应用可分离变换500以获得变换系数。然后，变换处理单元206可以向变换块的变换系数的一部分(例如，LFNST区域)应用LFNST 502。如上文所描述的，变换处理单元206可以结合LFNST来应用归零过程。然后，量化单元208可以在熵编码之前对所得的变换系数进行量化。
在解码器侧(例如，视频解码器300)，逆量化单元306首先对在变换块中的经熵解码的变换系数(参见图4)进行逆量化。然后，视频解码器300的逆变换处理单元308向变换块的LFSNT区域应用逆LFNST 504。然后，逆变换处理单元308向逆LFNST的结果应用逆可分离变换506，以产生残差块。
在JEM-7.0中使用示例LFNST(例如，如图5中所示)来进一步改善MTS的译码效率，其中LFNST的实现是基于在于2017年2月14日提交的美国专利公开No.10,448,053中描述的示例超立方体Givens变换(HyGT)的。于2016年9月20日提交的美国专利No.10,491,922、于2017年3月30日发布的美国专利发布No.2017/0094314、于2017年2月14日提交的美国专利No.10,349,085以及于2019年3月25日提交的美国专利申请No.16/354,007中描述其它示例设计和另外的细节。最近，已经在VVC标准中采用了LFNST(参见JVET-N0193，ReducedSecondary Transform(RST)(CE6-3.1)，可在网上获得http://phenix.it-sudparis.eu/jvet/doc_end_user/documents/14_Geneva/wg11/JVE T-N0193-v5.zip)。注意，LFNST以前被称为不可分离二次变换(NSST)或二次变换。
在VVC草案5中的LFNST设计中，编码器(例如，视频编码器200)可以被配置为执行归零操作，归零操作保持K-最低频率变换系数不变(例如，K-最低频率变换系数的值不被归零)。K-最低频率变换系数是通过大小为N(例如，对于8x8 LFNST区域，N＝64)的LFNST来变换的。解码器(例如，视频解码器300)通过仅使用这K个系数(还被称为K个LFNST系数)，来重构可分离系数(例如，MTS系数)。在VVC草案5中，规范地，这样的归零过程仅针对大小为4x4和8x8的LFNST进行，其中解码器隐式地推断(在没有接收信令的情况下假设或确定)剩余的N-K个高频变换系数的值被设置为具有零值，并且K个LFNST系数被用于重构。
图6是在归零的情况下将大小为N的LFNST应用于大小为HxW的变换块602之后获得的变换系数的代表性图解，其中N个变换系数中的Z个变换系数被归零，并且K个系数被保留。如图6中所示，视频编码器200将可分离变换(例如，使用MTS技术)应用于变换块602以获得MTS系数。然后，视频编码器200将LFNST应用于变换块602的LFNST区域600(具有h x w的大小)。LFNST区域600的暗区域601是保留的K个系数(例如，LFNST系数)。LFNST区域600的白色区域是被归零的Z(N-K)个系数(例如，归零系数)。
如在于2016年9月20日提交的美国专利No.10,491,922、于2017年3月30日发布的美国专利发布No.2017/0094314和于2019年1月31日提交的美国临时申请No.62/799,410中描述的，可以通过首先经由预定义的扫描/排序将作为LFNST区域(例如，图6中的LFNST区域600)的2-D子块转换为变换系数的1-D列表(或向量)，并且然后对变换系数的子集(例如，未归零的变换系数)应用变换，来执行LFNST。
图7示出在没有任何归零的情况下获得的可分离变换系数(MTS)和LFNST系数的示例。如图7中所示，视频编码器200将可分离变换(例如，使用MTS技术)应用于变换块702(具有HxW的大小)以获得MTS系数。然后，视频编码器200将LFNST应用于变换块702的LFNST区域700(具有h x w的大小)。在图7的示例中，保留LFNST区域700的所有N个系数(例如，LFNST系数)。也就是说，在图7的示例中不执行归零。
图8和9示出了在于2019年1月31日提交的美国临时申请No.62/799,410和于2019年5月17日提交的美国临时申请No.62/849,689(以下简称“’689申请”)中提出的LFNST的示例，其对LFNST区域之外的系数应用归零。特别是，图8示出了通过应用LFNST并且对在LFNST区域中(在块800中)的Z个最高频率系数和在LFNST区域之外(在块800之外)的MTS系数两者进行归零来获得LFNST系数的示例。另外，图9示出了通过应用LFNST并且仅对在LFNST区域之外(在块900之外)的MTS系数进行归零来获得LFNST系数的示例。
以下章节将更详细地描述二进制算术译码(BAC)和上下文自适应二进制算术译码(CABAC)技术。通常，BAC是递归的区间细分过程。在H.264/AVC和H.265/HEVC视频译码标准中，BAC用于在CABAC过程中对二进制符号进行编码。BAC译码器的输出是二进制流，其表示针对在最终译码概率区间内的概率的值或指针。概率区间是通过范围(“范围(range)”)和下限值(“下限(low)”)来指定的。范围是概率区间的延伸。下限是译码/概率区间的下边界。
在以下文档中描述将算术译码应用于视频译码：D.Marpe、H.Schwarz和T.Wiegand“Context-Based Adaptive Binary Arithmetic Coding in the H.264/AVC VideoCompression Standard(在H.264/AVC视频压缩标准中的基于上下文的自适应二进制算术译码)”，IEEE汇刊，用于视频技术的电路和系统，第13卷，第7期，2003年7月。CABAC涉及三个主要功能，即二值化、上下文建模和算术译码。二值化指代将语法元素映射到二进制符号(或“二进制符号(bin)”)的功能。二进制符号还可以被称为“二进制符号串”。上下文建模指代估计各个二进制符号的概率的功能。算术译码指代基于估计的概率来将二进制符号压缩为比特的后续功能。各种设备和/或其模块(比如二进制算术译码器)可以执行算术译码的功能。
在HEVC中使用若干不同的二值化过程，包括一元(U)、截断的一元(TU)、第k阶指数哥伦布(EGk)和固定长度(FL)。在以下文档中描述各种二值化过程的细节：V.Sze和M.Budagavi，“High throughput CABAC entropy coding in HEVC(在HEVC中的高吞吐量CABAC熵译码)”，关于用于视频技术的电路和系统的IEEE汇刊(TCSVT)，第22卷，第12期，第1778-1791页，2012年12月。
