| 1 |
1
비트스트림으로부터 현재블록의 정보, 및 상기 현재블록의 잔차 값들을 복호화하는 엔트로피 복호화부, 여기서, 상기 현재블록의 정보는, 상기 현재블록의 인트라 예측모드, 상기 현재블록의 높이, 너비 또는 종횡비, 상기 현재블록의 색상, 상기 현재블록이 포함된 픽처의 종류, 및 상기 현재블록의 양자화 파라미터를 포함함;상기 인트라 예측모드를 이용하여 상기 현재블록 주변의 복원 참조샘플들로부터 상기 현재블록에 대한 예측블록을 생성하는 인트라 예측부;상기 현재블록의 정보의 전부 또는 일부에 기초하여 적응적으로 딥러닝 기반 개선 모델을 선택하고, 상기 예측블록 및 상기 복원 참조샘플들로 구성된 입력 블록을 상기 선택된 개선 모델에 입력하여 개선 예측블록을 생성하는 예측신호 개선부; 및상기 개선 예측블록에 상기 잔차 값들을 가산하여 상기 현재블록의 복원블록을 생성하는 가산기를 포함하는 것을 특징으로 하는, 영상 복호화 장치
|
| 2 |
2
제1항에 있어서, 상기 예측신호 개선부는,상기 인트라 예측모드가 방향성 모드인지의 여부, 행렬 기반의 예측모드인지의 여부, 또는 광각 인트라 예측(WAIP, Wide-angel Intra Prediction)에 포함되는지 여부에 따라 적응적으로 상기 개선 모델을 선택하는 것을 특징으로 하는, 영상 복호화 장치
|
| 3 |
3
제1항에 있어서, 상기 예측신호 개선부는, 상기 인트라 예측모드가 방향성 모드인 경우, 상기 인트라 예측모드를 클러스터링(clustering)하여 수직 모드, 수평 모드, 및 대각선 모드 중 어느 클러스터에 포함되는지 여부에 따라 적응적으로 상기 개선 모델을 선택하는 것을 특징으로 하는, 영상 복호화 장치
|
| 4 |
4
제1항에 있어서, 상기 예측신호 개선부는, 상기 인트라 예측모드가 수직 방향 예측인지 수평 방향 예측인지에 따라 적응적으로 상기 개선 모델을 선택하는 것을 특징으로 하는, 영상 복호화 장치
|
| 5 |
5
제1항에 있어서, 상기 예측신호 개선부는, 상기 현재블록의 높이 또는 너비가 기설정된 임계값보다 큰지 여부에 따라 적응적으로 상기 개선 모델을 선택하는 것을 특징으로 하는, 영상 복호화 장치
|
| 6 |
6
제1항에 있어서, 상기 예측신호 개선부는, 상기 현재블록의 종횡비가 기설정된 임계값보다 큰지 여부에 따라 적응적으로 상기 개선 모델을 선택하는 것을 특징으로 하는, 영상 복호화 장치
|
| 7 |
7
제1항에 있어서, 상기 개선 모델은,전연결 레이어들(fully-connected layers)을 포함하는 딥러닝 네트워크이고, 학습용 블록들의 정보에 따라 사전에 적응적으로 트레이닝되는 것을 특징으로 하는, 영상 복호화 장치
|
| 8 |
8
제7항에 있어서, 상기 예측신호 개선부는, 상기 입력 블록을 일차원 벡터로 변경한 후, 상기 개선 모델에 입력하고, 상기 개선 모델에 의해 생성된 일차원 벡터를 상기 예측블록의 크기로 개조(reshape)하는 것을 특징으로 하는, 영상 복호화 장치
|
| 9 |
9
제7항에 있어서, 상기 예측신호 개선부는, 상기 예측블록 및 상기 복원 참조샘플들로 이용하여 (h+r)×(w+r) 크기의 입력 블록을 구성하되, 상기 h는 상기 현재블록의 높이이고, 상기 w는 상기 현재블록의 너비이며, 상기 r은 상단 복원 참조샘플들의 높이 또는 좌측 복원 참조샘플들의 너비를 나타내는 것을 특징으로 하는, 영상 복호화 장치
|
| 10 |
10
제9항에 있어서, 상기 예측신호 개선부는, 상기 인트라 예측모드가 수직 방향 예측인 경우, (h+r)×r 크기의 좌측 복원 참조샘플들, 및 h×w 크기의 예측블록을 이용하여 상기 입력 블록을 구성하고, 상기 인트라 예측모드가 수평 방향 예측인 경우, r×(w+r) 크기의 상단 복원 참조샘플들, 및 h×w 크기의 예측블록을 이용하여 상기 입력 블록을 구성하는 것을 특징으로 하는, 영상 복호화 장치
|
| 11 |
11
