[发明专利]共享候选列表在审
申请号: | 201980053460.1 | 申请日: | 2019-08-16 |
公开(公告)号: | CN112567747A | 公开(公告)日: | 2021-03-26 |
发明(设计)人: | 陈俊嘉;徐志玮;庄子德;陈庆晔;黄毓文 | 申请(专利权)人: | 联发科技股份有限公司 |
主分类号: | H04N19/50 | 分类号: | H04N19/50 |
代理公司: | 北京市万慧达律师事务所 11111 | 代理人: | 赵赫文 |
地址: | 中国台湾新竹*** | 国省代码: | 台湾;71 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 共享 候选 列表 | ||
提供了一种视频编解码器,其使用共享的候选列表来对共享边界内的多个像素块进行编码或解码。视频编解码器识别包含视频序列中当前图片的多个像素块的共享边界。视频编解码器基于由共享边界定义的区域的相邻将一个或多个预测候选识别为共享候选列表。视频编解码器通过使用从共享候选列表中选择的一个或多个预测候选来对共享边界所包围的一个或多个像素块进行编解码。
【相关申请的交叉引用】
本申请是要求如下申请的优先权的非临时申请的一部分:2018年08月17日提出的申请号为62/719,175的美国临时专利申请案、2018年9月19日提出的申请号为62/733,101的美国临时专利申请案、2018年10月03日提出的申请号为62/740,430的美国临时专利申请案、2019年1月8日提出的申请号为62/789,566的美国临时专利申请案和2019年8月15日提出的申请号为16/541,627的美国专利申请案。且上述列出的申请的内容以引用方式整体并入本文中。
【技术领域】
本公开总体上涉及视频处理。更具体而言,本公开涉及使用共享候选列表来对共享边界内的多个像素块进行编码或解码的方法。
【背景技术】
除非本文另外指出,否则本节中描述的方法不是权利要求的现有技术,并且不被包括在本节中而被承认为现有技术。
高效视频编码(HEVC)是由视频编码联合协作团队(JCT-VC)开发的视频编码标准。在HEVC中,将编码图片分区(partitioned)为由编码树单元(CTU)表示的不重叠的正方形块区域。编码图片可以由切片的集合表示,每个切片包括整数个CTU。切片中的各个CTU按光栅扫描顺序进行处理。可以使用至多两个运动向量和参考索引来使用帧内预测或帧间预测来解码双向预测(bi-predictive)(B)切片,以预测每个块的采样值。仅使用帧内预测来对帧内(intra)(I)切片进行解码。使用帧内预测或帧间预测使用最多一个运动向量和参考索引来解码预测性(predictive)(P)切片,以预测每个块的采样值。
为每个编码单元(CU)指定一个或多个预测单元(PU)。预测单元与关联的CU语法一起,作为用于发信预测子信息的基本单元。应用指定的预测过程来预测PU内部相关像素采样的值。根据所选的PU类型,CU可以分为一个、两个或四个PU。HEVC定义了八种类型的分区,用于将CU划分为PU。
可以使用残差四叉树(RQT)结构进一步划分CU,以表示相关的预测残差信号。RQT的叶节点对应于结果转换单元(TU)。变换单元由大小为8x8、16x16或32x32的亮度采样的变换块(TB)或大小为4x4的四个亮度采样的变换块和4:2:0颜色格式的图片的色度采样的两个相应变换块组成。将整数变换应用于变换块,并且在比特流中对量化的系数值进行编码。最小和最大变换块大小在序列参数集中指定。
在HEVC中,术语编码树块(CTB)、编码块(CB)、预测块(PB)和变换块(TB)被定义为指代分别来自关联的CTU、CU、PU和TU的一种颜色分量的二维采样阵列。因此,CTU由一个亮度CTB、两个色度CTB和未使用三个单独色平面编码的颜色图片中的相关语法元素组成。发信的编码树划分通常应用于亮度块和色度块,尽管在遇到某些最小大小约束时也会有一些例外情况。
【发明内容】
以下发明内容仅是说明性的,而无意于以任何方式进行限制。即,提供以下概述以介绍本文描述的新颖和非显而易见的技术的概念、重点、益处和优点。在下面的详细描述中将进一步描述选择而非全部实现。因此,以下概述并非旨在标识所要求保护的主题的必要特征,也不旨在用于确定所要求保护的主题的范围。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于联发科技股份有限公司,未经联发科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201980053460.1/2.html,转载请声明来源钻瓜专利网。
- 上一篇:油性固态化妆品
- 下一篇:将循环人工神经网络中的活动特征化以及编码和解码信息