在CABAC中的每个上下文(即，概率模型)是通过状态来表示的。每个状态(σ)隐式地表示特定符号(例如，二进制符号)为最不可能符号(LPS)的概率(pσ)。符号可以是LPS或最可能符号(MPS)。符号是二进制的，并且因此，MPS和LPS可以是0或1。概率是针对对应的上下文来估计的，并且(隐式地)用于使用算术译码器来对符号进行熵译码。
BAC的过程是通过状态机来处理的，所述状态机根据要译码的上下文和正在译码的二进制符号的值来改变其内部值“范围”和“下限”。根据上下文的状态(即，其概率)，范围被划分为rangeMPSσ(stateσ中的最可能符号的范围)和rangeLPSσ(stateσ中的最不可能符号的范围)。理论上，概率stateσ的rangeLPSσ值是通过乘法来推导的：
rangeLPSσ＝range×pσ，
其中pσ是选择LPS的概率。当然，MPS的概率是1-pσ。等效地，rangeMPSσ等于范围(range)减去rangeLPSσ。BAC根据要译码的上下文二进制符号的状态、当前范围和正在译码的二进制符号的值(即，二进制符号等于LPS或MPS)，来迭代地更新范围。
图10A和10B示出在二进制符号n处的该过程的示例。在图10A的示例201中，在二进制符号n处的范围包括RangeMPS和RangeLPS，RangeLPS在给定特定上下文状态(σ)的情况下是由LPS的概率(pσ)给出的。示例201示出当二进制符号n的值等于MPS时，在二进制符号n+1处的范围的更新。在该示例中，下限保持不变，但在二进制符号n+1处的范围的值减小为在二进制符号n处的RangeMPS的值。图10B的示例203示出当二进制符号n的值不等于MPS(即，等于LPS)时，在二进制符号n+1处的范围的更新。在该示例中，下限移到在二进制符号n处的RangeLPS的较低范围值。此外，在二进制符号n+1处的范围的值减小为在二进制符号n处的RangeLPS的值。
在HEVC中，范围是利用9个比特来表示的并且下限是利用10个比特来表示的。存在重整化过程，以维持足够精度的范围和下限值。每当范围小于256时，就会发生重整化。因此，在重整化之后，范围总是等于或大于256。根据范围和下限的值，BAC向比特流输出“0”或“1”，或者更新内部变量(被称为BO：未完成比特)，以备将来输出。图11示出取决于范围的BAC输出的示例。例如，当范围和下限高于某个门限(例如，512)时，向比特流输出“1”。当范围和下限低于某个门限(例如，512)时，向比特流输出“0”。当范围和下限在某些门限之间时，不向比特流输出任何内容。相反，将BO值递增，并且对下一二进制符号进行编码。
如上文所描述的，在视频压缩标准(比如VVC)中，使用算术译码方法来提供高压缩效率。这是通过首先使用被称为二值化的过程将非二进制语法元素转换为二进制表示(例如，0、1)来实现的。所得的经变换的条目被称为二进制符号或二进制符号串。然后将这些二进制符号或二进制符号串馈送到算术译码过程中。图10示出示例上下文自适应二进制算术译码(CABAC)编码阶段。可以在视频编码器中实现示例CABAC编码阶段，比如，通过图3的视频编码器200的熵编码单元220。
在VVC草案5中，上下文自适应二进制算术译码(CABAC)用于通过二值化过程来生成二进制符号。对于每个经译码的二进制符号值，选择适当的上下文模型。这些上下文模型用于基于二进制符号概率值来将每个二进制符号值编码成输出比特。当二进制符号同样可能地为0或1时，CABAC引擎绕过上下文建模和二进制符号编码。这是下文讨论的旁路译码阶段。否则，基于二进制符号值的概率，指定适当的上下文模型，以对二进制符号值进行编码并且进行建模。随着编码器对更多的二进制符号进行编码，上下文被适配。最后，经上下文译码的二进制符号值或原始比特流被发送或以其它方式提供给解码器。
图12是可以被配置为根据本公开内容的技术来执行CABAC的示例熵编码单元220的方块图。语法元素1180被输入到熵编码单元220中。如果语法元素已经是二进制值语法元素(例如，仅具有值0和1的标志或其它语法元素)，则可以跳过二值化的步骤。如果语法元素是非二进制值的语法元素(例如，可能具有除了1或0以外的值的语法元素)，则由二值化器1200来对非二进制值的语法元素进行二值化。二值化器1200执行非二进制值的语法元素到二进制决策序列的映射。这些二进制决策通常被称为“二进制符号”。例如，对于变换系数级别，级别的值可以被分解为连续二进制符号，每个二进制符号指示系数级别的绝对值是否大于某个值。例如，二进制符号0(有时被称为显著性标志)指示变换系数级别的绝对值是否大于0。二进制符号1指示变换系数级别的绝对值是否大于1，以此类推。可以针对每个非二进制值的语法元素开发唯一的映射。
由二值化器1200产生的每个二进制符号被馈送到熵编码单元220的二进制算术译码侧。也就是说，对于预先确定的非二进制值语法元素集合，每个二进制符号类型(例如，二进制符号0)在下一二进制符号类型(例如，二进制符号1)之前被译码。可以在常规模式或旁路模式下执行译码。在旁路模式中，旁路编码引擎1260使用固定概率模型(例如，使用Golomb-Rice或指数Golomb译码)来执行算术译码。旁路模式通常用于更可预测的语法元素。
在常规模式下的译码涉及执行CABAC。常规模式CABAC用于对二进制符号值进行译码，其中二进制符号的值的概率在给定先前译码的二进制符号的值的情况下是可预测的。二进制符号是LPS的概率是由上下文建模器1220确定的。上下文建模器1220输出二进制符号值和用于上下文的概率状态(例如，概率状态σ，包括LPS的值和LPS发生的概率)。上下文可以是一系列二进制符号的初始上下文，或者可以是基于先前译码的二进制符号的译码值来确定的。上下文的标识可以基于变量ctxInc的值(上下文增量，比如表示应用于先前上下文的增量的ctxInc的值)来表示和/或确定。如上文所描述的，上下文建模器1220可以基于所接收的二进制符号是MPS还是LPS来更新状态。在由上下文建模器1220确定上下文和概率状态σ之后，常规编码引擎1240对二进制符号值执行BAC。
图13是可以被配置为根据本公开内容的技术来执行CABAC的示例熵解码单元302的方块图。图13的熵解码单元302以与在图12中描述的熵编码单元220相反的方式执行CABAC。来自比特流2180的经译码的比特被输入到熵解码单元302中。基于经译码的比特是使用常规模式还是旁路模式进行熵译码的，经译码的比特被馈送到上下文建模器2200或旁路解码引擎2220。如果经译码的比特是在旁路模式下译码的，则旁路解码引擎将使用Golomb-Rice或指数Golomb解码，例如，以取回二进制值的语法元素或非二进制语法元素的二进制符号。