제7항에 있어서,상기 예측신호 개선부는, 상기 예측블록 및 상기 복원 참조샘플들로 이용하여 (h+rh)×(w+rw) 크기의 입력 블록을 구성하되, 상기 h는 상기 현재블록의 높이이고, 상기 w는 상기 현재블록의 너비이고, 상기 rh는 상단 복원 참조샘플들의 높이이며, 상기 rw는 좌측 복원 참조샘플들의 너비를 나타내는 것을 특징으로 하는, 영상 복호화 장치
|
| 12 |
12
제11항에 있어서, 상기 예측신호 개선부는, 상기 인트라 예측모드가 수직 방향 예측인 경우, 상기 rh가 상기 rw 이상이 되도록 상기 입력 블록을 구성하고, 상기 인트라 예측모드가 수평 방향 예측인 경우, 상기 rw가 상기 rh 이상이 되도록 상기 입력 블록을 구성하는 것을 특징으로 하는, 영상 복호화 장치
|
| 13 |
13
제7항에 있어서, 상기 예측신호 개선부는, 상기 인트라 예측모드가 방향성 모드인 경우, 상기 방향성 모드가 갖는 기울기에 따라 수평 방향 예측 또는 수직 방향 예측 중 가까운 쪽으로 매핑하는 것을 특징으로 하는, 영상 복호화 장치
|
| 14 |
14
영상 복호화 장치가 수행하는, 현재블록에 대한 인트라 예측을 수행하는 영상 복호화 방법에 있어서,비트스트림으로부터 상기 현재블록의 정보, 및 상기 현재블록의 잔차 값들을 복호화하는 단계, 여기서, 상기 현재블록의 정보는, 상기 현재블록의 인트라 예측모드, 상기 현재블록의 높이, 너비 또는 종횡비, 상기 현재블록의 색상, 상기 현재블록이 포함된 픽처의 종류, 및 상기 현재블록의 양자화 파라미터를 포함함;상기 인트라 예측모드를 이용하여 상기 현재블록 주변의 복원 참조샘플들로부터 상기 현재블록에 대한 예측블록을 생성하는 단계;상기 현재블록의 정보의 전부 또는 일부에 기초하여 적응적으로 딥러닝 기반 개선 모델을 선택하고, 상기 예측블록 및 상기 복원 참조샘플들로 구성된 입력 블록을 상기 선택된 개선 모델에 입력하여 개선 예측블록을 생성하는 단계; 및상기 개선 예측블록에 상기 잔차 값들을 가산하여 상기 현재블록의 복원블록을 생성하는 단계를 포함하는 것을 특징으로 하는, 영상 복호화 방법
|
| 15 |
15
영상 부호화 장치가 수행하는, 현재블록에 대한 인트라 예측을 수행하는 영상 부호화 방법에 있어서,상위 레벨로부터 상기 현재블록의 정보를 획득하는 단계, 여기서, 상기 현재블록의 정보는, 상기 현재블록의 인트라 예측모드, 상기 현재블록의 높이, 너비 또는 종횡비, 상기 현재블록의 색상, 상기 현재블록이 포함된 픽처의 종류, 및 상기 현재블록의 양자화 파라미터를 포함함;상기 인트라 예측모드를 이용하여 상기 현재블록 주변의 복원 참조샘플들로부터 상기 현재블록에 대한 예측블록을 생성하는 단계;상기 현재블록의 정보의 전부 또는 일부에 기초하여 적응적으로 딥러닝 기반 개선 모델을 선택하고, 상기 예측블록 및 상기 복원 참조샘플들로 구성된 입력 블록을 상기 선택된 개선 모델에 입력하여 개선 예측블록을 생성하는 단계; 및상기 현재블록으로부터 상기 개선 예측블록을 감산하여 잔차블록을 생성하는 단계를 포함하는 것을 특징으로 하는, 영상 부호화 방법
|
| 16 |
16
제15항에 있어서, 상기 개선 예측블록을 생성하는 단계는, 상기 인트라 예측모드가 수직 방향 예측인지 수평 방향 예측인지에 따라 적응적으로 상기 개선 모델을 선택하는 것을 특징으로 하는, 영상 부호화 방법
|
| 17 |
17
제15항에 있어서, 상기 개선 예측블록을 생성하는 단계는, 상기 현재블록의 높이 또는 너비가 기설정된 임계값보다 큰지 여부에 따라 적응적으로 상기 개선 모델을 선택하는 것을 특징으로 하는, 영상 부호화 방법
|
| 18 |
18
제15항에 있어서, 상기 개선 예측블록을 생성하는 단계는, 상기 현재블록의 종횡비가 기설정된 임계값보다 큰지 여부에 따라 적응적으로 상기 개선 모델을 선택하는 것을 특징으로 하는, 영상 부호화 방법
|
| 19 |
19
제15항에 있어서, 상기 개선 모델은,전연결 레이어들(fully-connected layers)을 포함하는 딥러닝 네트워크이고, 학습용 블록들의 정보에 따라 사전에 적응적으로 트레이닝되는 것을 특징으로 하는, 영상 부호화 방법
|