如果经译码的比特是在常规模式下译码的，则上下文建模器2200可确定用于经译码的比特的概率模型，并且常规解码引擎2240可以对经译码的比特进行解码以产生非二进制值的语法元素(或语法元素本身，如果为二进制值的话)二进制符号。在由上下文建模器2200确定上下文和概率状态σ之后，常规解码引擎2240执行BAC以对二进制符号值进行解码。换句话说，常规解码引擎2240可以确定上下文的概率状态，并且基于先前译码的二进制符号和当前范围来对二进制符号值进行解码。在对二进制符号进行解码之后，上下文建模器2200可以基于窗口大小和经解码的二进制符号的值来更新上下文的概率状态。
在’689申请中提出的技术可以基于从系数译码获得的边信息来减少LFNST索引/标志的信令开销。特别是，’689申请的技术可以使用归零系数模式来推断LFNST索引。此外，于2019年6月14日提交的美国临时申请No.62/861,828(以下简称“’828申请”)，提出LFNST索引/标志的替代信令，并且进一步提出建议在变换单元(TU)级别而不是译码单元(CU)级别进行LFNST索引/标志的信令。
本公开内容描述用于CABAC引擎的各种新上下文模型，以对LFNST索引/标志进行译码。以这种方式，本公开内容的技术可以使视频译码器能够减少由LFNST引起的信令开销。
根据本公开内容的一种或多种技术，视频译码器(例如，视频编码器，(比如视频编码器200)或视频解码器(比如视频解码器300))可以在变换单元(TU)级别执行LFNST索引的上下文建模/译码。在VVC草案5中，LFNST信令是在译码单元(CU)级别执行的。’828申请和于2019年4月5日提交的美国临时申请No.62/830,125(以下简称为“’125申请”)描述在变换单元(TU)级别进行LFNST索引的信令的具体方法。由’828申请和’125申请提出的方法实现在同一级别(即，TU级别)的MTS和LFNST相关的索引/标志两者的信令。本公开内容提出用于覆盖LFNST索引/标志的基于上下文的信令的技术。
以下信令技术可以单独使用或以任何组合使用：
作为第一示例信令技术，视频译码器可以在TU级别基于MTS索引/标志的值来对LFNST索引/标志进行上下文译码。作为一个示例，如果用于TU的MTS索引(mtsIdx)是MTS_DCT-2_DCT-2(mtsIdx＝0)，则视频译码器可以在TU级别对LFNST索引/标志进行上下文译码。作为另一示例，如果用于TU的MTS索引大于2(mtsIdx>1，较大的变换)，则视频译码器可以在TU级别对LFNST索引/标志进行上下文译码。作为另一示例，如果用于第一TU的MTS索引是MTS_DCT-2_DCT-2(mtsIdx＝0)(或任何其它MTS索引组合)，则视频译码器可以对用于第一TU的可以进行上下文译码的LFNST索引/标志进行上下文译码，并且用于剩余TU的LFNST索引/标志可以根据第一TU来推断。
作为第二示例信令技术，视频译码器可以基于每个TU的块大小(例如，TU块的宽度和高度)来对可以进行上下文译码的LFNST索引/标志进行上下文译码。例如，如果TU块大小为4x4(例如，宽度x高度)或TU块大小小于/大于块大小门限(例如，宽度x高度<16x16)，则视频译码器可以对LFNST索引/标志进行上下文译码。
作为第三示例信令技术，视频译码器可以基于TU是亮度还是色度分量，来对可以进行上下文译码的LFNST索引/标志进行上下文译码。例如，如果TU块是色度块，则视频译码器可以分别对LFNST索引/标志进行上下文译码。类似地，如果TU块是亮度块，则视频译码器可以分别对LFNST索引/标志进行上下文译码。
作为第四示例信令技术，视频译码器可以基于TU深度来对LFNST索引/标志进行上下文译码。例如，如果TU深度小于门限深度(例如TU.depth<threshold_depth)，则视频译码器可以对LFNST索引进行上下文译码。门限深度的示例值包括但不限于1、2、3、4和5。
作为第五示例信令技术，视频编码器可以在TU级别基于非零变换系数的数量来对LFNST索引/标志进行上下文译码。例如，如果在MTS译码之后的非零系数的数量小于门限数量，则视频译码器可以对LFNST索引进行上下文译码。作为一个具体示例，在TU的左上8x8子块上的32x32 TU中，如果在MTS译码之后的非零系数的数量小于8，则视频译码器可以对LFNST索引进行上下文译码。
注意，单个CU可能包括多个TU。在上文讨论的示例信令技术中，视频译码器可以(i)针对每个TU单独地执行上下文译码，以及(ii)针对在给定CU中的TU的子集(例如，在给定CU中的仅第一TU)执行上下文译码。在VVC草案5中，大小为128x128的CU包含多个TU，因此本公开内容中涵盖的方法可以应用于这样的TU。
在另一示例中，可以仅针对在给定CU中的第一TU执行上文讨论的示例信令技术中详述的上下文译码，并且可以针对其它TU跳过LFNST索引的信令。在这种情况下，跳过的TU可以根据第一TU推断(或重用)上下文译码的LFNST索引/标志。
根据本公开内容的一种或多种技术，视频译码器(例如，视频编码器(比如视频编码器200)或视频解码器(比如视频解码器300))可以在译码单元(CU)级别和其它分区，执行LFNST索引的上下文建模/译码。如上文所讨论的，视频译码器可以在TU级别执行LFNST索引/标志的基于上下文的信令。除了TU级别信令之外或者代替TU级别信令，视频译码器可以在其它分区和子块/单元处，执行LFNST索引的上下文译码(例如，在CU级别的上下文译码)。例如，与在VVC草案5中的设计类似，视频译码器可以基于某些CU级别参数和信息，来对LFNST索引/标志进行上下文译码。在这种情况下，LFNST上下文译码可以单独或以任何组合使用以下信令技术：
作为第一示例信令技术，视频译码器可以基于CU(即，或类似/任意划分类型)是亮度分量还是色度分量，来对LFNST索引进行上下文译码。作为一个示例，如果CU块是色度通道，则视频译码器可以基于该信息来对LFNST索引/标志进行上下文译码。作为另一示例，如果CU块是亮度通道，则视频译码器可以基于该信息来对LFNST索引/标志进行上下文译码。
作为第二示例信令技术，视频译码器可以基于在CU级别(或任意划分类型)的非零变换系数的数量来对可以进行上下文译码的LFNST索引进行上下文译码。例如，如果在MTS译码之后的非零系数的总数小于门限，则视频译码器可以基于该信息来对LFNST索引进行上下文译码。作为一个具体示例，如果在128x128 CU中在MTS译码之后的非零系数的总数小于32，则视频译码器可以对可以进行上下文译码的LFNST索引进行上下文译码。
作为第三示例信令技术，视频译码器可以基于每个CU或任何其它分区的块大小(例如，CU或其它分区块的宽度和高度)，来对LFNST索引进行上下文译码。例如，如果CU块大小为4x4(例如，宽度x高度)或CU块大小小于/大于块大小门限(例如，宽度x高度<16x16)，则视频译码器可以对LFNST索引进行上下文译码。
根据本公开内容的一种或多种技术，视频译码器(例如，视频编码器(比如视频编码器200)或视频解码器(比如视频解码器300))可以针对具有MTS索引/标志信令的统一的LFNST索引/标志，执行上下文建模/译码。在VVC草案5中，LFNST信令是在译码单元(CU)级别执行的。’828申请提出一种替代设计，所述设计将LFNST索引/标志的信令与现有变换信令(例如，MTS索引/标志信令)组合，使得MTS和LFNST的信令可以被统一/协调。在这种情况下，还可以统一和协调LFNST索引和MTS索引的上下文建模和译码，以使用相同的上下文和上下文建模。
上文描述的用于在变换单元(TU)级别对LFNST索引进行上下文建模/译码、在译码单元(CU)级别和其它划分对LFNST索引进行上下文建模/译码、以及针对具有MTS索引/标志信令的统一的LFNST索引/标志进行上下文建模/译码的技术可以单独使用，或者可以以任何组合使用。
图14是示出用于对当前块进行编码的示例方法的流程图。当前块可以包括当前CU。尽管是相对于视频编码器200(图1和3)来描述的，但是应当理解的是，其它设备可以被配置为执行与图14的方法类似的方法。
在该示例中，视频编码器200最初预测当前块(350)。例如，视频编码器200可以形成用于当前块的预测块。然后，视频编码器200可以计算用于当前块的残差块(532)。为了计算残差块，视频编码器200可以计算在原始的未经编码的块与用于当前块的预测块之间的差。然后，视频编码器200可以对残差块的系数进行变换和量化(354)。如上文所讨论的，在一些示例中，视频编码器200可以使用LFNST来对系数进行变换，并且对指定使用了哪个LFNST(如果有的话)的语法元素(例如，LFNST索引)进行编码。还如上文所讨论的，视频编码器200可以基于一个或多个参数来选择用于对语法元素进行编码的上下文。作为一个示例，视频编码器200可以使用下文参照图16讨论的技术来选择上下文。
接下来，视频编码器200可以扫描残差块的经量化的变换系数(356)。在扫描期间或在扫描之后，视频编码器200可以对系数进行熵编码(358)。例如，视频编码器200可以使用CAVLC或CABAC来对系数进行编码。然后，视频编码器200可以输出块的经熵译码的数据(360)。
图15是示出用于对视频数据的当前块进行解码的示例方法的流程图。当前块可以包括当前CU。尽管是相对于视频解码器300(图1和4)来描述的，但是应当理解的是，其它设备可以被配置为执行与图15的方法类似的方法。
视频解码器300可以接收用于当前块的经熵译码的数据，比如经熵译码的预测信息和用于与当前块相对应的残差块的系数的经熵译码的数据(370)。视频解码器300可以对经熵译码的数据进行熵解码，以确定用于当前块的预测信息并且重现残差块的系数(372)。视频解码器300可以例如使用如由用于当前块的预测信息指示的帧内或帧间预测模式，来预测当前块(374)，以计算用于当前块的预测块。然后，视频解码器300可以对重现的系数进行逆扫描(376)，以创建经量化的变换系数的块。然后，视频解码器300可以对系数进行逆量化和逆变换以产生残差块(378)。如上文所讨论的，视频解码器300可以对指定使用了哪个LFNST(如果有的话)来对系数进行变换的语法元素(例如，LFNST索引)进行解码，并且使用所指示的LFNST来对系数进行逆变换。还如上文所讨论的，视频解码器300可以基于一个或多个参数，选择用于对语法元素进行解码的上下文。作为一个示例，视频解码器300可以使用下文参照图16讨论的技术来选择上下文。最终，视频解码器300可以通过将预测块和残差块进行组合来对当前块进行解码(380)。
图16是示出根据本公开内容的一种或多种技术的用于对指定针对视频数据单元的低频不可分离变换(LFNST)索引的值的语法元素进行上下文译码的示例方法的流程图。视频数据单元可以包括当前TU或当前CU。尽管是相对于视频解码器300(图1和4)来描述的，但是应当理解的是，其它设备可以被配置为执行与图16的方法类似的方法，比如视频编码器200。
视频解码器300可以确定视频数据单元的颜色分量(1602)。例如，视频解码器300可以确定视频数据的变换单元(TU)是亮度TU还是色度TU。作为一个具体示例，熵解码单元302可以确定针对视频数据单元的cIdx的值。
视频解码器300可以至少基于颜色分量来确定用于对指定针对视频数据单元的低频不可分离变换(LFNST)索引的值的语法元素进行上下文自适应二进制算术译码(CABAC)的上下文(1604)。例如，熵解码单元302可以确定用于lfnst_idx语法元素或tu_lfnst_idx语法元素的二进制符号的上下文增量(ctxInc)的值。如上文所讨论的并且根据本公开内容的一种或多种技术，熵解码单元302可以至少基于颜色分量(例如，cIdx的值)来确定上下文(例如，ctxInc的值)。以这种方式，熵解码单元302在对针对不同颜色分量的LFNST索引进行译码时可以使用不同的上下文。例如，熵解码单元302可以在对针对亮度分量的LFNST索引进行译码时使用第一上下文，并且在对针对色度分量的LFNST索引进行译码时使用第二不同的上下文。
熵解码单元302可以基于除了颜色分量之外或代替颜色分量的因素，来确定上下文。示例因素包括多变换选择(MTS)索引、块大小、非零变换系数的数量、单元的划分深度以及任何其它因素。
作为一个示例，熵解码单元302可以基于针对视频数据单元的多变换选择(MTS)索引的值来确定上下文。例如，对于视频数据单元，熵解码单元302可以获得MTS索引的值(例如，用于视频数据单元的tu_mts_idx的值)，并且至少部分地基于MTS索引的值来确定上下文。作为一个具体示例，熵解码单元302可以按如下所列来确定用于LFNST索引的上下文：
Figure BDA0003423358030000381
作为另一示例，熵解码单元302可以基于视频数据单元的块大小来确定上下文。例如，熵解码单元302可以确定视频数据单元的长度和/或宽度，并且至少部分地基于长度和/或宽度(例如，长度是否小于长度门限和/或宽度是否小于宽度门限)来确定上下文。
作为另一示例，熵解码单元302可以基于在视频数据单元的级别的非零变换系数的数量来确定上下文。例如，在视频数据单元是TU的情况下，熵解码单元302可以确定在TU级别的非零变换系数的数量，并且至少部分地基于所确定的在TU级别的非零变换系数的数量来确定上下文。
作为另一示例，熵解码单元302可以基于视频数据单元在划分结构中的深度来确定上下文。例如，在视频数据单元是TU的情况下，熵解码单元302可以确定TU在划分结构中的深度，并且至少部分地基于所确定的深度来确定上下文。
视频解码器300可以基于所确定的上下文并且经由针对视频数据单元的语法结构，来对指定用于视频数据单元的LFNST索引的值的语法元素进行CABAC解码(1606)。例如，熵解码单元302可以使用所确定的上下文来对lfnst_idx语法元素或tu_lfnst_idx语法元素的一个或多个二进制符号进行解码。熵解码单元302可以向视频解码器300的一个或多个组件(比如逆变换处理单元308)提供经解码的二进制符号。
在一些示例中，当视频数据单元是被包括在CU中的多个TU中的TU时，视频解码器300可以对针对每个TU的、指定针对该TU的LFNST索引的单独的语法元素进行解码。例如，当CU包括四个TU时，视频解码器300可以对四个语法元素进行解码，每个语法元素指定针对相应TU的LFNST索引。然而，在一些示例中，视频解码器300可以对指定针对CU的第一TU的LFNST索引的语法元素进行解码，并且推断针对在CU中的其它TU的LFNST索引。以这种方式，视频解码器300可以使得视频编码器200能够避免对针对每个和每TU的LFNST索引语法元素进行编码。
视频解码器300可以基于通过LFNST索引的值指示的变换，来对视频数据单元的变换系数进行变换(1608)。例如，逆变换处理单元308可以对从逆量化单元30接收的经去量化的变换系数进行逆变换。由逆变换处理单元308使用的逆变换可以是基于LFNST索引的值来选择的。例如，当指定用于视频数据单元的LFNST索引的值的语法元素指定值零时，逆变换处理单元308可以应用第一逆变换，当指定用于视频数据单元的LFNST索引的值的语法元素指定值一时，逆变换处理单元308可以应用第二逆变换，以及当指定用于视频数据单元的LFNST索引的值的语法元素指定值二时，逆变换处理单元308可以应用第三逆变换。
本公开内容的技术可以给出一个或多个优点。例如，基于颜色分量和MTS索引来选择上下文可以改善译码效率(例如，减少用于以相同感知质量表示视频数据的比特数量)。本公开内容的技术是在基于CTC配置的VTM-5.0上进行测试的。在表1和表2中给出针对AI和RA情况的这些结果。注意，在VTM-5.0中，对于在CTC配置中的低延迟B(LDB)和低延迟P(LDP)的情况，LFNST被禁用。
Figure BDA0003423358030000401
表1.在VTM5.0上基于CTC的AI结果
Figure BDA0003423358030000402
Figure BDA0003423358030000411
表2.在VTM5.0上基于CTC的RA结果
以下编号的示例可以示出本公开内容的一个或多个方面：
示例1A。一种对视频数据进行译码的方法，方法包括：针对视频数据的变换单元(TU)，获得低频不可分离变换(LFNST)索引或标志的值；以及在用于TU的语法结构中选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例2A。根据示例1A所述的方法，其中，选择性地对所获得的值进行上下文译码包括：对tu_lfnst_idx语法元素进行上下文译码。
示例3A。根据示例1A或2A所述的方法，还包括：针对TU，获得多变换选择(MTS)索引的值；以及在用于TU的语法结构中对所获得的MTS索引的值进行上下文译码。
示例4A。根据示例3A所述的方法，其中，对所获得的MTS索引的值进行上下文译码包括：对tu_mts_idx语法元素进行上下文译码。
示例5A。根据示例3A或4A所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：基于所获得的MTS索引的值来选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例6A。根据示例1A-5A中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：其中，基于TU的大小来选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例7A。根据示例1A-6A中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：其中，基于TU是亮度TU还是色度TU来选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例8A。根据示例1A-7A中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：其中，基于TU的深度来选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例9A。根据示例1A-8A中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：其中，基于在TU级别的非零变换系数的数量来选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例10A。根据示例1A-9A中任何示例所述的方法，其中，TU是在译码单元(CU)中的第一TU，方法还包括：基于针对第一TU的LFNST索引或标志的值，来推断针对在CU中的其它TU的LFNST索引或标志的值。
示例11A。根据示例1A-10A中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：推断LFNST索引或标志的值。
示例12A。根据示例1A-10A中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：使用上下文自适应二进制算术译码(CABAC)来选择性地对所获得的LFNST索引或标志的值进行译码。
示例1B。一种对视频数据进行译码的方法，方法包括：针对视频数据的译码单元(CU)，获得低频不可分离变换(LFNST)索引或标志的值；以及在针对CU的语法结构中选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例2B。根据示例1B所述的方法，其中，选择性地对所获得的值进行上下文译码包括：对lfnst_idx语法元素进行上下文译码。
示例3B。根据示例1B或2B中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：其中，基于CU是亮度CU还是色度CU来选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例4B。根据示例1B-3B中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：其中，基于在CU级别的非零变换系数的数量来选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例5B。根据示例1B-4B中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：其中，基于CU的大小来选择性地对所获得的LFNST索引或标志的值进行上下文译码。
示例6B。根据示例1B-5B中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：推断LFNST索引或标志的值。
示例7B。根据示例1B-6B中任何示例所述的方法，其中，选择性地对所获得的LFNST索引或标志的值进行上下文译码包括：使用上下文自适应二进制算术译码(CABAC)来选择性地对所获得的LFNST索引或标志的值进行译码。
示例1C。一种对视频数据进行译码的方法，方法包括：针对视频数据块，获得低频不可分离变换(LFNST)索引或标志的值；针对视频数据块，获得多变换选择(MTS)索引的值；以及在经译码的视频比特流中对表示所获得的LFNST索引或标志的值和所获得的MTS索引的值两者的语法元素进行上下文译码。
示例2C。根据示例1C所述的方法，其中，对语法元素进行上下文译码包括：使用上下文自适应二进制算术译码(CABAC)来对语法元素进行译码。
示例1D。根据示例1A-2C中任何示例所述的方法，其中，译码包括解码。
示例2D。根据示例1A-2C中任何示例所述的方法，其中，译码包括编码。
示例3D。一种用于对视频数据进行译码的设备，所述设备包括用于执行根据示例1-2D中任何示例所述的方法的一个或多个单元。
示例4D。根据示例3D所述的设备，其中，一个或多个单元包括在电路中实现的一个或多个处理器。
示例5D。根据示例3D和4D中任何示例所述的设备，还包括：用于存储视频数据的存储器。
示例6D。根据示例3D-5D中任何示例所述的设备，还包括：被配置为显示经解码的视频数据的显示器。
示例7D。根据示例3D-6D中任何示例所述的设备，其中，设备包括相机、计算机、移动设备、广播接收机设备或机顶盒中的一项或多项。
示例8D。根据示例3D-7D中任何示例所述的设备，其中，设备包括视频解码器。
示例9D。根据示例3D-8D中任何示例所述的设备，其中，设备包括视频编码器。
示例10D。一种具有存储在其上的指令的计算机可读存储介质，指令在被执行时使得一个或多个处理器执行根据示例1A-2D中任何示例所述的方法。
示例1E。示例1A-10D的任何组合。
要认识到的是，根据示例，本文描述的任何技术的某些动作或事件可以以不同的顺序执行，可以被添加、合并或完全省略(例如，并非所有描述的动作或事件对于所述技术的实践都是必要的)。此外，在某些示例中，动作或事件可以例如通过多线程处理、中断处理或多个处理器并发地而不是顺序地执行。
在一个或多个示例中，所描述的功能可以用硬件、软件、固件或其任何组合来实现。如果用软件来实现，则所述功能可以作为一个或多个指令或代码存储在计算机可读介质上或者通过计算机可读介质进行传输并且由基于硬件的处理单元执行。计算机可读介质可以包括计算机可读存储介质(其对应于比如数据存储介质之类的有形介质)或者通信介质(其包括例如根据通信协议来促进计算机程序从一个地方传送到另一地方的任何介质)。以这种方式，计算机可读介质通常可以对应于(1)非暂时性的有形计算机可读存储介质、或者(2)比如信号或载波之类的通信介质。数据存储介质可以是可以由一个或多个计算机或者一个或多个处理器访问以取回用于实现在本公开内容中描述的技术的指令、代码和/或数据结构的任何可用介质。计算机程序产品可以包括计算机可读介质。
通过示例而非限制的方式，这样的计算机可读存储介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、闪存、或者能够用于以指令或数据结构的形式存储期望的程序代码并且能够由计算机访问的任何其它介质。此外，任何连接被适当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤光缆、双绞线、数字用户线(DSL)或者无线技术(例如，红外线、无线电和微波)从网站、服务器或其它远程源传输的，则同轴电缆、光纤光缆、双绞线、DSL或者无线技术(例如，红外线、无线电和微波)被包括在介质的定义中。然而，应当理解的是，计算机可读存储介质和数据存储介质不包括连接、载波、信号或其它暂时性介质，而是替代地针对非暂时性的有形存储介质。如本文所使用的，磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘利用激光来光学地复制数据。上述各项的组合也应当被包括在计算机可读介质的范围内。
指令可以由一个或多个处理器来执行，比如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、或其它等效的集成或分立逻辑电路。因此，如本文所使用的术语“处理器”和“处理电路”可以指代前述结构中的任何结构或者适于实现本文描述的技术的任何其它结构。另外，在一些方面中，本文描述的功能可以在被配置用于编码和解码的专用硬件和/或软件模块内提供，或者被并入组合的编解码器中。此外，所述技术可以在一个或多个电路或逻辑元件中完全地实现。
本公开内容的技术可以在多种多样的设备或装置中实现，包括无线手机、集成电路(IC)或一组IC(例如，芯片组)。在本公开内容中描述各种组件、模块或单元以强调被配置为执行所公开的技术的设备的功能方面，但是不一定要求通过不同的硬件单元来实现。确切地说，如上文所描述的，各种单元可以被组合在编解码器硬件单元中，或者由可互操作的硬件单元的集合(包括如上文所描述的一个或多个处理器)结合适当的软件和/或固件来提供。
已经描述各个示例。这些示例和其它示例在所附的权利要求的范围内。

Claims (30)

1.一种对视频数据进行解码的方法，所述方法包括：
确定视频数据单元的颜色分量；
至少基于所述颜色分量，来确定用于对指定针对所述视频数据单元的低频不可分离变换(LFNST)索引的值的语法元素进行上下文自适应二进制算术译码(CABAC)的上下文；
基于所确定的上下文并且经由针对所述视频数据单元的语法结构，来对指定针对所述视频数据单元的所述LFNST索引的所述值的所述语法元素进行CABAC解码；以及
基于通过所述LFNST索引的所述值指示的变换，来对所述视频数据单元的变换系数进行逆变换。
2.根据权利要求1所述的方法，还包括：
针对所述视频数据单元，获得多变换选择(MTS)索引的值，
其中，确定所述上下文包括：基于所述MTS索引的所述值来确定所述上下文。
3.根据权利要求1所述的方法，还包括：
确定所述视频数据单元的块大小，
其中，确定所述上下文包括：基于所述视频数据单元的所述块大小来确定所述上下文。
4.根据权利要求1所述的方法，还包括：
在所述视频数据单元的级别确定非零变换系数的数量，
其中，确定所述上下文包括：基于所述非零变换系数的数量来确定所述上下文。
5.根据权利要求1所述的方法，其中，所述视频数据单元是视频数据的译码单元(CU)。
6.根据权利要求1所述的方法，其中，所述视频数据单元是视频数据的变换单元(TU)。
7.根据权利要求6所述的方法，还包括：
确定所述TU在划分结构中的深度，
其中，确定所述上下文包括：基于所述TU的所述深度来确定所述上下文。
8.根据权利要求6所述的方法，其中，所述TU是在视频数据的译码单元(CU)中的第一TU，所述方法还包括：
基于针对所述第一TU的所述LFNST索引的所述值，来推断针对在所述CU中的其它TU的LFNST索引的值。
9.根据权利要求1所述的方法，其中，指定针对所述视频数据单元的所述LFNST索引的所述值的所述语法元素包括lfnst_idx语法元素或tu_lfnst_idx语法元素。
10.根据权利要求1所述的方法，其中，确定所述上下文包括：确定针对所述语法元素的二进制符号的ctxInc的值，所述ctxInc的所述值表示要应用于先前上下文的增量。
11.一种对视频数据进行编码的方法，所述方法包括：
从多个低频不可分离变换(LFNST)中选择具有LFNST索引的LFNST；
使用所述LFNST来对视频数据单元的变换系数进行变换；
确定所述视频数据单元的颜色分量；
至少基于所述颜色分量，来确定用于对指定针对所述视频数据单元的所述LFNST索引的所述值的语法元素进行上下文自适应二进制算术译码(CABAC)的上下文；以及
基于所确定的上下文并且经由针对所述视频数据单元的语法结构，来对指定针对所述视频数据单元的所述LFNST索引的所述值的所述语法元素进行CABAC编码。
12.根据权利要求11所述的方法，还包括：
针对所述视频数据单元，获得多变换选择(MTS)索引的值，
其中，确定所述上下文包括：基于所述MTS索引的所述值来确定所述上下文。
13.根据权利要求11所述的方法，还包括：
确定所述视频数据单元的块大小，
其中，确定所述上下文包括：基于所述视频数据单元的所述块大小来确定所述上下文。
14.根据权利要求11所述的方法，还包括：
在所述视频数据单元的级别确定非零变换系数的数量，
其中，确定所述上下文包括：基于所述非零变换系数的数量来确定所述上下文。
15.根据权利要求11所述的方法，其中，所述视频数据单元是视频数据的译码单元(CU)。
16.根据权利要求11所述的方法，其中，所述视频数据单元是视频数据的变换单元(TU)。
17.根据权利要求16所述的方法，还包括：
确定所述TU在划分结构中的深度，
其中，确定所述上下文包括：基于所述TU的所述深度来确定所述上下文。
18.根据权利要求16所述的方法，其中，所述TU是在视频数据的译码单元(CU)中的第一TU，所述方法还包括：
避免对指定针对在所述CU中的其它TU的LFNST索引的值的语法元素进行编码。
19.根据权利要求11所述的方法，其中，指定针对所述视频数据单元的所述LFNST索引的所述值的所述语法元素包括lfnst_idx语法元素或tu_lfnst_idx语法元素。
20.根据权利要求11所述的方法，其中，确定所述上下文包括：确定针对所述语法元素的二进制符号的ctxInc的值。
21.一种用于对视频数据进行译码的设备，所述设备包括：
存储器；以及
一个或多个处理器，其在电路中实现并且被配置为：
确定视频数据单元的颜色分量；
至少基于所述颜色分量，来确定用于对指定针对所述视频数据单元的低频不可分离变换(LFNST)索引的值的语法元素进行上下文自适应二进制算术译码(CABAC)的上下文；
基于所确定的上下文并且经由针对所述视频数据单元的语法结构，来对指定针对所述视频数据单元的所述LFNST索引的所述值的所述语法元素进行CABAC译码；以及
基于通过所述LFNST索引的所述值指示的变换，来对所述视频数据单元的变换系数进行变换。
22.根据权利要求21所述的设备，其中，所述一个或多个处理器还被配置为：
针对所述视频数据单元，获得多变换选择(MTS)索引的值，
其中，为了确定所述上下文，所述一个或多个处理器被配置为：基于所述MTS索引的所述值来确定所述上下文。
23.根据权利要求21所述的设备，其中，所述一个或多个处理器还被配置为：
确定所述视频数据单元的块大小，
其中，为了确定所述上下文，所述一个或多个处理器被配置为：基于所述视频数据单元的所述块大小来确定所述上下文。
24.根据权利要求21所述的设备，其中，所述一个或多个处理器还被配置为：
在所述视频数据单元的级别确定非零变换系数的数量，
其中，为了确定所述上下文，所述一个或多个处理器被配置为：基于所述非零变换系数的数量来确定所述上下文。
25.根据权利要求21所述的设备，其中，所述视频数据单元是视频数据的译码单元(CU)。
26.根据权利要求21所述的设备，其中，所述视频数据单元是视频数据的变换单元(TU)。
27.根据权利要求26所述的设备，其中，所述一个或多个处理器还被配置为：
确定所述TU在划分结构中的深度，
其中，为了确定所述上下文，所述一个或多个处理器被配置为：基于所述TU的所述深度来确定所述上下文。
28.根据权利要求26所述的设备，其中，所述TU是在视频数据的译码单元(CU)中的第一TU，并且其中，所述一个或多个处理器被配置为：
基于针对所述第一TU的所述LFNST索引的所述值，来推断针对在所述CU中的其它TU的LFNST索引的值。
29.根据权利要求21所述的设备，其中，指定针对所述视频数据单元的所述LFNST索引的所述值的所述语法元素包括lfnst_idx语法元素或tu_lfnst_idx语法元素。
30.根据权利要求21所述的设备，其中，为了确定所述上下文，所述一个或多个处理器被配置为：确定针对所述语法元素的二进制符号的ctxInc的值。
CN202080045458.2A 2019-06-21 2020-06-19 用于针对视频译码的低频不可分离变换信令的上下文建模 Pending CN114009049A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962864939P 2019-06-21 2019-06-21
US62/864,939 2019-06-21
US16/905,663 2020-06-18
US16/905,663 US11949870B2 (en) 2019-06-21 2020-06-18 Context modeling for low-frequency non-separable transformation signaling for video coding
PCT/US2020/038621 WO2020257570A1 (en) 2019-06-21 2020-06-19 Context modeling for low-frequency non-separable transformation signaling for video coding

Publications (1)

Publication Number Publication Date
CN114009049A true CN114009049A (zh) 2022-02-01

Family

ID=71528019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080045458.2A Pending CN114009049A (zh) 2019-06-21 2020-06-19 用于针对视频译码的低频不可分离变换信令的上下文建模

Country Status (7)

Country Link
US (1) US11949870B2 (zh)
EP (1) EP3987787A1 (zh)
KR (1) KR20220024050A (zh)
CN (1) CN114009049A (zh)
AU (1) AU2020297534A1 (zh)
BR (1) BR112021024812A2 (zh)
WO (1) WO2020257570A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102672759B1 (ko) * 2017-09-28 2024-06-05 삼성전자주식회사 부호화 방법 및 그 장치, 복호화 방법 및 그 장치
JP2021529462A (ja) 2018-06-29 2021-10-28 ヴィド スケール インコーポレイテッド アフィン動きモデルを基にしたビデオコーディングのためのアダプティブ制御点の選択
US11172211B2 (en) * 2019-04-04 2021-11-09 Tencent America LLC Method and apparatus for video coding
WO2020256344A1 (ko) * 2019-06-19 2020-12-24 엘지전자 주식회사 영상 코딩에서 변환 커널 세트를 나타내는 정보의 시그널링
CN117560507A (zh) 2019-09-21 2024-02-13 Lg电子株式会社 图像编码/解码设备以及发送数据的设备
US11228787B2 (en) * 2019-11-27 2022-01-18 Mediatek Inc. Signaling multiple transmission selection
WO2024112156A1 (ko) * 2022-11-24 2024-05-30 엘지전자 주식회사 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체
WO2024112172A1 (ko) * 2022-11-24 2024-05-30 엘지전자 주식회사 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체
WO2024112171A1 (ko) * 2022-11-24 2024-05-30 엘지전자 주식회사 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130114676A1 (en) * 2011-11-08 2013-05-09 Qualcomm Incorporated Context optimization for last significant coefficient position coding
US20150181214A1 (en) * 2012-07-16 2015-06-25 Samsung Electronics Co., Ltd. Video encoding method and video encoding apparatus and video decoding method and video decoding apparatus for signaling sao parameters
CN107465933A (zh) * 2011-10-31 2017-12-12 三星电子株式会社 确定上下文模型的方法和计算机可记录介质
US20180176587A1 (en) * 2016-12-21 2018-06-21 Arris Enterprises Llc Constrained position dependent intra prediction combination (pdpc)

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR122020004415B1 (pt) * 2010-04-13 2021-09-08 Ge Video Compression, Llc Codificação de mapas de significância e blocos de coeficiente de transformada
WO2012134246A2 (ko) * 2011-04-01 2012-10-04 엘지전자 주식회사 엔트로피 디코딩 방법 및 이를 이용하는 디코딩 장치
US20130003858A1 (en) * 2011-06-30 2013-01-03 Vivienne Sze Simplified Context Selection For Entropy Coding of Transform Coefficient Syntax Elements
US20140376611A1 (en) * 2013-06-21 2014-12-25 Qualcomm Incorporated Adaptive color transforms for video coding
WO2015051011A1 (en) * 2013-10-02 2015-04-09 Arris Enterprises, Inc. Modified hevc transform tree syntax
US10306229B2 (en) 2015-01-26 2019-05-28 Qualcomm Incorporated Enhanced multiple transforms for prediction residual
US10491922B2 (en) 2015-09-29 2019-11-26 Qualcomm Incorporated Non-separable secondary transform for video coding
US10448053B2 (en) 2016-02-15 2019-10-15 Qualcomm Incorporated Multi-pass non-separable transforms for video coding
US10349085B2 (en) 2016-02-15 2019-07-09 Qualcomm Incorporated Efficient parameter storage for compact multi-pass transforms
US10708164B2 (en) * 2016-05-03 2020-07-07 Qualcomm Incorporated Binarizing secondary transform index
US10972733B2 (en) 2016-07-15 2021-04-06 Qualcomm Incorporated Look-up table for enhanced multiple transform
KR20230125329A (ko) * 2016-10-10 2023-08-29 삼성전자주식회사 영상을 부호화/복호화 하는 방법 및 그 장치
CN110832865A (zh) * 2017-07-04 2020-02-21 三星电子株式会社 图像编码方法和设备以及图像解码方法和设备
US10863199B2 (en) 2018-03-26 2020-12-08 Qualcomm Incorporated Minimization of transform memory and latency via parallel factorizations
US10986340B2 (en) 2018-06-01 2021-04-20 Qualcomm Incorporated Coding adaptive multiple transform information for video coding
EP4216554A1 (en) * 2018-06-03 2023-07-26 LG Electronics Inc. Method and device for processing video signal by using reduced transform
US11240534B2 (en) 2019-04-05 2022-02-01 Qualcomm Incorporated Extended multiple transform selection for video coding

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107465933A (zh) * 2011-10-31 2017-12-12 三星电子株式会社 确定上下文模型的方法和计算机可记录介质
US20130114676A1 (en) * 2011-11-08 2013-05-09 Qualcomm Incorporated Context optimization for last significant coefficient position coding
US20150181214A1 (en) * 2012-07-16 2015-06-25 Samsung Electronics Co., Ltd. Video encoding method and video encoding apparatus and video decoding method and video decoding apparatus for signaling sao parameters
US20180176587A1 (en) * 2016-12-21 2018-06-21 Arris Enterprises Llc Constrained position dependent intra prediction combination (pdpc)

Also Published As

Publication number Publication date
AU2020297534A1 (en) 2022-01-20
US20200404276A1 (en) 2020-12-24
WO2020257570A1 (en) 2020-12-24
US11949870B2 (en) 2024-04-02
BR112021024812A2 (pt) 2022-01-25
EP3987787A1 (en) 2022-04-27
KR20220024050A (ko) 2022-03-03

Similar Documents

Publication Publication Date Title
CN113940069A (zh) 用于视频译码中的低频不可分离变换的变换和最后有效系数位置信令
US11949870B2 (en) Context modeling for low-frequency non-separable transformation signaling for video coding
CN112514386B (zh) 网格编解码量化系数编解码
CN113812157A (zh) 用于视频译码的基于置零模式的低频不可分离变换信号通知
CN113170162B (zh) 用于视频译码的共享候选列表和并行候选列表推导
US11128876B2 (en) Joint coefficient coding of transform skip and BDPCM mode for 4:4:4 color formats
WO2021061977A1 (en) Low-frequency non-separable transform (lfnst) simplifications
EP4082199A1 (en) Reference subpicture scaling ratios for subpictures in video coding
CN113545058A (zh) 用于变换跳过模式的系数译码
CN116508321A (zh) 视频译码期间基于联合分量神经网络的滤波
CN113557734A (zh) 视频译码中的系数域块差分脉冲译码调制
CN113597762A (zh) 视频译码中具有非线性自适应环路滤波器的固定滤波器
CN114731418A (zh) 联合色度残差视频译码
CN114424570A (zh) 用于视频编解码的变换单元设计
CN115315947A (zh) 视频译码中的低频不可分离变换处理
CN115349255A (zh) 视频译码中的低频不可分离变换索引信令
EP4082208A1 (en) Residual coding to support both lossy and lossless coding
CN114830673A (zh) 用于多个层的共享解码器图片缓冲器
CN113994705A (zh) 变换跳过残差译码中的二值化
CN116235498A (zh) 去块滤波器参数信令
CN114503590A (zh) 用信号发送针对变换跳过中的残差值的译码方案以进行视频译码
CN114175643A (zh) 调色板和预测模式信令
CN116458156A (zh) 视频译码中的基于上下文的变换索引信令
WO2021127402A1 (en) Coefficient group based restriction on multiple transform selection signaling in video coding
WO2020257557A1 (en) Maximum allowed block size for bdpcm mode

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination