[go: up one dir, main page]

WO2020116456A1 - 動画像復号装置 - Google Patents

動画像復号装置 Download PDF

Info

Publication number
WO2020116456A1
WO2020116456A1 PCT/JP2019/047253 JP2019047253W WO2020116456A1 WO 2020116456 A1 WO2020116456 A1 WO 2020116456A1 JP 2019047253 W JP2019047253 W JP 2019047253W WO 2020116456 A1 WO2020116456 A1 WO 2020116456A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
unit
merge
mode
mmvd
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.)
Ceased
Application number
PCT/JP2019/047253
Other languages
English (en)
French (fr)
Inventor
中條　健
瑛一 佐々木
知典 橋本
友子 青野
知宏 猪飼
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.)
Sharp Corp
Original Assignee
Sharp Corp
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
Priority to CN202411121412.0A priority Critical patent/CN118828012A/zh
Priority to CN202411121391.2A priority patent/CN118764643A/zh
Priority to EP19893907.6A priority patent/EP3893508A4/en
Priority to CN201980080312.9A priority patent/CN113170186A/zh
Priority to US17/299,812 priority patent/US11412243B2/en
Priority to CN202411121404.6A priority patent/CN118784864A/zh
Application filed by Sharp Corp filed Critical Sharp Corp
Publication of WO2020116456A1 publication Critical patent/WO2020116456A1/ja
Anticipated expiration legal-status Critical
Priority to US17/859,079 priority patent/US12034951B2/en
Priority to US18/671,059 priority patent/US12355997B2/en
Priority to US19/221,841 priority patent/US20250294176A1/en
Ceased 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • 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
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • 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
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/109—Selection of coding mode or of prediction mode among a plurality of temporal predictive coding modes
    • 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
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
    • 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
    • H04N19/172—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 picture, frame or field
    • 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
    • H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
    • 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

Definitions

  • the embodiment of the present invention relates to a moving image decoding device and a moving image encoding device.
  • a moving image encoding device that generates encoded data by encoding the moving image, and a moving image that generates a decoded image by decoding the encoded data.
  • An image decoding device is used.
  • moving image coding methods include H.264/AVC and HEVC (High-Efficiency Video Coding) methods.
  • images (pictures) that make up a moving image are slices obtained by dividing the image, and coding tree units (CTU: Coding Tree Unit) obtained by dividing the slices. ), a coding unit obtained by dividing the coding tree unit (also referred to as a coding unit (Coding Unit: CU)), and a transform unit (TU: obtained by dividing the coding unit). It is managed by a hierarchical structure consisting of Transform Units) and is encoded/decoded for each CU.
  • CTU Coding Tree Unit
  • a predicted image is usually generated based on a locally decoded image obtained by coding/decoding an input image, and the predicted image is generated from the input image (original image).
  • the prediction error obtained by the subtraction also referred to as “difference image” or “residual image” is encoded.
  • inter prediction inter prediction
  • intra-screen prediction intra prediction
  • Non-Patent Documents 1 to 3 can be cited as recent video encoding and decoding technologies.
  • the embodiment of the present invention aims to realize an image decoding device and an image encoding device capable of suppressing a decrease in encoding efficiency when a high compression rate is realized.
  • a video decoding device is A parameter decoding unit that decodes parameters for generating a predicted image
  • the Merge with Motion Vector Difference (MMVD) mode When the Merge with Motion Vector Difference (MMVD) mode is used, it has a prediction unit that obtains a motion vector by adding the difference vector to the motion vector derived from the index of the merge candidate list, The parameter decoding unit decodes the skip flag indicating whether or not the prediction residual does not exist in the skip mode, When the skip flag does not indicate the skip mode, the merge flag indicating whether or not the merge mode is to obtain the motion vector information from the merge candidate is decoded, When the merge flag indicates the merge mode, the MMVD flag indicating whether or not the MMVD mode in which the motion vector information of the difference in the predetermined direction is obtained by decoding the motion vector information from the encoded data is decoded, When the MMVD flag indicates the MMVD mode, the index of the merge candidate list, the first index indicating the length of the difference vector, and the second index indicating the direction of the
  • a video decoding device is A parameter decoding unit that decodes parameters for generating a prediction image in the Merge with Motion Vector Difference (MMVD) mode
  • An MMVD prediction unit that obtains a motion vector of a merge candidate by adding a difference vector to a motion vector derived from the index of the merge candidate list
  • the parameter decoding unit decodes an index of the merge candidate list, a first index indicating a length of the difference vector, and a second index indicating a direction of the difference vector
  • the MMVD prediction unit derives the motion vector of the merge candidate from the index of the merge candidate list, If the merge candidate is bi-prediction, derive a first vector from the first index and the second index, When the distance between the target picture and the first picture is larger than the distance between the target picture and the second picture, the first difference vector between the target block on the target picture and the first picture is added to the first difference vector.
  • a vector is set and the first difference vector is scaled to derive a second
  • FIG. 1 It is a schematic diagram showing the composition of the image transmission system concerning this embodiment. It is the figure which showed the structure of the transmission apparatus which mounts the moving image encoding apparatus which concerns on this embodiment, and the receiving apparatus which mounts the moving image decoding apparatus.
  • (a) shows a transmitter equipped with a moving picture coding device
  • (b) shows a receiver equipped with a moving picture decoding device.
  • (a) shows a recording device equipped with a moving image encoding device
  • (b) shows a reproducing device equipped with a moving image decoding device.
  • FIG. 11 is a diagram showing an example of an index used in the MMVD mode
  • (a) is a diagram showing an example of an index base_candidate_idx showing a merge candidate of the merge candidate list mergeCandList[]
  • (b) is a diagram showing an adjacent to the target block.
  • FIG. 4C is a diagram showing an example of a block
  • FIG. 7C is a diagram showing an example of distance_idx
  • FIG. 7D is a diagram showing an example of direction_idx. It is a figure which shows an example of the number of candidates of a search distance and the number of candidates of a derivation direction in a moving image encoding device.
  • FIG. 1 is a schematic diagram showing the configuration of the image transmission system 1 according to the present embodiment.
  • the image transmission system 1 is a system that transmits an encoded stream obtained by encoding an encoding target image, decodes the transmitted encoded stream, and displays an image.
  • the image transmission system 1 is configured to include a moving image encoding device (image encoding device) 11, a network 21, a moving image decoding device (image decoding device) 31, and a moving image display device (image display device) 41. ..
  • the image T is input to the moving image encoding device 11.
  • the network 21 transmits the encoded stream Te generated by the moving image encoding device 11 to the moving image decoding device 31.
  • the network 21 is the Internet, a wide area network (WAN: Wide Area Network), a small network (LAN: Local Area Network), or a combination thereof.
  • the network 21 is not necessarily a bidirectional communication network, but may be a unidirectional communication network that transmits broadcast waves such as terrestrial digital broadcasting and satellite broadcasting. Further, the network 21 may be replaced with a storage medium such as a DVD (Digital Versatile Disc: registered trademark) or a BD (Blue-ray Disc: registered trademark) that records an encoded stream Te.
  • the moving image decoding device 31 decodes each of the encoded streams Te transmitted by the network 21 and generates one or a plurality of decoded images Td.
  • the moving image display device 41 displays all or part of one or more decoded images Td generated by the moving image decoding device 31.
  • the moving image display device 41 includes a display device such as a liquid crystal display or an organic EL (Electro-luminescence) display.
  • the form of the display includes stationary, mobile, HMD and the like.
  • the video decoding device 31 has high processing capability, it displays an image with high image quality, and when it has only lower processing capability, it displays an image that does not require high processing capability or display capability. ..
  • X?y:z is a ternary operator that takes y when x is true (other than 0) and z when x is false (0).
  • Abs(a) is a function that returns the absolute value of a.
  • Int(a) is a function that returns the integer value of a.
  • Floor(a) is a function that returns the largest integer less than or equal to a.
  • Ceil(a) is a function that returns the smallest integer greater than or equal to a.
  • A/d represents division of a by d (rounding down after the decimal point).
  • Sign(a) is a function that returns the sign of a.
  • a ⁇ b represents a raised to the power b.
  • FIG. 4 is a diagram showing a hierarchical structure of data in the encoded stream Te.
  • the coded stream Te illustratively includes a sequence and a plurality of pictures forming the sequence.
  • 4A to 4F are a coded video sequence defining the sequence SEQ, a coded picture defining the picture PICT, a coded slice defining the slice S, and a coded slice defining the slice data, respectively. It is a figure which shows the data, the coding tree unit contained in coding slice data, and the coding unit contained in a coding tree unit.
  • the encoded video sequence In the encoded video sequence, a set of data referred to by the moving picture decoding apparatus 31 in order to decode the sequence SEQ to be processed is defined. As shown in FIG. 4(a), the sequence SEQ includes a video parameter set (Video Parameter Set), a sequence parameter set SPS (Sequence Parameter Set), a picture parameter set PPS (Picture Parameter Set), a picture PICT, and additional extension.
  • Information SEI Supplemental Enhancement Information
  • the video parameter set VPS is a set of coding parameters common to a plurality of moving pictures in a moving picture composed of a plurality of layers and a plurality of layers included in the moving picture and coding parameters related to individual layers. Sets are defined.
  • the sequence parameter set SPS defines a set of coding parameters that the moving image decoding apparatus 31 refers to in order to decode the target sequence. For example, the width and height of the picture are specified. There may be a plurality of SPSs. In that case, one of the plurality of SPSs is selected from the PPS.
  • the picture parameter set PPS defines a set of coding parameters that the video decoding device 31 refers to in order to decode each picture in the target sequence. For example, a quantization width reference value (pic_init_qp_minus26) used for decoding a picture and a flag (weighted_pred_flag) indicating application of weighted prediction are included. There may be a plurality of PPSs. In that case, one of the plurality of PPSs is selected from each picture in the target sequence.
  • the coded picture defines a set of data that the moving picture decoding apparatus 31 refers to in order to decode the picture PICT to be processed. As shown in FIG. 4(b), the picture PICT includes slice 0 to slice NS-1 (NS is the total number of slices included in the picture PICT).
  • Encoding slice In the encoded slice, a set of data referred to by the video decoding device 31 in order to decode the slice S to be processed is defined.
  • the slice contains a slice header and slice data, as shown in FIG. 4(c).
  • the slice header includes a group of coding parameters that the video decoding device 31 refers to in order to determine the decoding method for the target slice.
  • the slice type designation information (slice_type) that designates the slice type is an example of an encoding parameter included in the slice header.
  • the slice types that can be designated by the slice type designation information include (1) an I-slice that uses only intra-prediction during encoding, (2) a unidirectional-prediction during encoding, or a P-slice that uses intra-prediction. (3) B slices using unidirectional prediction, bidirectional prediction, or intra prediction at the time of encoding are included. Note that inter prediction is not limited to uni-prediction and bi-prediction, and a larger number of reference pictures may be used to generate a prediction image.
  • P and B slices they refer to slices including blocks that can use inter prediction.
  • the slice header may include a reference (pic_parameter_set_id) to the picture parameter set PPS.
  • the encoded slice data defines a set of data that the moving image decoding apparatus 31 refers to in order to decode the slice data to be processed.
  • the slice data includes a CTU as shown in FIG. 4(d).
  • the CTU is a fixed-size (eg, 64x64) block that constitutes a slice, and is sometimes referred to as the maximum coding unit (LCU).
  • CTU is the basic coding process by recursive quadtree partition (QT (Quad Tree) partition), binary tree partition (BT (Binary Tree) partition) or ternary tree partition (TT (Ternary Tree) partition). It is divided into coding units CU, which are the basic units.
  • the BT partition and the TT partition are collectively called a multi-tree partition (MT (Multi Tree) partition).
  • MT Multi Tree partition
  • a tree-structured node obtained by recursive quadtree partitioning is called a coding node.
  • Intermediate nodes of the quadtree, the binary tree, and the ternary tree are coding nodes, and the CTU itself is also defined as the uppermost coding node.
  • a QT split flag indicating whether to perform QT split
  • an MT split flag indicating the presence or absence of MT split
  • an MT split direction indicating the split direction of MT split
  • the MT split type indicating the split type of MT split is included.
  • qt_split_cu_flag, mtt_split_cu_flag, mtt_split_cu_vertical_flag, mtt_split_cu_binary_flag are transmitted for each coding node.
  • Figure 5 is a diagram showing an example of CTU division.
  • qt_split_cu_flag 1
  • the coding node is divided into four coding nodes (FIG. 5(b)).
  • the coding node is not split and has one CU as a node (Fig. 5(a)).
  • the CU is the end node of the coding node and is not further divided.
  • the CU is a basic unit of encoding processing.
  • mtt_split_cu_flag When mtt_split_cu_flag is 1, the coding node is MT-split as follows. When mtt_split_cu_vertical_flag is 0 and mtt_split_cu_binary_flag is 1, the coding node is horizontally divided into two coding nodes (Fig. 5(d)), and when mtt_split_cu_vertical_flag is 1 and mtt_split_cu_binary_flag is 1, two coding nodes are coded. It is vertically divided into the digitized nodes (Fig. 5(c)).
  • the CU size is 64x64 pixels, 64x32 pixels, 32x64 pixels, 32x32 pixels, 64x16 pixels, 16x64 pixels, 32x16 pixels, 16x32 pixels, 16x16 pixels, 64x8 pixels, 8x64 pixels.
  • the CU includes a CU header CUH, a prediction parameter, a conversion parameter, a quantized conversion coefficient, and the like.
  • the prediction mode etc. are specified in the CU header.
  • Prediction processing may be performed in CU units or in sub CU units obtained by further dividing CUs.
  • the CU and the sub CU have the same size, there is one sub CU in the CU. If the CU is larger than the size of the sub CU, the CU is divided into sub CUs. For example, if the CU is 8x8 and the sub-CU is 4x4, the CU is divided into four sub-CUs, which are divided into two horizontally and vertically.
  • Intra-prediction refers to prediction within the same picture
  • inter-prediction refers to prediction processing performed between different pictures (for example, between display times).
  • Transform/quantization processing is performed in CU units, but quantized transform coefficients may be entropy coded in 4x4 subblock units.
  • the predicted image is derived from the prediction parameters associated with the block.
  • the prediction parameters include intra prediction and inter prediction parameters.
  • the inter prediction parameter is composed of prediction list use flags predFlagL0 and predFlagL1, reference picture indexes refIdxL0 and refIdxL1, and motion vectors mvL0 and mvL1.
  • the prediction list use flags predFlagL0 and predFlagL1 are flags indicating whether or not reference picture lists called L0 list and L1 list are used, and the reference picture list corresponding to a value of 1 is used.
  • a flag indicating whether it is XX when it is referred to as “a flag indicating whether it is XX”, a flag other than 0 (for example, 1) is XX, 0 is not XX, and logical negation, logical product, etc. Treat 1 as true and 0 as false (same below).
  • other values can be used as the true value and the false value.
  • Syntax elements for deriving inter prediction parameters include, for example, affine flag affine_flag, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX, motion vector accuracy.
  • affine flag affine_flag merge flag merge_flag
  • merge index merge_idx merge_idx
  • inter prediction identifier inter_pred_idc reference picture index refIdxLX
  • prediction vector index mvp_LX_idx prediction vector index mvp_LX_idx
  • difference vector mvdLX motion vector accuracy.
  • the reference picture list is a list of reference pictures stored in the reference picture memory 306.
  • FIG. 6 is a conceptual diagram showing an example of a reference picture and a reference picture list.
  • a rectangle is a picture
  • an arrow is a picture reference relationship
  • a horizontal axis is time
  • I, P, and B in the rectangle are intra pictures
  • uni-predictive pictures bi-predictive pictures
  • numbers in the rectangle are decoded. Show the order.
  • the decoding order of pictures is I0, P1, B2, B3, B4, and the display order is I0, B3, B2, B4, P1.
  • FIG. 6B shows an example of the reference picture list of the picture B3 (target picture).
  • the reference picture list is a list showing candidates for reference pictures, and one picture (slice) may have one or more reference picture lists.
  • the target picture B3 has two reference picture lists, an L0 list RefPicList0 and an L1 list RefPicList1.
  • LX is a description method used when the L0 prediction and the L1 prediction are not distinguished, and hereinafter, the parameters for the L0 list and the parameters for the L1 list are distinguished by replacing LX with L0 and L1.
  • the prediction parameter decoding (encoding) methods include a merge prediction (merge) mode and an AMVP (Advanced Motion Vector Prediction) mode, and the merge flag merge_flag is a flag for identifying these.
  • the merge prediction mode is a mode in which the prediction list use flag predFlagLX (or inter prediction identifier inter_pred_idc), the reference picture index refIdxLX, and the motion vector mvLX are not included in the encoded data but are derived from the prediction parameters of the already processed neighboring blocks and used. is there.
  • the AMVP mode is a mode in which the inter prediction identifier inter_pred_idc, the reference picture index refIdxLX, and the motion vector mvLX are included in the encoded data.
  • the motion vector mvLX is encoded as a prediction vector index mvp_LX_idx for identifying the prediction vector mvpLX, a difference vector mvdLX, and a motion vector precision mode amvr_mode.
  • the merge prediction mode is a mode in which merge candidates derived from motion information of adjacent blocks are selected to obtain a motion vector mvLX (motion vector information).
  • the merge prediction mode there may be a skip mode identified by a skip flag skip_flag.
  • the skip mode is a mode in which a prediction parameter is derived and used by the same method as the merge mode, and a prediction error (residual image, residual information) is not included in encoded data.
  • the skip flag skip_flag is 1, only the relevant skip flag skip_flag and the syntax related to the merge mode such as merge index merge_idx are included in the target CU, and the motion vector and the residual information are included in the encoded data. I can't.
  • the motion vector mvLX indicates the shift amount between blocks on two different pictures.
  • the prediction vector and the difference vector regarding the motion vector mvLX are called the prediction vector mvpLX and the difference vector mvdLX, respectively.
  • inter_pred_idc is a value indicating the type and number of reference pictures, and takes any value of PRED_L0, PRED_L1, and PRED_BI.
  • PRED_L0 and PRED_L1 indicate uni-prediction using one reference picture managed in the L0 list and the L1 list, respectively.
  • PRED_BI indicates bi-prediction BiPred using two reference pictures managed by the L0 list and the L1 list.
  • the merge index merge_idx is an index that indicates which prediction parameter is used as the prediction parameter of the target block among the prediction parameter candidates (merge candidates) derived from the blocks that have been processed.
  • inter_pred_idc The relationship between the inter prediction identifier inter_pred_idc and the prediction list use flags predFlagL0 and predFlagL1 is as follows and can be converted mutually.
  • the flag biPred indicating whether it is bi-prediction BiPred can be derived depending on whether the two prediction list use flags are both 1. For example, it can be derived by the following formula.
  • the flag biPred can be derived depending on whether the inter prediction identifier is a value indicating that two prediction lists (reference pictures) are used. For example, it can be derived by the following formula.
  • the configuration of the moving picture decoding device 31 (FIG. 7) according to the present embodiment will be described.
  • the moving image decoding device 31 includes an entropy decoding unit 301, a parameter decoding unit 302, a loop filter 305, a reference picture memory 306, a prediction parameter memory 307, a prediction image generation unit (prediction image generation device) 308, an inverse quantization/inverse conversion unit. 311 and an adding unit 312 are included. It should be noted that there is a configuration in which the moving image decoding device 31 does not include the loop filter 305 in accordance with the moving image encoding device 11 described later.
  • the parameter decoding unit 302 further includes a header decoding unit 3020, a CT information decoding unit 3021, and a CU decoding unit 3022 (prediction mode decoding unit), which are not shown, and the CU decoding unit 3022 further includes a TU decoding unit 3024. ing. These may be collectively referred to as a decoding module.
  • the header decoding unit 3020 decodes the parameter set information such as VPS, SPS, PPS and the slice header (slice information) from the encoded data.
  • the CT information decoding unit 3021 decodes the CT from the encoded data.
  • the CU decoding unit 3022 decodes the CU from the encoded data.
  • the TU decoding unit 3024 decodes the QP update information (quantization correction value) and the quantized prediction error (residual_coding) from the encoded data when the TU includes a prediction error.
  • the parameter decoding unit 302 is configured to include an inter prediction parameter decoding unit 303 and an intra prediction parameter decoding unit 304 (not shown).
  • the predicted image generation unit 308 includes an inter predicted image generation unit 309 and an intra predicted image generation unit 310.
  • processing is not limited to this example, and processing may be performed in sub CU units.
  • the CTU and CU may be read as a block and the sub CU as a sub block, and the processing may be performed in block or sub block units.
  • the entropy decoding unit 301 performs entropy decoding on the coded stream Te input from the outside, and decodes each code (syntax element).
  • the decoded code includes prediction information for generating a prediction image and prediction error for generating a difference image.
  • the entropy decoding unit 301 outputs the decoded code to the parameter decoding unit 302.
  • the decoded code is, for example, predMode, merge_flag, merge_idx, inter_pred_idc, refIdxLX, mvp_LX_idx, mvdLX, amvr_mode. Control of which code is decoded is performed based on an instruction from the parameter decoding unit 302.
  • the inter prediction parameter decoding unit 303 decodes the inter prediction parameter based on the code input from the entropy decoding unit 301 with reference to the prediction parameter stored in the prediction parameter memory 307. Further, the inter prediction parameter decoding unit 303 outputs the decoded inter prediction parameter to the prediction image generation unit 308 and stores it in the prediction parameter memory 307.
  • FIG. 8 is a schematic diagram showing the configuration of the inter prediction parameter decoding unit 303 according to the present embodiment.
  • the inter prediction parameter decoding unit 303 includes a merge prediction unit 30374, a DMVR unit 30375, a sub-block prediction unit (affine prediction unit) 30372, an MMVD prediction unit 30376, a Triangle prediction unit 30377, an AMVP prediction parameter derivation unit 3032, and an addition unit 3038.
  • the merge prediction unit 30374 includes a merge prediction parameter derivation unit 3036.
  • the AMVP prediction parameter derivation unit 3032, the merge prediction parameter derivation unit 3036, and the affine prediction unit 30372 are means common to the moving image coding device and the moving image decoding device, they are collectively referred to as the motion vector derivation unit (motion vector It may be referred to as a derivation device).
  • the affine prediction unit 30372 derives the affine prediction parameter of the target block.
  • the motion vectors (mv0_x, mv0_y) (mv1_x, mv1_y) of the two control points (V0, V1) of the target block are derived as affine prediction parameters.
  • the motion vector of each control point may be derived by predicting from the motion vector of the block adjacent to the target block, or derived from the prediction vector derived as the motion vector of the control point and the encoded data.
  • the motion vector of each control point may be derived from the sum of the difference vectors.
  • FIG. 10 shows an example of deriving the motion vector spMvLX of each sub-block forming the target block (bW ⁇ bH) from the motion vector (mv0_x, mv0_y) of the control point V0 and the motion vector (mv1_x, mv1_y) of V1. It is a figure.
  • the motion vector spMvLX of each sub-block is derived as a motion vector for each point located at the center of each sub-block, as shown in the figure.
  • spMvLX[xi][yi][0] mv0_x+(mv1_x-mv0_x)/bW*(xi+sbW/2)-(mv1_y-mv0_y)/bH*(yi+sbH/2)
  • spMvLX[xi][yi][1] mv0_y+(mv1_y-mv0_y)/bW*(xi+sbW/2)+(mv1_x-mv0_x)/bH*(yi+sbH/2) (Merge prediction) FIG.
  • the merge prediction parameter derivation unit 3036 includes a merge candidate derivation unit 30361 and a merge candidate selection unit 30362.
  • the merge candidate is configured to include the prediction list use flag predFlagLX, the motion vector mvLX, and the reference picture index refIdxLX, and is stored in the merge candidate list.
  • An index is assigned to the merge candidates stored in the merge candidate list according to a predetermined rule.
  • the merge candidate derivation unit 30361 derives a merge candidate by using the motion vector of the decoded adjacent block and the reference picture index refIdxLX as they are.
  • the order of storing in the merge candidate list mergeCandList[] is, for example, spatial merge candidates A1, B1, B0, A0, B2, temporal merge candidate Col, pairwise merge candidate avgK, and zero merge candidate ZK. Reference blocks that are not available (blocks are intra-predicted, etc.) are not stored in the merge candidate list.
  • the merge candidate selection unit 30362 selects the merge candidate N indicated by the merge index merge_idx from the merge candidates included in the merge candidate list using the following formula.
  • N mergeCandList[merge_idx]
  • N is a label indicating a merge candidate, and takes A1, B1, B0, A0, B2, Col, avgK, ZK and the like.
  • the motion information of the merge candidate indicated by the label N is indicated by predFlagLXN, refIdxLXN.
  • the merge candidate selection unit 30362 selects the motion information (mvLXN[0], mvLXN[1]) of the selected merge candidate and predFlagLXN, refIdxLXN as the inter prediction parameters of the target block.
  • the merge candidate selection unit 30362 stores the inter prediction parameter of the selected merge candidate in the prediction parameter memory 307 and outputs it to the predicted image generation unit 308.
  • FIG. 9(b) is a schematic diagram showing the configuration of the AMVP prediction parameter derivation unit 3032 according to this embodiment.
  • the AMVP prediction parameter derivation unit 3032 includes a vector candidate derivation unit 3033 and a vector candidate selection unit 3034.
  • the vector candidate derivation unit 3033 derives a prediction vector candidate from the motion vector mvLX of the decoded adjacent block stored in the prediction parameter memory 307 based on the reference picture index refIdxLX, and stores it in the prediction vector candidate list mvpListLX[].
  • the vector candidate selecting unit 3034 selects the motion vector mvpListLX[mvp_LX_idx] indicated by the prediction vector index mvp_LX_idx from the prediction vector candidates in the prediction vector candidate list mvpListLX[] as the prediction vector mvpLX.
  • the vector candidate selection unit 3034 outputs the selected prediction vector mvpLX to the addition unit 3038.
  • Prediction vector candidates are derived by scaling the motion vector of the decoded adjacent block in a predetermined range from the target block.
  • the adjacent block includes a block spatially adjacent to the target block, for example, the left block and the upper block, and a region temporally adjacent to the target block, for example, the same position as the target block, and the display time is different. It includes the region obtained from the prediction parameters of the block.
  • the addition unit 3038 adds the prediction vector mvpLX input from the AMVP prediction parameter derivation unit 3032 and the decoded difference vector mvdLX to calculate the motion vector mvLX.
  • the addition unit 3038 outputs the calculated motion vector mvLX to the prediction image generation unit 308 and the prediction parameter memory 307.
  • the parameter decoding unit 302 may further derive mvdLX[] before being shifted by the MvShift by decoding the following syntax. ⁇ Abs_mvd_greater0_flag ⁇ Abs_mvd_minus2 ⁇ Mvd_sign_flag Then, the parameter decoding unit 302 decodes the difference vector 1Mvd[] from the syntax by using the following formula.
  • lMvd[compIdx] abs_mvd_greater0_flag[compIdx] * (abs_mvd_minus2[compIdx]+2) * (1-2*mvd_sign_flag[compIdx])
  • Motion vector Mv reference motion vector
  • picture PicMv containing a block with Mv
  • reference picture PicMvRef of Mv scaled motion vector sMv
  • picture CurPic containing a block with sMv
  • reference picture CurPicRef referenced by sMv
  • the derivation function MvScale(Mv,PicMv,PicMvRef,CurPic,CurPicRef) of sMv is expressed by the following equation.
  • distScaleFactor Clip3(-R2,R2-1,(tb*tx+round2)>>shift2)
  • tb DiffPicOrderCnt(CurPic,CurPicRef)
  • DiffPicOrderCnt(Pic1,Pic2) is a function that returns the difference between the time information (for example, POC) between Pic1 and Pic2.
  • scaling function MvScale(Mv,PicMv,PicMvRef,CurPic,CurPicRef) may be the following formula.
  • MvScale(Mv,PicMv,PicMvRef,CurPic,CurPicRef) Mv*DiffPicOrderCnt(CurPic,CurPicRef)/DiffPicOrderCnt(PicMv,PicMvRef) That is, Mv may be scaled according to the ratio of the difference in time information between CurPic and CurPicRef and the difference in time information between PicMv and PicMvRef.
  • the DMVR unit 30375 corrects the motion vector mvLX of the target CU derived by the merge prediction unit 30374 using the reference image when the following conditions are satisfied for the target CU.
  • -Merge_flag indicates that the merge mode or skip_flag applies the skip mode to the target CU.
  • the target CU is bi-predictive. -The following equation is satisfied for the reference picture (two reference pictures in opposite directions to the target picture and at the same POC distance (POC difference) from the target picture).
  • POC_current-POC0 POC1-POC_current -The size of the target CU is larger than the specified value. For example, the sum of CU width and height is greater than 12.
  • the DMVR process consists of the following steps.
  • Step 0 Get the initial vector pointed to by the merge index. At this time, the value of the motion vector is rounded off to be an integer, which is used as an initial integer vector.
  • Step 1 Find the average value of the pixel values of the block at the search point.
  • Step 2 Calculate the MRSAD cost of the point indicated by the motion vector (initial vector) of the merge candidate and the points near the four points to find the point with the lowest cost.
  • Step 3 Calculate the MRSAD cost of the point where the cost in Step 2 is the minimum and its 8 neighboring points, find the point where the cost is the minimum, and set the initial vector (which is not an integer) to the minimum
  • the pixel is corrected by an integer number of pixels to obtain a refined motion vector.
  • Step 4 If the motion vector is not changed from the initial integer vector in steps 2 and 3, an error surface equation is used to obtain a refinement refinement motion vector.
  • Step 5 Based on the refinement motion vector, an 8-tap interpolation filter is used to obtain the final predicted image.
  • the MRSAD cost is calculated by the following formula.
  • MRSAD ⁇ abs(Temp_L0[xi][yi]-Temp_L1[xi][yi]-AVE(Temp_L0)+AVE(Temp_L1))
  • AVE(Temp_L1) ⁇ Temp_L1[xi][yi]/(BH*BW) Is.
  • BH is the number of pixels in the vertical direction of the block
  • BW is the number of pixels in the horizontal direction of the block.
  • E(x,y) A(x-x0) ⁇ 2+ B(y-y0) ⁇ 2+C
  • the cost of four neighboring positions (-1,0), (0,-1), (1,0), (0,1) with the point pointed by the initial vector as the center (0,0) is E( (X0,y0) is derived as -1,0), E(0,-1), E(1,0), and E(0,1).
  • x0 (E(-1,0)-E(1,0))/(2(E(-1,0)+E(1,0)-2E(0,0)))
  • y0 (E(0,-1)-E(0,1))/(2(E(0,-1)+E(0,1)-2E(0,0)))
  • the refinement motion vectors mvL0′ and mvL1′ and the pre-refinement motion vectors mvL0 and mvL1 satisfy the following equations.
  • mvL0'-mvL0 mvL1-mvL1'
  • the refinement motion vector mvLX is supplied to the inter prediction image generation unit 309.
  • the refinement motion vector mvLX may be used for deblocking motion and temporal motion vector prediction.
  • the refinement motion vector mvLX from the upper and upper left CTUs is used for spatial motion vector prediction.
  • the motion vector of the merge candidate is not for the upper and upper left CTUs, the unrefined motion vector is used.
  • Triangle prediction the target CU is divided into two triangular prediction units with a diagonal line or an opposite diagonal line as a boundary.
  • the prediction image in each triangle prediction unit is derived by performing weighting mask processing on each pixel of the prediction image of the target CU (rectangular block including the triangle prediction unit) according to the position of the pixel.
  • a triangular image can be derived from a rectangular image by multiplying by a mask in which the pixels in the triangular area in the rectangular area are 1 and the areas other than the triangle are 0.
  • the adaptive weighting process of the prediction image is applied to both areas sandwiching the diagonal line, and one prediction image of the target CU (rectangular block) is derived by the adaptive weighting process using the two prediction images. ..
  • This processing is called Triangle composition processing.
  • transform (inverse transform) and quantization (inverse quantization) processes are applied to the entire target CU.
  • the Triangle prediction is applied only in the merge prediction mode or the skip mode.
  • the Triangle prediction unit 30377 derives prediction parameters corresponding to the two triangular areas used for Triangle prediction, and supplies the prediction parameters to the inter prediction image generation unit 309.
  • the Triangle prediction may be configured without bi-prediction for simplification of processing.
  • inter prediction parameters for unidirectional prediction are derived in one triangular area. Note that the derivation of the two predicted images and the synthesis using the predicted images are performed by the motion compensation unit 3091 and the Triangle synthesis unit 30952.
  • the MMVD prediction unit 30376 performs processing in MMVD (Merge with Motion Vector Differece) mode.
  • the MMVD mode is a mode in which a motion vector is obtained by adding a difference vector in a predetermined distance and in a predetermined direction to a motion vector derived from a merge candidate (a motion vector derived from a motion vector of an adjacent block). ..
  • the MMVD prediction unit 30376 uses the merge candidate and limits the range of the difference vector to a predetermined distance (for example, 8 ways) and a predetermined direction (for example, 4 directions, 8 directions) to improve the efficiency.
  • Motion vector is derived.
  • the MMVD prediction unit 30376 derives a motion vector mvLX[] using merge candidates mergeCandList[] and the syntax base_candidate_idx, direction_idx, distance_idx for decoding or encoding encoded data into encoded data. Further, the MMVD prediction unit 30376 may encode or decode the syntax distance_list_idx for selecting the distance table and use it.
  • the MMVD prediction unit 30376 derives a motion vector from the prediction vector of one of the two candidates from the head of the merge candidate list and the difference vector (MVD: motion vector difference) represented by the direction and distance. Furthermore, the MMVD prediction unit 30376 derives a motion vector from the prediction vector and the difference vector.
  • MVD motion vector difference
  • FIG. 15 shows candidates for the difference vector mvdLX derived by the MMVD prediction unit 30376.
  • the central black circle is the position indicated by the prediction vector mvLXN (center vector).
  • FIG. 14 shows the relationship between the index base_candidate_idx of mergeCandList[] and mvLXN, and the motion vector of mergeCandList[base_candidate_idx] is set in mvLXN.
  • the difference between the position indicated by this center vector (black circle in FIG. 15) and the actual motion vector is the difference vector mvdLX.
  • (B) of FIG. 14 is a diagram showing an example of a block adjacent to the target block.
  • the MMVD prediction unit 30376 causes the motion vector of the block A1 shown in FIG. Select as mvLXN.
  • the MMVD prediction unit 30376 derives mvdLX using the index distance_idx indicating the length of the difference vector mvdLX and the index direction_idx indicating the direction of the mvdLX.
  • (C) of FIG. 14 is a diagram showing an example of distance_idx.
  • the values of 0, 1, 2, 3, 4, 5, 6 and 7 are 1/4pel, 1/2pel, 1pel, 2pel, 4pel, 8pel and 16pel.
  • 32 pels are associated with each of the eight distances (lengths).
  • (D) of FIG. 14 is a diagram showing an example of direction_idx.
  • the values of 0, 1, 2 and 3 are positive in the x-axis, negative in the x-axis, positive in the y-axis and negative in the y-axis.
  • the MMVD prediction unit 30376 derives a basic motion vector (mvdUnit[0], mvdUnit[1]) from direction_idx by referring to the direction table DirectionTable. (mvdUnit[0], mvdUnit[1]) may be described as (sign[0],sign[1]).
  • the MMVD prediction unit 30376 derives the magnitude DistFromBaseMV of the base difference vector from the distance DistanceTable[distance_idx] indicated by distance_idx in the distance table DistanceTable by the following formula.
  • DistFromBaseMV DistanceTable[distance_idx] (In cases other than 4 directions)
  • the basic motion vector mvdUnit[0], mvdUnit[1]
  • the basic motion vector has four directions of up, down, left, and right, but it is not limited to four directions and may be eight directions.
  • An example of the x component dir_table_x[] and the y component dir_table_y[] of the direction table DirectionTable when the basic motion vector is eight directions is shown below.
  • the size and order of the direction table may be other than the above.
  • MMVD prediction unit 30376 derives the basic motion vector (mvdUnit[0], mvdUnit[1]) by referring to DirectionTable from direction_idx.
  • the directions may be 4, 6, 12, 16 directions.
  • the size and order of the direction table may be other than the above.
  • the distance table is not limited to one, and may be plural.
  • the MMVD prediction unit 30376 may derive DistFromBaseMV from the first distance table DistanceTable1[] and the second distance table DistanceTable2[] as follows.
  • MMVD prediction unit 30376 further derives the length of the difference vector mvdLX using DistanceTable[] indicated by distance_list_idx decoded or derived from the encoded data.
  • the MMVD prediction unit 30376 may switch between the two distance tables using the two-dimensional table DistanceTable2d.
  • the MMVD prediction unit 30376 derives refineMvLX from the magnitude DistFromBaseMV of the basic motion vector and the difference vector.
  • the MMVD prediction unit 30376 outputs the difference vector refineMvL0 of the L0 from the basic motion vector and the size DistFromBaseMV of the difference vector.
  • shiftMMVD is a value for adjusting the size of the difference vector so as to match the motion vector accuracy MVPREC in the motion compensation unit 3091 (interpolation unit). For example, when MVPREC is 16, that is, with motion vector accuracy of 1/16 pixel, in four directions, that is, when mvdUnit[0] and mvdUnit[1] are 0 or 1, it is appropriate to use 2.
  • the shift direction of shiftMMVD is not limited to left shift.
  • mvdUnit[0] uses a value other than 0 or 1 (for example, 8) such as 6, 8, 12, 16 directions
  • the MMVD prediction unit 30376 shifts the shift direction to the right. May be
  • the MMVD prediction unit 30376 may perform right shift after multiplying the basic motion vector (mvdUnit[0], mvdUnit[1]) as follows.
  • the MMVD prediction unit 30376 may perform calculation by dividing the size and code of the motion vector. Hereinafter, the same applies to other derivation methods of the difference vector.
  • refineMvL0[0] ((DistFromBaseMV * abs(mvdUnit[0])) >> shiftMMVD) * sign(mvdUnit[0])
  • refineMvL0[1] ((DistFromBaseMV * abs(mvdUnit[1])) >> shiftMMVD) * sign(mvdUnit[1])
  • the MMVD prediction unit 30376 sets the difference vector refineMvL1 of the L1 to the size of the basic motion vector and the difference vector. Derived from DistFromBaseMV.
  • the MMVD prediction unit 30376 derives the first difference vector firstMv from the basic motion vector and the difference vector size DistFromBaseMV. ..
  • firstMv[0] (DistFromBaseMV ⁇ shiftMMVD) * mvdUnit[0]
  • firstMv[1] (DistFromBaseMV ⁇ shiftMMVD) * mvdUnit[1]
  • firstMv (DistFromBaseMV * mvdUnit[0]) >> shiftMMVD
  • firstMv (DistFromBaseMV * mvdUnit[1]) >> shiftMMVD
  • the first difference vector refineMv corresponds to the difference vector having the larger POC distance (POC difference) between the current picture and the reference picture.
  • the POC distance It is the difference vector between the reference image of the reference picture of the larger (POC difference) (LX) and the target block on the target picture.
  • the motion vector secondMv) of the picture may be derived.
  • the first vector firstMv corresponds to the L0 difference vector refineMvL0.
  • the MMVD prediction unit 30376 may derive the L1 difference vector refineMvL1 by scaling the first vector firstMv.
  • the MMVD prediction unit 30376 derives distScaleFactor from the POC difference between currPic and L0 reference picture DiffPicOrderCnt( currPic, RefPicList0[ refIdxLN0] and from the POC difference between currPic and L1 reference picture DiffP
  • the first vector firstMv corresponds to the L1 difference vector refineMvL1.
  • the MMVD prediction unit 30376 derives distScaleFactor from the POC difference between currPic and L0 reference picture DiffPicOrderCnt( currPic, RefPicList0[ refIdxLN0] and from the POC difference between currPic and L1 reference picture DiffPicOrderC
  • POC_L0, POC_L1, and POC_curr indicate PictureOrderCount of L0 reference picture, L1 reference picture, and target picture, respectively.
  • the MMVD prediction unit 30376 first derives refineMvLX[] described in the case where the distances between POCs are equal, and then according to the POC distances of the reference picture and the target picture. You may scale refineMvLX[] to derive the final refineMvLX[].
  • the MMVD prediction unit 30376 derives an MMVD merge candidate motion vector from the difference vector refineMv[] (mvdLX[]) and the center vector mvLXN[] (mvpLX[]) as follows.
  • the MMVD prediction unit 30376 notifies only one set of information (direction_idx, distance_idx) of one motion vector. Then, two motion vectors are derived from one set of information.
  • the MMVD prediction unit 30376 performs motion vector scaling as necessary based on the difference between the POC of each of the two reference pictures and the POC of the target picture. This corresponds to the motion vector (firstMv) notified of the difference vector between the reference image of the reference picture LX having the larger POC distance (POC difference) and the target block on the target picture.
  • firstMv motion vector notified of the difference vector between the reference image of the reference picture LX having the larger POC distance (POC difference) and the target block on the target picture.
  • firstMv[0] (DistFromBaseMV ⁇ shiftMMVD) * mvdUnit[0]
  • firstMv[1] (DistFromBaseMV ⁇ shiftMMVD) * mvdUnit[1]
  • POCS is the difference value of the POC difference with the reference picture close to the target picture
  • POCL is the difference value of the POC difference with the reference picture far from the target picture.
  • the motion vector mvdLY may be derived by the following formula.
  • mvdLY MvScale(DistFromBaseMV,CurPic,PicLX,CurPic,PicLY)
  • CurPic, PicLX, and PicLY represent a target picture, a reference picture farther from the target picture, and a reference picture closer to the target picture.
  • the MMVD prediction unit 30376 derives mvpLX[](mvLXN[]) and mvdLX[](refineMv[]), and uses them to derive the motion vector mvLX[] of the target block.
  • the MMVD prediction unit 30376 may correct the motion vector mvLX of the target block so as to indicate an integer pixel position when the magnitude of the difference vector mvdLX added to the center vector is larger than a predetermined threshold. For example, the MMVD prediction unit 30376 may perform integer conversion when DistFromBaseMV is equal to or greater than the predetermined threshold value 16.
  • the MMVD prediction unit 30376 selects a distance table with an index distance_list_idx that is a specific distance table (for example, DistanceTable2), and selects an element of the distance table (selects a distance coefficient) index distance_idx is a specific range ( For example, when distance_idx is 2 or 3), integer conversion may be performed.
  • the MMVD prediction unit 30376 may derive mvLX using shift.
  • MVBIT log2(MVPREC). For example 4. Further, it may be derived below in consideration of positive and negative.
  • FIG. 16 is a flowchart showing the flow of a prediction mode selection process in the MMVD prediction unit 30376.
  • FIG. 17 is a diagram showing the syntax showing the prediction mode selection processing according to the present embodiment, and is a syntax table corresponding to part of the processing shown in FIG.
  • the parameter decoding unit 302 first decodes the skip flag (skip_flag in FIG. 17) (S1301). When the skip flag indicates the skip mode (YES in S1302), the parameter decoding unit 302 decodes the MMVD flag (mmvd_flag in FIG. 17) (S1303). When the MMVD flag does not indicate that it is the MMVD mode (NO in S1304), the prediction mode is the skip mode (S1305). In the skip mode, as shown in FIG. 17, the parameter decoding unit 302 decodes the merge index (merge_idx in FIG. 17).
  • the prediction mode is MMVD mode (S1305).
  • the parameter decoding unit 302 decodes base_candidate_idx, distance_idx, and direction_idx.
  • the parameter decoding unit 302 decodes the merge flag (merge_flag in FIG. 17) (S1307).
  • the merge flag indicates the merge mode (YES in S1308)
  • the parameter decoding unit 302 decodes the MMVD flag (mmvd_flag in FIG. 17) (S1309).
  • the prediction mode is the merge mode (S1311). In the merge mode, as shown in FIG. 17, the parameter decoding unit 302 decodes the merge index (merge_idx in FIG. 17).
  • the prediction mode is MMVD mode (S1312).
  • the parameter decoding unit 302 decodes base_candidate_idx, distance_idx, and direction_idx.
  • the prediction mode is AMVP mode (S1313).
  • the parameter decoding unit 302 decodes merge_idx.
  • the parameter decoding unit 302 decodes base_candidate_idx, distance_idx and direction_idx.
  • the MMVD prediction unit 30376 derives mvpLX and mvdLX using these parameters. Then derive mvLX.
  • FIG. 18 is a flowchart showing the flow of prediction mode selection processing in the MMVD prediction unit 30376.
  • FIG. 19 is a diagram showing a syntax showing a prediction mode selection process according to the present embodiment, and is a syntax table corresponding to a part of the process shown in FIG.
  • the parameter decoding unit 302 first decodes the skip flag (skip_flag in FIG. 19) (S1401). When the skip flag indicates the skip mode (YES in S1402), the prediction mode is the skip mode (S1403). In the skip mode, as shown in FIG. 19, the parameter decoding unit 302 decodes the merge index (merge_idx in FIG. 19).
  • the parameter decoding unit 302 decodes the merge flag (merge_flag in FIG. 19) (S1404).
  • the merge flag indicates the merge mode (YES in S1405)
  • the prediction mode is the merge mode (S1406).
  • the parameter decoding unit 302 decodes the merge index (merge_idx in FIG. 19).
  • the parameter decoding unit 302 decodes the MMVD flag (mmvd_flag in FIG. 19) (S1407).
  • the prediction mode is the AMVP mode (S1409).
  • the MMVD flag indicates the MMVD mode (YES in S1408)
  • the prediction mode is the MMVD mode (S1410).
  • the parameter decoding unit 302 decodes base_candidate_idx, distance_idx, and direction_idx.
  • the parameter encoding unit 111 encodes the syntax with the same operation.
  • the parameter decoding unit 302 performs the reverse processing after the processes of FIGS. 18 and 19. It is not necessary to decode the flag indicating whether or not conversion processing is performed as syntax.
  • the parameter decoding unit 302 needs to decode the flag indicating whether or not the inverse conversion process is performed as syntax.
  • FIG. 20 is a flowchart showing the flow of prediction mode selection processing in the MMVD prediction unit 30376.
  • FIG. 21 is a diagram showing a syntax showing a prediction mode selecting process according to the present embodiment, and is a syntax table corresponding to a part of the process shown in FIG.
  • MMVD prediction is not performed in skip mode, and MMVD prediction can be selected only in merge mode.
  • the parameter decoding unit 302 (prediction parameter decoding unit) first decodes the skip flag (skip_flag in FIG. 21) (S1501).
  • the skip flag indicates the skip mode (YES in S1502)
  • the prediction mode is the skip mode (S1503).
  • the parameter decoding unit 302 decodes the merge index (merge_idx in FIG. 21).
  • the parameter decoding unit 302 decodes the merge flag (merge_flag in FIG. 21) (S1504).
  • the merge flag indicates the merge mode (YES in S1505)
  • the parameter decoding unit 302 decodes the MMVD flag (mmvd_flag in FIG. 21) (S1506). If the MMVD flag does not indicate the MMVD mode (NO in S1507), the prediction mode is the merge mode (S1508). In the merge mode, as shown in FIG. 21, the parameter decoding unit 302 decodes the merge index (merge_idx in FIG. 21).
  • the prediction mode is the MMVD mode (S1509).
  • the parameter decoding unit 302 decodes base_candidate_idx, distance_idx, and direction_idx.
  • the prediction mode is AMVP mode (S1510).
  • the parameter encoding unit 111 encodes the syntax with the same operation.
  • the difference from the skip mode is whether or not the prediction residual is used in the predicted image generation, and therefore the parameter decoding unit 302 performs the processing of FIG. 20 and FIG. 21. , It is not necessary to decode the flag indicating whether or not there is an inverse conversion process as syntax.
  • the MMVD mode instead of the merge mode, a prediction image different from the skip mode can be generated, and therefore the parameter decoding unit 302 decodes the flag indicating whether or not the inverse conversion process is performed as the syntax. There is a need.
  • the loop filter 305 is a filter provided in the coding loop and removes block distortion and ringing distortion to improve image quality.
  • the loop filter 305 applies filters such as a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) to the CU decoded image generated by the addition unit 312.
  • filters such as a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) to the CU decoded image generated by the addition unit 312.
  • the reference picture memory 306 stores the decoded image of the CU generated by the addition unit 312 in a predetermined position for each target picture and each target CU.
  • Prediction parameter memory 307 stores prediction parameters in predetermined positions for each CTU or CU to be decoded. Specifically, the prediction parameter memory 307 stores the parameters decoded by the parameter decoding unit 302, the prediction mode predMode decoded by the entropy decoding unit 301, and the like.
  • Prediction mode predMode, prediction parameters, etc. are input to the prediction image generation unit 308. Further, the predicted image generation unit 308 reads the reference picture from the reference picture memory 306. The predicted image generation unit 308 generates a predicted image of a block or sub-block using the prediction parameter and the read reference picture (reference picture block) in the prediction mode indicated by the prediction mode predMode.
  • the reference picture block is a set of pixels on the reference picture (usually called a block because it is a rectangle), and is an area referred to for generating a predicted image.
  • Inter prediction image generation unit 309 uses the inter prediction parameter input from the inter prediction parameter decoding unit 303 and the read reference picture to perform a prediction image of a block or sub-block by inter prediction. To generate.
  • FIG. 11 is a schematic diagram showing the configuration of the inter-prediction image generation unit 309 included in the prediction image generation unit 308 according to this embodiment.
  • the inter-prediction image generation unit 309 includes a motion compensation unit (prediction image generation device) 3091 and a synthesis unit 3095.
  • the motion compensation unit 3091 uses the reference picture memory based on the inter prediction parameters (prediction list use flag predFlagLX, reference picture index refIdxLX, motion vector mvLX) input from the inter prediction parameter decoding unit 303. From 306, an interpolation image (motion compensation image) is generated by reading a block at a position shifted by the motion vector mvLX from the position of the target block in the reference picture RefPicLX specified by the reference picture index refIdxLX.
  • a filter called a motion compensation filter for generating pixels at decimal positions is applied to generate an interpolated image.
  • the motion compensation unit 3091 first derives the integer position (xInt, yInt) and the phase (xFrac, yFrac) corresponding to the coordinates (x, y) in the prediction block by the following formula.
  • the motion compensation unit 3091 derives a temporary image temp[][] by performing horizontal interpolation processing on the reference picture refImg using an interpolation filter.
  • temp[x][y] ( ⁇ mcFilter[xFrac][k]*refImg[xInt+k-NTAP/2+1][yInt]+offset1)>>shift1
  • the motion compensation unit 3091 derives an interpolated image Pred [][] by performing vertical interpolation processing on the temporary image temp[][].
  • Pred[x][y] ( ⁇ mcFilter[yFrac][k]*temp[x][y+k-NTAP/2+1]+offset2)>>shift2 (Synthesis section)
  • the combining unit 3095 refers to the interpolated image supplied from the motion compensation unit 3091, the inter prediction parameter supplied from the inter prediction parameter decoding unit 303, and the intra image supplied from the intra prediction image generation unit 310 to perform prediction. An image is generated, and the generated predicted image is supplied to the addition unit 312.
  • the combining unit 3095 includes a combined intra/inter combining unit 30951, a Triangle combining unit 30952, an OBMC unit 30953, and a BIO unit 30954.
  • the Combined intra/inter combining unit 30951 generates a predicted image by using unidirectional prediction, skip mode, merge mode, and intra prediction in AMVP in combination.
  • the Triangle synthesis unit 30952 generates a prediction image using the above-mentioned Triangle prediction.
  • the OBMC unit 30953 generates a predicted image using OBMC (Overlapped block motion compensation) processing.
  • the OBMC processing includes the following processing. Interpolation image (PU interpolation image) generated by using the inter prediction parameter added to the target subblock, and interpolation image (OBMC interpolation image) generated by using the motion parameter of the adjacent subblock of the target subblock Is used to generate an interpolation image (motion compensation image) of the target sub-block.
  • PU interpolation image generated by using the inter prediction parameter added to the target subblock
  • OBMC interpolation image interpolation image generated by using the motion parameter of the adjacent subblock of the target subblock
  • a predicted image is generated by weighted averaging the OBMC interpolation image and the PU interpolation image.
  • BIO processing The BIO unit 30954 generates a predicted image by performing BIO (Bi-directional optical flow; bi-prediction gradient change) processing.
  • BIO Bi-directional optical flow; bi-prediction gradient change
  • a prediction image is generated by referring to the motion compensation images PredL0 and PredL1 and the gradient correction term.
  • the BIO unit 30954 may be configured to generate a predicted image by performing weight prediction described below.
  • the motion compensation image PredLX is multiplied by a weight coefficient to generate a prediction image of a block.
  • the motion compensation image PredLX (LX is L0 or L1) is adjusted to the pixel bit number bitDepth. I do.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,(PredLX[x][y]+offset1)>>shift1)
  • shift1 14-bitDepth
  • offset1 1 ⁇ (shift1-1).
  • the motion compensation images PredL0 and PredL1 are averaged and the processing of the following equation is performed to match the pixel bit number To do.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,(PredL0[x][y]+PredL1[x][y]+offset2)>>shift2)
  • shift2 15-bitDepth
  • offset2 1 ⁇ (shift2-1).
  • the weight prediction unit 3094 derives the weight prediction coefficient w0 and the offset o0 from the encoded data, and performs the processing of the following formula.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,((PredLX[x][y]*w0+2 ⁇ (log2WD-1))>>log2WD)+o0)
  • log2WD is a variable indicating a predetermined shift amount.
  • the weight prediction unit 3094 derives the weight prediction coefficients w0, w1, o0, o1 from the encoded data and performs the processing of the following formula.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,(PredL0[x][y]*w0+PredL1[x][y]*w1+((o0+o1+1) ⁇ log2WD))>>(log2WD+1)) Then, the predicted image of the generated block is output to the addition unit 312.
  • the inverse quantization/inverse transformation unit 311 dequantizes the quantized transformation coefficient input from the entropy decoding unit 301 to obtain a transformation coefficient.
  • This quantized transform coefficient is a coefficient that is obtained by performing frequency transformation such as DCT (Discrete Cosine Transform, Discrete Cosine Transform) and DST (Discrete Sine Transform, Discrete Sine Transform) on the prediction error in the encoding process and quantizing it. Is.
  • the inverse quantization/inverse transform unit 311 performs inverse frequency transform such as inverse DCT and inverse DST on the obtained transform coefficient, and calculates a prediction error.
  • the inverse quantization/inverse transformation unit 311 outputs the prediction error to the addition unit 312.
  • the inverse quantization/inverse transform unit 311 sets all prediction errors to 0 when skip_flag is 1 or when cu_cbp is 0.
  • the addition unit 312 adds the prediction image of the block input from the prediction image generation unit 308 and the prediction error input from the inverse quantization/inverse conversion unit 311 for each pixel to generate a decoded image of the block.
  • the addition unit 312 stores the decoded image of the block in the reference picture memory 306, and also outputs it to the loop filter 305.
  • FIG. 12 is a block diagram showing the configuration of the moving picture coding device 11 according to the present embodiment.
  • the moving image coding device 11 includes a predicted image generation unit 101, a subtraction unit 102, a conversion/quantization unit 103, an inverse quantization/inverse conversion unit 105, an addition unit 106, a loop filter 107, a prediction parameter memory (prediction parameter storage unit). , A frame memory) 108, a reference picture memory (reference image storage unit, frame memory) 109, a coding parameter determination unit 110, a parameter coding unit 111, and an entropy coding unit 104.
  • the predicted image generation unit 101 generates a predicted image for each CU that is an area obtained by dividing each picture of the image T.
  • the predicted image generation unit 101 has the same operation as the predicted image generation unit 308 described above, and thus the description thereof will be omitted.
  • the subtraction unit 102 subtracts the pixel value of the predicted image of the block input from the predicted image generation unit 101 from the pixel value of the image T to generate a prediction error.
  • the subtraction unit 102 outputs the prediction error to the conversion/quantization unit 103.
  • the transform/quantization unit 103 calculates a transform coefficient by frequency conversion for the prediction error input from the subtraction unit 102, and derives a quantized transform coefficient by quantization.
  • the transform/quantization unit 103 outputs the quantized transform coefficient to the entropy coding unit 104 and the inverse quantization/inverse transform unit 105.
  • the inverse quantizing/inverse transforming unit 105 is the same as the inverse quantizing/inverse transforming unit 311 (FIG. 7) in the moving picture decoding device 31, and the description thereof is omitted.
  • the calculated prediction error is output to the addition unit 106.
  • the quantized transform coefficient is input to the entropy coding unit 104 from the transform/quantization unit 103, and the coding parameter is input from the parameter coding unit 111.
  • the encoding parameters include, for example, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX, motion vector precision mode amvr_mode, prediction mode predMode, and merge index merge_idx.
  • the entropy encoding unit 104 entropy-encodes the division information, the prediction parameter, the quantized transform coefficient, and the like to generate and output an encoded stream Te.
  • the parameter coding unit 111 includes a header coding unit 1110, a CT information coding unit 1111, a CU coding unit 1112 (prediction mode coding unit), and a parameter coding unit 112, which are not shown.
  • the CU coding unit 1112 further includes a TU coding unit 1114.
  • the parameter coding unit 111 performs coding processing of parameters such as header information, division information, prediction information, and quantized transform coefficients.
  • the CT information encoding unit 1111 encodes QT, MT (BT, TT) division information and the like from the encoded data.
  • the CU encoding unit 1112 encodes CU information, prediction information, TU split flag split_transform_flag, CU residual flags cbf_cb, cbf_cr, cbf_luma, etc.
  • the TU encoding unit 1114 encodes QP update information (quantization correction value) and quantization prediction error (residual_coding) when the TU includes a prediction error.
  • CT information coding unit 1111, CU coding unit 1112, inter prediction parameters (prediction mode predMode, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX),
  • the intra-prediction parameters prev_intra_luma_pred_flag, mpm_idx, rem_selected_mode_flag, rem_selected_mode, rem_non_selected_mode,
  • syntax elements such as the quantized transform coefficient
  • the parameter coding unit 112 derives an inter prediction parameter based on the prediction parameter input from the coding parameter determination unit 110.
  • the parameter encoding unit 112 includes the same configuration as the configuration in which the inter prediction parameter decoding unit 303 derives the inter prediction parameter.
  • FIG. 13 is a schematic diagram showing the configuration of the parameter encoding unit 112.
  • the parameter coding unit 112 includes a parameter coding control unit 1121, a merge prediction unit 30374, a sub-block prediction unit (affine prediction unit) 30372, a DMVR unit 30375, an MMVD prediction unit 30376, and a Triangle prediction unit 30377. , AMVP prediction parameter derivation unit 3032, and subtraction unit 1123.
  • the merge prediction unit 30374 includes a merge prediction parameter derivation unit 3036.
  • the parameter coding control unit 1121 includes a merge index derivation unit 11211 and a vector candidate index derivation unit 11212.
  • the merge index derivation unit 11211 derives merge_idx, affine_flag, base_candidate_idx, distance_idx, direction_idx, etc.
  • the vector candidate index derivation unit 11212 derives mvpLX, etc.
  • the merge prediction parameter derivation unit 3036, AMVP prediction parameter derivation unit 3032, affine prediction unit 30372, MMVD prediction unit 30376, and Triangle prediction unit 30377 may be collectively referred to as a motion vector derivation unit (motion vector derivation device).
  • the parameter coding unit 112 outputs the motion vector mvLX, the reference picture index refIdxLX, the inter prediction identifier inter_pred_idc, or information indicating these to the predicted image generation unit 101.
  • the parameter encoding unit 112 also outputs merge_flag, skip_flag, merge_idx, inter_pred_idc, refIdxLX, mvp_lX_idx, mvdLX, amvr_mode, and affine_flag to the entropy encoding unit 104.
  • the parameter coding control unit 1121 derives parameters (base_candidate_idx, distance_idx, direction_idx, etc.) representing the difference vector and outputs them to the MMVD prediction unit 30376. Derivation of the difference vector in the parameter coding control unit 1121 will be described with reference to FIG.
  • the black circle in the center of the figure is the position pointed to by the prediction vector mvpLX, and eight search distances are searched in each of the 4 (up, down, left, right) directions with this position as the center.
  • mvpLX is a motion vector of the first and second candidates in the merge candidate list, and a search is performed for each.
  • mvdLX Since there are two prediction vectors in the merge candidate list (first and second in the list), the search distance is 8 and the search direction is 4, mvdLX has 64 candidates. The lowest cost mvdLX searched is represented by base_candidate_idx, distance_idx and direction_idx.
  • the MMVD mode is a mode that searches for a limited number of candidate points centered on the prediction vector and derives an appropriate motion vector.
  • the merge index derivation unit 11211 derives the merge index merge_idx and outputs it to the merge prediction parameter derivation unit 3036 (merge prediction unit). In the MMVD mode, the merge index derivation unit 11211 sets the value of the merge index merge_idx to the same value as the value of base_candidate_idx.
  • the vector candidate index derivation unit 11212 derives the prediction vector index mvp_lX_idx.
  • the merge prediction parameter derivation unit 3036 derives an inter prediction parameter based on the merge index merge_idx.
  • the AMVP prediction parameter derivation unit 3032 derives a prediction vector mvpLX based on the motion vector mvLX.
  • the AMVP prediction parameter derivation unit 3032 outputs the prediction vector mvpLX to the subtraction unit 1123.
  • the reference picture index refIdxLX and the prediction vector index mvp_lX_idx are output to the entropy coding unit 104.
  • the affine prediction unit 30372 derives inter prediction parameters (affine prediction parameters) of subblocks.
  • the subtraction unit 1123 subtracts the prediction vector mvpLX output from the AMVP prediction parameter derivation unit 3032 from the motion vector mvLX input from the coding parameter determination unit 110 to generate a difference vector mvdLX.
  • the subtraction unit 1123 outputs the difference vector mvdLX to the entropy coding unit 104.
  • the addition unit 106 adds the pixel value of the prediction image of the block input from the prediction image generation unit 101 and the prediction error input from the inverse quantization/inverse conversion unit 105 for each pixel to generate a decoded image.
  • the addition unit 106 stores the generated decoded image in the reference picture memory 109.
  • the loop filter 107 applies a deblocking filter, SAO, and ALF to the decoded image generated by the addition unit 106.
  • SAO deblocking filter
  • ALF ALF
  • the loop filter 107 does not necessarily have to include the above three types of filters, and may have a configuration of only a deblocking filter, for example.
  • the prediction parameter memory 108 stores the prediction parameter generated by the coding parameter determination unit 110 in a predetermined position for each target picture and CU.
  • the reference picture memory 109 stores the decoded image generated by the loop filter 107 at a predetermined position for each target picture and CU.
  • the coding parameter determination unit 110 selects one set from a plurality of sets of coding parameters.
  • the coding parameter is the above-mentioned QT, BT or TT partition information, a prediction parameter, or a parameter to be coded generated in association with these.
  • the predicted image generation unit 101 generates a predicted image using these coding parameters.
  • the coding parameter determination unit 110 calculates an RD cost value indicating the amount of information and the coding error for each of the plurality of sets.
  • the coding parameter determination unit 110 selects a set of coding parameters that minimizes the calculated cost value.
  • the entropy coding unit 104 outputs the selected set of coding parameters as the coded stream Te.
  • the coding parameter determination unit 110 stores the determined coding parameter in the prediction parameter memory 108.
  • the moving picture coding device 11 and a part of the moving picture decoding device 31 in the above-described embodiment for example, the entropy decoding unit 301, the parameter decoding unit 302, the loop filter 305, the predicted image generation unit 308, the inverse quantization/inverse.
  • the parameter encoding unit 111 may be realized by a computer.
  • the program for realizing the control function may be recorded in a computer-readable recording medium, and the program recorded in the recording medium may be read by a computer system and executed.
  • the “computer system” referred to here is a computer system built in either the moving image encoding device 11 or the moving image decoding device 31, and includes an OS and hardware such as peripheral devices.
  • the “computer-readable recording medium” refers to a portable medium such as a flexible disk, a magneto-optical disk, a ROM, a CD-ROM, or a storage device such as a hard disk built in a computer system.
  • “computer-readable recording medium” means a program that dynamically holds a program for a short time, such as a communication line when transmitting the program through a network such as the Internet or a communication line such as a telephone line.
  • a volatile memory that holds a program for a certain period of time such as a volatile memory inside a computer system that serves as a server or a client, may be included.
  • the program may be for realizing a part of the above-described functions, and may be a program for realizing the above-mentioned functions in combination with a program already recorded in the computer system.
  • the moving picture coding device 11 and the moving picture decoding device 31 in the above-described embodiments may be realized as an integrated circuit such as an LSI (Large Scale Integration).
  • LSI Large Scale Integration
  • Each functional block of the moving image encoding device 11 and the moving image decoding device 31 may be individually implemented as a processor, or a part or all of the functional blocks may be integrated and implemented as a processor.
  • the method of circuit integration is not limited to LSI, and may be realized by a dedicated circuit or a general-purpose processor.
  • an integrated circuit according to the technique may be used.
  • the moving image encoding device 11 and the moving image decoding device 31 described above can be used by being mounted in various devices that perform transmission, reception, recording, and reproduction of moving images.
  • the moving image may be a natural moving image captured by a camera or the like, or an artificial moving image (including CG and GUI) generated by a computer or the like.
  • the moving image encoding device 11 and the moving image decoding device 31 described above can be used for transmitting and receiving a moving image.
  • FIG. 2A is a block diagram showing the configuration of the transmission device PROD_A equipped with the moving image encoding device 11.
  • the transmission device PROD_A is a coding unit PROD_A1 that obtains encoded data by encoding a moving image, and a modulated signal by modulating a carrier wave with the encoded data obtained by the encoding unit PROD_A1. It includes a modulator PROD_A2 for obtaining and a transmitter PROD_A3 for transmitting the modulated signal obtained by the modulator PROD_A2.
  • the moving picture coding device 11 described above is used as this coding unit PROD_A1.
  • the transmission device PROD_A as a supply source of a moving image input to the encoding unit PROD_A1, a camera PROD_A4 for capturing a moving image, a recording medium PROD_A5 recording the moving image, an input terminal PROD_A6 for inputting the moving image from the outside, and An image processing unit A7 for generating or processing an image may be further provided.
  • a configuration in which the transmission device PROD_A includes all of these is illustrated, but a part thereof may be omitted.
  • the recording medium PROD_A5 may be a non-encoded moving image recorded, or a moving image encoded by a recording encoding method different from the transmission encoding method may be recorded. It may be one. In the latter case, a decoding unit (not shown) that decodes the coded data read from the recording medium PROD_A5 according to the recording coding method may be interposed between the recording medium PROD_A5 and the coding unit PROD_A1.
  • FIG. 2B is a block diagram showing the configuration of the receiving device PROD_B equipped with the moving image decoding device 31.
  • the receiving device PROD_B is a receiving unit PROD_B1 that receives a modulated signal, a demodulating unit PROD_B2 that obtains encoded data by demodulating the modulated signal that the receiving unit PROD_B1 received, and a demodulating unit PROD_B2 And a decoding unit PROD_B3 that obtains a moving image by decoding encoded data.
  • the moving picture decoding device 31 described above is used as this decoding unit PROD_B3.
  • the receiving device PROD_B has a display PROD_B4 for displaying a moving image, a recording medium PROD_B5 for recording the moving image, and an output terminal for outputting the moving image to the outside as a supply destination of the moving image output by the decoding unit PROD_B3.
  • PROD_B6 may be further provided. In the drawing, the configuration in which the receiving device PROD_B is provided with all of them is illustrated, but a part thereof may be omitted.
  • the recording medium PROD_B5 may be one for recording a non-encoded moving image, or may be one encoded by a recording encoding method different from the transmission encoding method. May be. In the latter case, an encoding unit (not shown) that encodes the moving image acquired from the decoding unit PROD_B3 according to the recording encoding method may be interposed between the decoding unit PROD_B3 and the recording medium PROD_B5.
  • the transmission medium for transmitting the modulated signal may be wireless or wired.
  • the transmission mode of transmitting the modulated signal may be broadcast (here, it means a transmission mode in which the transmission destination is not specified in advance) or communication (transmission in which the transmission destination is specified in advance here).
  • Embodiment That is, the transmission of the modulated signal may be realized by any of wireless broadcasting, wired broadcasting, wireless communication, and wired communication.
  • a terrestrial digital broadcasting broadcasting station (broadcasting equipment, etc.)/receiving station (television receiver, etc.) is an example of a transmitting device PROD_A/receiving device PROD_B that transmits and receives modulated signals by wireless broadcasting.
  • a broadcasting station (broadcasting equipment, etc.)/receiving station (television receiver, etc.) of cable television broadcasting is an example of a transmitting device PROD_A/receiving device PROD_B that transmits and receives modulated signals by wired broadcasting.
  • a server (workstation, etc.)/client (TV receiver, personal computer, smartphone, etc.) for VOD (Video On Demand) services and video sharing services using the Internet is a transmission device that transmits and receives modulated signals by communication.
  • PROD_A/reception device PROD_B generally, either wireless or wired is used as a transmission medium in LAN, and wired is used as a transmission medium in WAN.
  • the personal computer includes a desktop PC, a laptop PC, and a tablet PC.
  • the smartphone also includes a multifunctional mobile phone terminal.
  • the client of the video sharing service has the function of decoding the encoded data downloaded from the server and displaying it on the display, as well as the function of encoding the moving image captured by the camera and uploading it to the server. That is, the client of the video sharing service functions as both the transmission device PROD_A and the reception device PROD_B.
  • the moving image encoding device 11 and the moving image decoding device 31 described above can be used for recording and reproducing a moving image.
  • FIG. 3A is a block diagram showing the configuration of the recording device PROD_C equipped with the above-described moving image encoding device 11.
  • the recording device PROD_C includes a coding unit PROD_C1 that obtains coded data by coding a moving image, and a writing unit PROD_C2 that writes the coded data obtained by the coding unit PROD_C1 to a recording medium PROD_M. And are equipped with.
  • the moving picture coding device 11 described above is used as the coding unit PROD_C1.
  • the recording medium PROD_M may be (1) a type built into the recording device PROD_C, such as a HDD (Hard Disk Drive) or SSD (Solid State Drive), or (2) SD memory. It may be of a type that can be connected to the recording device PROD_C, such as a card or USB (Universal Serial Bus) flash memory, or (3) DVD (Digital Versatile Disc: registered trademark) or BD (Blu-ray). For example, a disc (registered trademark) or the like may be loaded in a drive device (not shown) incorporated in the recording device PROD_C.
  • a disc registered trademark
  • BD Blu-ray
  • the recording device PROD_C has a camera PROD_C3 for capturing a moving image, an input terminal PROD_C4 for inputting the moving image from the outside, and a receiving unit for receiving the moving image as a source of the moving image input to the encoding unit PROD_C1.
  • the unit PROD_C5 and the image processing unit PROD_C6 for generating or processing an image may be further provided. In the drawing, the configuration in which the recording device PROD_C is provided with all of them is illustrated, but a part thereof may be omitted.
  • the receiving unit PROD_C5 may be one that receives an unencoded moving image, or receives encoded data that has been encoded by a transmission encoding method different from the recording encoding method. It may be one that does. In the latter case, a transmission decoding unit (not shown) that decodes the encoded data encoded by the transmission encoding method may be interposed between the reception unit PROD_C5 and the encoding unit PROD_C1.
  • Examples of such a recording device PROD_C include a DVD recorder, a BD recorder, an HDD (Hard Disk Drive) recorder, and the like (in this case, the input terminal PROD_C4 or the receiving unit PROD_C5 is the main supply source of the moving image). ..
  • a camcorder in this case, the camera PROD_C3 is the main source of moving images
  • a personal computer in this case, the receiving unit PROD_C5 or the image processing unit C6 is the main source of moving images
  • a smartphone this In this case, the camera PROD_C3 or the receiving unit PROD_C5 is a main supply source of the moving image
  • the like are also examples of such a recording device PROD_C.
  • FIG. 3( b) is a block showing the configuration of the playback device PROD_D equipped with the moving image decoding device 31 described above.
  • the reproducing apparatus PROD_D includes a reading unit PROD_D1 that reads the encoded data written in the recording medium PROD_M, and a decoding unit PROD_D2 that obtains a moving image by decoding the encoded data read by the reading unit PROD_D1. , Are provided.
  • the moving picture decoding device 31 described above is used as this decoding unit PROD_D2.
  • the recording medium PROD_M may be (1) of a type built into the playback device PROD_D, such as a HDD or SSD, or (2) such as an SD memory card or a USB flash memory. It may be of a type that is connected to the playback device PROD_D, or (3) loaded into a drive device (not shown) built in the playback device PROD_D, such as a DVD or BD. Good.
  • the playback device PROD_D is a display PROD_D3 that displays a moving image, an output terminal PROD_D4 for outputting the moving image to the outside as a supply destination of the moving image output by the decoding unit PROD_D2, and a transmitting unit that transmits the moving image.
  • PROD_D5 may be further provided. In the drawing, a configuration in which the playback device PROD_D is provided with all of them is illustrated, but a part thereof may be omitted.
  • the transmission unit PROD_D5 may be one that transmits an unencoded moving image, or transmits encoded data that has been encoded by a transmission encoding method different from the recording encoding method. It may be one that does. In the latter case, an encoding unit (not shown) that encodes a moving image with an encoding method for transmission may be interposed between the decoding unit PROD_D2 and the transmission unit PROD_D5.
  • Examples of such a playback device PROD_D include a DVD player, a BD player, an HDD player, etc. (in this case, the output terminal PROD_D4 to which a television receiver or the like is connected is a main supply destination of the moving image). .. Also, a television receiver (in this case, the display PROD_D3 is the main destination of the moving image), digital signage (also called an electronic signboard or electronic bulletin board, etc.), the display PROD_D3 or the transmitter PROD_D5 is the main source of the moving image.
  • Desktop PC in this case, the output terminal PROD_D4 or transmitter PROD_D5 is the main destination of the moving image
  • laptop or tablet PC in this case, the display PROD_D3 or transmitter PROD_D5 is a moving image
  • An example of such a playback device PROD_D is also a smartphone (in which case, the display PROD_D3 or the transmission unit PROD_D5 is the main destination of a moving image), and the like.
  • each block of the moving image decoding device 31 and the moving image encoding device 11 described above may be realized by hardware by a logic circuit formed on an integrated circuit (IC chip), or by a CPU (Central Processing Unit), and may be realized by software.
  • IC chip integrated circuit
  • CPU Central Processing Unit
  • each device has a CPU that executes the instructions of the program that realizes each function, a ROM (Read Only Memory) that stores the program, a RAM (Random Access Memory) that expands the program, the program, and various types.
  • a storage device such as a memory for storing data is provided.
  • the object of the embodiment of the present invention is to record the program code (execution format program, intermediate code program, source program) of the control program of each device, which is software for realizing the above-described functions, in a computer-readable manner. This can also be achieved by supplying a medium to each of the above devices and causing the computer (or CPU or MPU) to read and execute the program code recorded in the recording medium.
  • Examples of the recording medium include tapes such as magnetic tapes and cassette tapes, magnetic disks such as floppy (registered trademark) disks/hard disks, and CD-ROMs (Compact Disc Read-Only Memory)/MO disks (Magneto-Optical disc).
  • tapes such as magnetic tapes and cassette tapes
  • magnetic disks such as floppy (registered trademark) disks/hard disks
  • CD-ROMs Compact Disc Read-Only Memory
  • MO disks Magnetic-Optical disc
  • IC cards memory cards
  • mask ROM/EPROM Erasable Programmable Read-Only Memory
  • EEPROM Electrically Erasable and Programmable Read-Only Memory: registered trademark
  • semiconductor memory such as flash ROM, or PLD (Logic circuits such as Programmable logic device) and FPGA (Field Programmable Gate Array) can be used.
  • each of the above devices may be configured to be connectable to a communication network, and the program code may be supplied via the communication network.
  • the communication network is not particularly limited as long as it can transmit the program code.
  • Internet intranet, extranet, LAN (Local Area Network), ISDN (Integrated Services Digital Network), VAN (Value-Added Network), CATV (Community Antenna television/Cable Television) communication network, virtual private network (Virtual Private) Network), telephone network, mobile communication network, satellite communication network, etc.
  • the transmission medium constituting this communication network may be any medium capable of transmitting the program code, and is not limited to a specific configuration or type.
  • the embodiment of the present invention can also be realized in the form of a computer data signal embedded in a carrier wave, in which the program code is embodied by electronic transmission.
  • the present invention can also be expressed as follows.
  • the image decoding device is A parameter decoding unit that decodes a parameter for generating a predicted image
  • the parameter decoding unit decodes the skip flag indicating whether or not the skip mode in which the prediction residual does not exist. If the skip flag does not indicate the skip mode, it is determined whether or not the merge mode is to obtain motion vector information from the merge candidate.
  • the merge flag shown is decoded, and the merge flag does not indicate the merge mode, the motion vector information obtained from the merge candidate is added to the motion vector information of the difference in the predetermined direction from the encoded data to perform the motion.
  • the MMVD flag indicating whether or not the MMVD mode for obtaining vector information is decoded.
  • the image decoding device is A parameter decoding unit that decodes a parameter for generating a predicted image
  • the parameter decoding unit decodes the skip flag indicating whether or not the skip mode in which the prediction residual does not exist. If the skip flag does not indicate the skip mode, it is determined whether or not the merge mode is to obtain the motion vector information from the merge candidate.
  • the merge flag shown is decoded, and the merge flag indicates the merge mode, the motion vector information obtained from the above-mentioned merge candidate and the motion vector information of the difference in the predetermined direction are decoded from the coded data to perform the motion.
  • the MMVD flag indicating whether or not the MMVD mode for obtaining vector information is decoded.
  • the image encoding device is A parameter encoding unit that encodes a parameter for generating a predicted image
  • the parameter encoding unit encodes a skip flag indicating whether or not there is a prediction residual skip mode, and if the skip flag does not indicate skip mode, whether or not the merge mode is to obtain motion vector information from the merge candidate. If the merge flag indicating that the merge flag does not indicate the merge mode, the motion vector information is obtained by encoding the motion vector information of the difference in the predetermined direction in addition to the motion vector information obtained from the merge candidate. It is characterized by encoding an MMVD flag indicating whether or not the MMVD mode is obtained.
  • the image encoding device is A parameter encoding unit that encodes a parameter for generating a predicted image
  • the parameter encoding unit encodes a skip flag indicating whether or not there is a prediction residual skip mode, and if the skip flag does not indicate skip mode, whether or not the merge mode is to obtain motion vector information from the merge candidate.
  • the merge flag indicating that the merge flag indicates the merge mode the motion vector information is obtained by encoding the motion vector information of the difference in the predetermined direction in addition to the motion vector information obtained from the merge candidate.
  • the MMVD flag indicating whether or not the MMVD mode is obtained is encoded.
  • the image decoding device is A parameter decoding unit that decodes a parameter for generating a predicted image,
  • the parameter decoding unit the MMVD flag indicating whether or not the MMVD mode for obtaining the motion vector information by decoding the motion vector information of the difference in the predetermined direction from the encoded data, the index indicating the distance table, and the distance table.
  • Decoding the index to select the element, the motion vector derived from the merge candidate has a MMVD prediction unit to obtain a motion vector by adding a difference vector of a predetermined distance and a predetermined direction,
  • the MMVD prediction unit converts a motion vector into integer precision when selecting a specific element of the distance table.
  • An image decoding device includes a prediction parameter decoding unit that decodes a parameter for generating a predicted image, The prediction parameter decoding unit decodes a skip flag indicating that there is no prediction residual, and when a prediction residual exists, next, a merge flag that implicitly obtains motion vector information is decoded, and in the merge mode. If not, the MMVD flag that obtains the motion vector information by decoding the motion vector information of the difference and the motion vector information of the difference from the encoded data is decoded.
  • the embodiments of the present invention are preferably applied to a moving image decoding device that decodes encoded data in which image data is encoded, and a moving image encoding device that generates encoded data in which image data is encoded. be able to. Further, it can be suitably applied to the data structure of the encoded data generated by the moving image encoding device and referred to by the moving image decoding device.
  • Image decoding device 301 Entropy decoding unit 302 Parameter decoding unit 3020 header decoder 303 Inter prediction parameter decoding unit 304 Intra prediction parameter decoding unit 308 Predicted image generator 309 Inter prediction image generator 310 Intra prediction image generator 311 Inverse quantization/inverse transform section 312 Adder 11 Image coding device 101 Prediction image generator 102 Subtractor 103 Transform/Quantization unit 104 Entropy encoder 105 Inverse quantization/inverse transform section 107 loop filter 110 Coding parameter determination unit 111 Parameter coding unit 112 Parameter coding unit 1110 Header coding unit 1111 CT information coding unit 1112 CU encoder (prediction mode encoder) 1114 TU encoder

Landscapes

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

Abstract

高い圧縮率を実現する場合における、符号化効率の低下を抑制可能な画像復号装置を実現する。画像復号装置は、パラメータ復号部を有し、上記パラメータ復号部は、スキップモードか否かを示すスキップフラグを復号し、スキップフラグがスキップモードを示していない場合、マージモードか否かを示すマージフラグを復号し、マージフラグがマージモードを示していない場合、MMVDモードか否かを示すMMVDフラグを復号する。

Description

動画像復号装置
　本発明の実施形態は、動画像復号装置および動画像符号化装置に関する。
　動画像を効率的に伝送または記録するために、動画像を符号化することによって符号化データを生成する動画像符号化装置、および、当該符号化データを復号することによって復号画像を生成する動画像復号装置が用いられている。
　具体的な動画像符号化方式としては、例えば、H.264/AVCやHEVC（High-Efficiency Video Coding）方式などが挙げられる。
　このような動画像符号化方式においては、動画像を構成する画像（ピクチャ）は、画像を分割することにより得られるスライス、スライスを分割することにより得られる符号化ツリーユニット（CTU：Coding Tree Unit）、符号化ツリーユニットを分割することで得られる符号化単位（符号化ユニット（Coding Unit：CU）と呼ばれることもある）、及び、符号化単位を分割することより得られる変換ユニット（TU：Transform Unit）からなる階層構造により管理され、CU毎に符号化／復号される。
　また、このような動画像符号化方式においては、通常、入力画像を符号化／復号することによって得られる局所復号画像に基づいて予測画像が生成され、当該予測画像を入力画像（原画像）から減算して得られる予測誤差（「差分画像」または「残差画像」と呼ぶこともある）が符号化される。予測画像の生成方法としては、画面間予測（インター予測）、および、画面内予測（イントラ予測）が挙げられる。
　また、近年の動画像符号化及び復号の技術として非特許文献１～３が挙げられる。
"Algorithm Description of Joint Exploration Test Model 7", JVET-L1001, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11, 2018-10-19 "CE4 Ultimate motion vector expression (Test 4.5.4)", JVET-L0054-v4, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11, 2018-10-11 "Simplified DMVR for inclusion in VVC", JVET-L0670-v1, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11, 2018-10-6
　高い圧縮率を実現する場合、追加された予測パラメータ情報のフラグ情報がオーバヘッドとなり、符号化効率が低下する問題があった。
　本発明の実施形態は、高い圧縮率を実現する場合における、符号化効率の低下を抑制可能な画像復号装置および画像符号化装置を実現することを目的とする。
　上記課題を解決するために、
　本発明の一態様に係る動画像復号装置は、
　予測画像を生成するためのパラメータを復号するパラメータ復号部と、
　Merge with Motion Vector Difference（MMVD）モードが用いられる場合、マージ候補リストのインデックスから導出される動きベクトルに差分ベクトルを加算することで動きベクトルを得る予測部と、を有し、
　上記パラメータ復号部は、予測残差が存在しないスキップモードか否かを示すスキップフラグを復号し、
　上記スキップフラグが上記スキップモードを示していない場合、マージ候補から動きベクトル情報を得るマージモードか否かを示すマージフラグを復号し、
　上記マージフラグがマージモードを示す場合、所定の方向の差分の動きベクトル情報を符号化データから復号することで動きベクトル情報を得るMMVDモードか否かを示すMMVDフラグを復号し、
　上記MMVDフラグが上記MMVDモードを示す場合、上記マージ候補リストのインデックスと、上記差分ベクトルの長さを示す第１のインデクスと、上記差分ベクトルの方向を示す第２のインデクスを復号し、
　上記MMVDフラグが上記MMVDモードを示さない場合、マージインデックスを復号し、
　上記予測部は、上記マージ候補リストのインデックスから上記動きベクトルを導出し、上記第１のインデックスと上記第２のインデックスから上記差分ベクトルを導出する。
　また、上記課題を解決するために、
　本発明の一態様に係る動画像復号装置は、
　Merge with Motion Vector Difference（MMVD）モードにおいて予測画像を生成するためのパラメータを復号するパラメータ復号部と、
　マージ候補リストのインデックスから導出される動きベクトルに差分ベクトルを加算することでマージ候補の動きベクトルを得るMMVD予測部と、を有し、
　上記パラメータ復号部は、上記マージ候補リストのインデックスと、上記差分ベクトルの長さを示す第１のインデックスと、上記差分ベクトルの方向を示す第２のインデックスを復号し、
　上記MMVD予測部は、上記マージ候補リストのインデックスから上記マージ候補の動きベクトルを導出し、
　マージ候補が双予測の場合、上記第１のインデックスと上記第２のインデックスから第１ベクトルを導出し、
　対象ピクチャと第１ピクチャとの距離が、上記対象ピクチャと第２ピクチャとの距離よりも大きい場合、上記対象ピクチャ上の対象ブロックと上記第１ピクチャとの間の第１差分ベクトルに上記第１ベクトルを設定し、上記第１差分ベクトルをスケーリングして上記対象ブロックと上記第二ピクチャとの間の第２差分ベクトルを導出する。
　以上の構成によれば、高い圧縮率を実現する場合における、符号化効率の低下を抑制可能な画像復号装置および画像符号化装置を実現できる。
本実施形態に係る画像伝送システムの構成を示す概略図である。 本実施形態に係る動画像符号化装置を搭載した送信装置、および、動画像復号装置を搭載した受信装置の構成について示した図である。(a)は動画像符号化装置を搭載した送信装置を示しており、(b)は動画像復号装置を搭載した受信装置を示している。 本実施形態に係る動画像符号化装置を搭載した記録装置、および、動画像復号装置を搭載した再生装置の構成について示した図である。(a)は動画像符号化装置を搭載した記録装置を示しており、(b)は動画像復号装置を搭載した再生装置を示している。 符号化ストリームのデータの階層構造を示す図である。 CTUの分割例を示す図である。 参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。 動画像復号装置の構成を示す概略図である。 インター予測パラメータ復号部の構成を示す概略図である。 マージ予測パラメータ導出部、および、AMVP予測パラメータ導出部の構成を示す概略図である。 アフィン予測の動きベクトルspMvLX[xi][yi]を示す図である。 インター予測画像生成部の構成を示す概略図である。 動画像符号化装置の構成を示すブロック図である。 パラメータ符号化部の構成を示す概略図である。 MMVDモードにおいて用いられるインデックスの一例を示す図であって、(a)は、マージ候補リストmergeCandList[]のマージ候補を示すインデックスbase_candidate_idxの一例を示す図であり、(b)は、対象ブロックに隣接するブロックの一例を示す図であり、(c)は、distance_idxの一例を示す図であり、(d)は、direction_idxの一例を示す図である。 動画像符号化装置における探索距離の候補数および導出方向の候補数の一例を示す図である。 動画像復号装置における予測モードの選択処理の流れを示すフローチャートである。 本実施形態に係る予測モードの選択処理を示すシンタックスを示す図である。 動画像復号装置における予測モードの選択処理の流れを示すフローチャートである。 本実施形態に係る予測モードの選択処理を示すシンタックスを示す図である。 動画像復号装置における予測モードの選択処理の流れを示すフローチャートである。 本実施形態に係る予測モードの選択処理を示すシンタックスを示す図である。
　　（第１の実施形態）
　以下、図面を参照しながら本発明の実施形態について説明する。
　図1は、本実施形態に係る画像伝送システム１の構成を示す概略図である。
　画像伝送システム１は、符号化対象画像を符号化した符号化ストリームを伝送し、伝送された符号化ストリームを復号し画像を表示するシステムである。画像伝送システム１は、動画像符号化装置（画像符号化装置）11、ネットワーク21、動画像復号装置（画像復号装置）31、及び動画像表示装置（画像表示装置）41を含んで構成される。
　動画像符号化装置11には画像Tが入力される。
　ネットワーク21は、動画像符号化装置11が生成した符号化ストリームTeを動画像復号装置31に伝送する。ネットワーク21は、インターネット（Internet）、広域ネットワーク（WAN:Wide Area Network）、小規模ネットワーク（LAN:Local Area Network）またはこれらの組み合わせである。ネットワーク21は、必ずしも双方向の通信網に限らず、地上デジタル放送、衛星放送等の放送波を伝送する一方向の通信網であっても良い。また、ネットワーク21は、DVD（Digital Versatile Disc:登録商標）、BD（Blue-ray Disc:登録商標）等の符号化ストリームTeを記録した記憶媒体で代替されても良い。
　動画像復号装置31は、ネットワーク21が伝送した符号化ストリームTeのそれぞれを復号し、復号した１または複数の復号画像Tdを生成する。
　動画像表示装置41は、動画像復号装置31が生成した１または複数の復号画像Tdの全部または一部を表示する。動画像表示装置41は、例えば、液晶ディスプレイ、有機ＥＬ（Electro-luminescence）ディスプレイ等の表示デバイスを備える。ディスプレイの形態としては、据え置き、モバイル、HMD等が挙げられる。また、動画像復号装置31が高い処理能力を有する場合には、画質の高い画像を表示し、より低い処理能力しか有しない場合には、高い処理能力、表示能力を必要としない画像を表示する。
　＜演算子＞
　本明細書で用いる演算子を以下に記載する。
　>>は右ビットシフト、<<は左ビットシフト、&はビットワイズAND、|はビットワイズOR、|=はOR代入演算子であり、||は論理和を示す。
　x?y:zは、xが真（0以外）の場合にy、xが偽（0）の場合にzをとる３項演算子である。
　Clip3(a,b,c) は、cをa以上b以下の値にクリップする関数であり、c<aの場合にはaを返し、c>bの場合にはbを返し、その他の場合にはcを返す関数である（ただし、a<=b）。
　abs(a)はaの絶対値を返す関数である。
　Int(a)はaの整数値を返す関数である。
　floor(a)はa以下の最大の整数を返す関数である。
　ceil(a)はa以上の最小の整数を返す関数である。
　a/dはdによるaの除算（小数点以下切り捨て）を表す。
　sign(a)はaの符号（sign）を返す関数である。
　a^bは、aのb乗を表す。
　　＜符号化ストリームTeの構造＞
　本実施形態に係る動画像符号化装置11および動画像復号装置31の詳細な説明に先立って、動画像符号化装置11によって生成され、動画像復号装置31によって復号される符号化ストリームTeのデータ構造について説明する。
　図4は、符号化ストリームTeにおけるデータの階層構造を示す図である。符号化ストリームTeは、例示的に、シーケンス、およびシーケンスを構成する複数のピクチャを含む。図4の(a)～(f)は、それぞれ、シーケンスSEQを既定する符号化ビデオシーケンス、ピクチャPICTを規定する符号化ピクチャ、スライスSを規定する符号化スライス、スライスデータを規定する符号化スライスデータ、符号化スライスデータに含まれる符号化ツリーユニット、符号化ツリーユニットに含まれる符号化ユニットを示す図である。
　　（符号化ビデオシーケンス）
　符号化ビデオシーケンスでは、処理対象のシーケンスSEQを復号するために動画像復号装置31が参照するデータの集合が規定されている。シーケンスSEQは、図4(a)に示すように、ビデオパラメータセット（Video Parameter Set）、シーケンスパラメータセットSPS（Sequence Parameter Set）、ピクチャパラメータセットPPS（Picture Parameter Set）、ピクチャPICT、及び、付加拡張情報SEI（Supplemental Enhancement Information）を含んでいる。
　ビデオパラメータセットVPSは、複数のレイヤから構成されている動画像において、複数の動画像に共通する符号化パラメータの集合および動画像に含まれる複数のレイヤおよび個々のレイヤに関連する符号化パラメータの集合が規定されている。
　シーケンスパラメータセットSPSでは、対象シーケンスを復号するために動画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの幅や高さが規定される。なお、SPSは複数存在してもよい。その場合、PPSから複数のSPSの何れかを選択する。
　ピクチャパラメータセットPPSでは、対象シーケンス内の各ピクチャを復号するために動画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの復号に用いられる量子化幅の基準値（pic_init_qp_minus26）や重み付き予測の適用を示すフラグ（weighted_pred_flag）が含まれる。なお、PPSは複数存在してもよい。その場合、対象シーケンス内の各ピクチャから複数のPPSの何れかを選択する。
　　（符号化ピクチャ）
　符号化ピクチャでは、処理対象のピクチャPICTを復号するために動画像復号装置31が参照するデータの集合が規定されている。ピクチャPICTは、図4(b)に示すように、スライス0～スライスNS-1を含む（NSはピクチャPICTに含まれるスライスの総数）。
　なお、以下、スライス0～スライスNS-1のそれぞれを区別する必要が無い場合、符号の添え字を省略して記述することがある。また、以下に説明する符号化ストリームTeに含まれるデータであって、添え字を付している他のデータについても同様である。
　　（符号化スライス）
　符号化スライスでは、処理対象のスライスSを復号するために動画像復号装置31が参照するデータの集合が規定されている。スライスは、図4(c)に示すように、スライスヘッダ、および、スライスデータを含んでいる。
　スライスヘッダには、対象スライスの復号方法を決定するために動画像復号装置31が参照する符号化パラメータ群が含まれる。スライスタイプを指定するスライスタイプ指定情報（slice_type）は、スライスヘッダに含まれる符号化パラメータの一例である。
　スライスタイプ指定情報により指定可能なスライスタイプとしては、（１）符号化の際にイントラ予測のみを用いるＩスライス、（２）符号化の際に単方向予測、または、イントラ予測を用いるＰスライス、（３）符号化の際に単方向予測、双方向予測、または、イントラ予測を用いるＢスライスなどが挙げられる。なお、インター予測は、単予測、双予測に限定されず、より多くの参照ピクチャを用いて予測画像を生成してもよい。以下、P、Bスライスと呼ぶ場合には、インター予測を用いることができるブロックを含むスライスを指す。
　なお、スライスヘッダは、ピクチャパラメータセットPPSへの参照（pic_parameter_set_id）を含んでいても良い。
　　（符号化スライスデータ）
　符号化スライスデータでは、処理対象のスライスデータを復号するために動画像復号装置31が参照するデータの集合が規定されている。スライスデータは、図4(d)に示すように、CTUを含んでいる。CTUは、スライスを構成する固定サイズ（例えば64x64）のブロックであり、最大符号化単位（LCU:Largest Coding Unit）と呼ぶこともある。
　　（符号化ツリーユニット）
　図4(e)には、処理対象のCTUを復号するために動画像復号装置31が参照するデータの集合が規定されている。CTUは、再帰的な４分木分割（QT（Quad Tree）分割）、２分木分割（BT（Binary Tree）分割）あるいは３分木分割（TT（Ternary Tree）分割）により符号化処理の基本的な単位である符号化ユニットCUに分割される。BT分割とTT分割を合わせてマルチツリー分割（MT（Multi Tree）分割）と呼ぶ。再帰的な４分木分割により得られる木構造のノードのことを符号化ノード（Coding Node）と称する。４分木、２分木、及び３分木の中間ノードは、符号化ノードであり、CTU自身も最上位の符号化ノードとして規定される。
　CTは、CT情報として、QT分割を行うか否かを示すQT分割フラグ（qt_split_cu_flag）、MT分割の有無を示すMT分割フラグ（mtt_split_cu_flag）、MT分割の分割方向を示すMT分割方向（mtt_split_cu_vertical_flag）、MT分割の分割タイプを示すMT分割タイプ（mtt_split_cu_binary_flage）を含む。qt_split_cu_flag、mtt_split_cu_flag、mtt_split_cu_vertical_flag、mtt_split_cu_binary_flagは符号化ノード毎に伝送される。
　図5は、CTUの分割例を示す図である。qt_split_cu_flagが１の場合、符号化ノードは４つの符号化ノードに分割される（図5(b)）。
　qt_split_cu_flagが０の時、mtt_split_cu_flagが０の場合に符号化ノードは分割されず１つのCUをノードとして持つ（図5(a)）。CUは符号化ノードの末端ノードであり、これ以上分割されない。CUは、符号化処理の基本的な単位となる。
　mtt_split_cu_flagが１の場合に符号化ノードは以下のようにMT分割される。mtt_split_cu_vertical_flagが０、かつmtt_split_cu_binary_flagが１の場合に符号化ノードは２つの符号化ノードに水平分割され（図5(d)）、mtt_split_cu_vertical_flagが１、かつmtt_split_cu_binary_flagが１の場合に符号化ノードは２つの符号化ノードに垂直分割される（図5(c)）。また、mtt_split_cu_vertical_flagが０、かつmtt_split_cu_binary_flagが０の場合に符号化ノードは３つの符号化ノードに水平分割され（図5(f)）、mtt_split_cu_vertical_flagが１、かつmtt_split_cu_binary_flagが０の場合に符号化ノードは３つの符号化ノードに垂直分割される（図5(e)）。これらを図5(g)に示す。
　また、CTUのサイズが64x64画素の場合には、CUのサイズは、64x64画素、64x32画素、32x64画素、32x32画素、64x16画素、16x64画素、32x16画素、16x32画素、16x16画素、64x8画素、8x64画素、32x8画素、8x32画素、16x8画素、8x16画素、8x8画素、64x4画素、4x64画素、32x4画素、4x32画素、16x4画素、4x16画素、8x4画素、4x8画素、及び、4x4画素の何れかをとり得る。
　　（符号化ユニット）
　図4(f)に示すように、処理対象の符号化ユニットを復号するために動画像復号装置31が参照するデータの集合が規定されている。具体的には、CUは、CUヘッダCUH、予測パラメータ、変換パラメータ、量子化変換係数等から構成される。CUヘッダでは予測モード等が規定される。
　予測処理は、CU単位で行われる場合と、CUをさらに分割したサブCU単位で行われる場合がある。CUとサブCUのサイズが等しい場合には、CU中のサブCUは１つである。CUがサブCUのサイズよりも大きい場合、CUは、サブCUに分割される。たとえばCUが8x8、サブCUが4x4の場合、CUは水平２分割、垂直２分割からなる、４つのサブCUに分割される。
　予測の種類（予測モード）は、イントラ予測と、インター予測の２つがある。イントラ予測は、同一ピクチャ内の予測であり、インター予測は、互いに異なるピクチャ間（例えば、表示時刻間）で行われる予測処理を指す。
　変換・量子化処理はCU単位で行われるが、量子化変換係数は4x4等のサブブロック単位でエントロピー符号化してもよい。
　　（予測パラメータ）
　予測画像は、ブロックに付随する予測パラメータによって導出される。予測パラメータには、イントラ予測とインター予測の予測パラメータがある。
　以下、インター予測の予測パラメータについて説明する。インター予測パラメータは、予測リスト利用フラグpredFlagL0、predFlagL1と、参照ピクチャインデックスrefIdxL0、refIdxL1と、動きベクトルmvL0、mvL1から構成される。予測リスト利用フラグpredFlagL0、predFlagL1は、各々L0リスト、L1リストと呼ばれる参照ピクチャリストが用いられるか否かを示すフラグであり、値が１の場合に対応する参照ピクチャリストが用いられる。なお、本明細書中「ＸＸであるか否かを示すフラグ」と記す場合、フラグが０以外（たとえば１）をＸＸである場合、０をＸＸではない場合とし、論理否定、論理積などでは１を真、０を偽と扱う（以下同様）。但し、実際の装置や方法では真値、偽値として他の値を用いることもできる。
　インター予測パラメータを導出するためのシンタックス要素には、例えば、アフィンフラグaffine_flag、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、動きベクトル精度モードamvr_modeがある。
　　（参照ピクチャリスト）
　参照ピクチャリストは、参照ピクチャメモリ306に記憶された参照ピクチャからなるリストである。図6は、参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。図6(a)において、矩形はピクチャ、矢印はピクチャの参照関係、横軸は時間、矩形中のI、P、Bは各々イントラピクチャ、単予測ピクチャ、双予測ピクチャ、矩形中の数字は復号順を示す。図に示すように、ピクチャの復号順は、I0、P1、B2、B3、B4であり、表示順は、I0、B3、B2、B4、P1である。図6(b)に、ピクチャB3（対象ピクチャ）の参照ピクチャリストの例を示す。参照ピクチャリストは、参照ピクチャの候補を表すリストであり、１つのピクチャ（スライス）が１つ以上の参照ピクチャリストを有してもよい。図の例では、対象ピクチャB3は、L0リストRefPicList0およびL1リストRefPicList1の２つの参照ピクチャリストを持つ。個々のCUでは、参照ピクチャリストRefPicListX（X=0または1）中のどのピクチャを実際に参照するかを参照ピクチャインデックスrefIdxLXで指定する。図は、refIdxL0=2、refIdxL1=0の例である。なお、LXは、L0予測とL1予測を区別しない場合に用いられる記述方法であり、以降では、LXをL0、L1に置き換えることでL0リストに対するパラメータとL1リストに対するパラメータを区別する。
　　（マージ予測とAMVP予測）
　予測パラメータの復号（符号化）方法には、マージ予測（merge）モードとAMVP（Advanced Motion Vector Prediction、適応動きベクトル予測）モードがあり、マージフラグmerge_flagは、これらを識別するためのフラグである。マージ予測モードは、予測リスト利用フラグpredFlagLX（またはインター予測識別子inter_pred_idc）、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXを符号化データに含めずに、既に処理した近傍ブロックの予測パラメータから導出して用いるモードである。AMVPモードは、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXを符号化データに含めるモードである。なお、動きベクトルmvLXは、予測ベクトルmvpLXを識別する予測ベクトルインデックスmvp_LX_idxと差分ベクトルmvdLX、動きベクトル精度モードamvr_modeとして符号化される。マージ予測モードは、隣接ブロックの動き情報等から導出されるマージ候補を選択して動きベクトルmvLX（動きベクトル情報）を得るモードである。また、マージ予測モードの他に、アフィンフラグaffine_flagにより識別されるアフィン予測モードがあってもよい。マージ予測モードの一形態として、スキップフラグskip_flagにより識別されるスキップモードがあってもよい。なお、スキップモードとは、マージモードと同様の方法で予測パラメータを導出して用いるモードであり、かつ、予測誤差（残差画像、残差情報）を符号化データに含めないモードである。換言すれば、スキップフラグskip_flagが１の場合、対象CUに関して、当該スキップフラグskip_flagとマージインデックスmerge_idxなどのマージモードに関連するシンタックスのみを含み、動きベクトルや残差情報などは符号化データに含まれない。
　　（動きベクトル）
　動きベクトルmvLXは、異なる２つのピクチャ上のブロック間のシフト量を示す。動きベクトルmvLXに関する予測ベクトル、差分ベクトルを、それぞれ予測ベクトルmvpLX、差分ベクトルmvdLXと呼ぶ。
　（インター予測識別子inter_pred_idcと予測リスト利用フラグpredFlagLX）
　インター予測識別子inter_pred_idcは、参照ピクチャの種類および数を示す値であり、PRED_L0、PRED_L1、PRED_BIの何れかの値をとる。PRED_L0、PRED_L1は、各々L0リスト、L1リストで管理された１枚の参照ピクチャを用いる単予測を示す。PRED_BIはL0リストとL1リストで管理された２枚の参照ピクチャを用いる双予測BiPredを示す。
　マージインデックスmerge_idxは、処理が完了したブロックから導出される予測パラメータ候補（マージ候補）のうち、いずれの予測パラメータを対象ブロックの予測パラメータとして用いるかを示すインデックスである。
　インター予測識別子inter_pred_idcと、予測リスト利用フラグpredFlagL0、predFlagL1の関係は以下のとおりであり、相互に変換可能である。
　inter_pred_idc = (predFlagL1<<１)+predFlagL0
　predFlagL0 = inter_pred_idc & １
　predFlagL1 = inter_pred_idc >> １
　（双予測biPredの判定）
　双予測BiPredであるかのフラグbiPredは、２つの予測リスト利用フラグがともに１であるかによって導出できる。例えば以下の式で導出できる。
　biPred = (predFlagL0==1 && predFlagL1==1)
　あるいは、フラグbiPredは、インター予測識別子が２つの予測リスト（参照ピクチャ）を使うことを示す値であるか否かによっても導出できる。例えば以下の式で導出できる。
　biPred = (inter_pred_idc==PRED_BI) ? 1 : 0
　　（動画像復号装置の構成）
　本実施形態に係る動画像復号装置31（図7）の構成について説明する。
　動画像復号装置31は、エントロピー復号部301、パラメータ復号部302、ループフィルタ305、参照ピクチャメモリ306、予測パラメータメモリ307、予測画像生成部（予測画像生成装置）308、逆量子化・逆変換部311、及び加算部312を含んで構成される。なお、後述の動画像符号化装置11に合わせ、動画像復号装置31にループフィルタ305が含まれない構成もある。
　パラメータ復号部302は、さらに、図示しない、ヘッダ復号部3020、CT情報復号部3021、及びCU復号部3022（予測モード復号部）を備えており、CU復号部3022はさらにTU復号部3024を備えている。これらを総称して復号モジュールと呼んでもよい。ヘッダ復号部3020は、符号化データからVPS、SPS、PPSなどのパラメータセット情報、スライスヘッダ（スライス情報）を復号する。CT情報復号部3021は、符号化データからCTを復号する。CU復号部3022は符号化データからCUを復号する。TU復号部3024は、TUに予測誤差が含まれている場合に、符号化データからQP更新情報（量子化補正値）と量子化予測誤差（residual_coding）を復号する。
　TU復号部3024は、スキップモード以外(skip_mode==0)の場合に、符号化データからQP更新情報（量子化補正値）と量子化予測誤差（residual_coding）を復号する。より具体的には、TU復号部3024は、skip_mode==0の場合に、対象ブロックに量子化予測誤差が含まれているか否かを示すフラグcu_cbpを符号化データから復号し、cu_cbpが1の場合に量子化予測誤差を復号する。cu_cbpが符号化データに存在しない場合には、TU復号部3024はcu_cbpを0と導出する。
　また、パラメータ復号部302は、図示しないインター予測パラメータ復号部303及びイントラ予測パラメータ復号部304を含んで構成される。予測画像生成部308は、インター予測画像生成部309及びイントラ予測画像生成部310を含んで構成される。
　また、以降では処理の単位としてCTU、CUを使用した例を記載するが、この例に限らず、サブCU単位で処理をしてもよい。あるいはCTU、CUをブロック、サブCUをサブブロックと読み替え、ブロックあるいはサブブロック単位の処理としてもよい。
　エントロピー復号部301は、外部から入力された符号化ストリームTeに対してエントロピー復号を行って、個々の符号（シンタックス要素）を復号する。復号された符号には、予測画像を生成するための予測情報および、差分画像を生成するための予測誤差などがある。
　エントロピー復号部301は、復号した符号をパラメータ復号部302に出力する。復号した符号とは、例えば、predMode、merge_flag、merge_idx、inter_pred_idc、refIdxLX、mvp_LX_idx、mvdLX、amvr_mode等である。どの符号を復号するかの制御は、パラメータ復号部302の指示に基づいて行われる。
　　（インター予測パラメータ復号部の構成）
　インター予測パラメータ復号部303は、エントロピー復号部301から入力された符号に基づいて、予測パラメータメモリ307に記憶された予測パラメータを参照してインター予測パラメータを復号する。また、インター予測パラメータ復号部303は、復号したインター予測パラメータを予測画像生成部308に出力し、予測パラメータメモリ307に記憶する。
　図8は、本実施形態に係るインター予測パラメータ復号部303の構成を示す概略図である。インター予測パラメータ復号部303は、マージ予測部30374、DMVR部30375、サブブロック予測部（アフィン予測部）30372、MMVD予測部30376、Triangle予測部30377、AMVP予測パラメータ導出部3032、加算部3038を含んで構成される。マージ予測部30374は、マージ予測パラメータ導出部3036を含んで構成される。AMVP予測パラメータ導出部3032、マージ予測パラメータ導出部3036、アフィン予測部30372は、動画像符号化装置、動画像復号装置で共通する手段であるので、これらを総称して動きベクトル導出部（動きベクトル導出装置）と称してもよい。
　（アフィン予測部）
　アフィン予測部30372は対象ブロックのアフィン予測パラメータを導出する。本実施形態では、アフィン予測パラメータとして、対象ブロックの２つの制御点（V0、V1）の動きベクトル（mv0_x,mv0_y）（mv1_x,mv1_y）を導出する。具体的には、対象ブロックの隣接ブロックの動きベクトルから予測することにより、各制御点の動きベクトルを導出してもよいし、制御点の動きベクトルとして導出された予測ベクトルと符号化データから導出される差分ベクトルの和により、各制御点の動きベクトルを導出してもよい。
　図10は、対象ブロック（bW×bH）を構成する各サブブロックの動きベクトルspMvLXを、制御点V0の動きベクトル(mv0_x,mv0_y)およびV1の動きベクトル(mv1_x,mv1_y)から導出する例を示す図である。各サブブロックの動きベクトルspMvLXは、図に示すように、各サブブロックの中心に位置する点毎の動きベクトルとして導出される。
　アフィン予測部30372は対象ブロックのアフィン予測パラメータに基づいて、対象ブロック中の各サブブロックの動きベクトルspMvLX[xi][yi] (xi=xPb+sbW*i, yj=yPb+sbH*j, i=0,1,2,…,bW/sbW-1、j=0,1,2,…,bH/sbH-1)を下記の式を用いて、導出する。
　spMvLX[xi][yi][0] = mv0_x+(mv1_x-mv0_x)/bW*(xi+sbW/2)-(mv1_y-mv0_y)/bH*(yi+sbH/2)
　spMvLX[xi][yi][1] = mv0_y+(mv1_y-mv0_y)/bW*(xi+sbW/2)+(mv1_x-mv0_x)/bH*(yi+sbH/2)
　（マージ予測）
　図9(a)は、マージ予測部30374に含まれるマージ予測パラメータ導出部3036の構成を示す概略図である。マージ予測パラメータ導出部3036は、マージ候補導出部30361、マージ候補選択部30362を備える。なお、マージ候補は、予測リスト利用フラグpredFlagLX、動きベクトルmvLX、参照ピクチャインデックスrefIdxLXを含んで構成され、マージ候補リストに格納される。マージ候補リストに格納されたマージ候補には、所定の規則に従ってインデックスが割り当てられる。
　マージ候補導出部30361は、復号済の隣接ブロックの動きベクトルと参照ピクチャインデックスrefIdxLXをそのまま用いてマージ候補を導出する。
　マージ候補リストmergeCandList[]に格納する順番は、例えば、空間マージ候補A1,B1,B0,A0,B2、時間マージ候補Col、ペアワイズマージ候補avgK、ゼロマージ候補ZK、である。なお、利用可能でない（ブロックがイントラ予測等）参照ブロックはマージ候補リストに格納しない。
　マージ候補選択部30362は、マージ候補リストに含まれるマージ候補のうち、マージインデックスmerge_idxが示すマージ候補Nを以下の式で選択する。
　N = mergeCandList[merge_idx]
　ここでNは、マージ候補を示すラベルであり、A1,B1,B0,A0,B2,Col,avgK,ZKなどをとる。ラベルNで示されるマージ候補の動き情報は（mvLXN[0], mvLXN[1]）、predFlagLXN, refIdxLXNで示される。
　マージ候補選択部30362は、選択したマージ候補の動き情報（mvLXN[0], mvLXN[1]）、predFlagLXN, refIdxLXNを、対象ブロックのインター予測パラメータとして選択する。マージ候補選択部30362は選択したマージ候補のインター予測パラメータを予測パラメータメモリ307に記憶するとともに、予測画像生成部308に出力する。
　（AMVP予測）
　図9(b)は、本実施形態に係るAMVP予測パラメータ導出部3032の構成を示す概略図である。AMVP予測パラメータ導出部3032は、ベクトル候補導出部3033とベクトル候補選択部3034を備える。ベクトル候補導出部3033は、参照ピクチャインデックスrefIdxLXに基づいて予測パラメータメモリ307が記憶する復号済みの隣接ブロックの動きベクトルmvLXから予測ベクトル候補を導出し、予測ベクトル候補リストmvpListLX[]に格納する。
　ベクトル候補選択部3034は、予測ベクトル候補リストmvpListLX[]の予測ベクトル候補のうち、予測ベクトルインデックスmvp_LX_idxが示す動きベクトルmvpListLX[mvp_LX_idx]を予測ベクトルmvpLXとして選択する。ベクトル候補選択部3034は選択した予測ベクトルmvpLXを加算部3038に出力する。
　なお、予測ベクトル候補は、対象ブロックから予め定めた範囲の復号済隣接ブロックの動きベクトルをスケーリングすることで導出される。なお、隣接ブロックは、対象ブロックに空間的に隣接するブロック、例えば、左ブロック、上ブロックの他、対象ブロックに時間的に隣接する領域、例えば、対象ブロックと同じ位置を含み、表示時刻が異なるブロックの予測パラメータから得られた領域を含む。
　加算部3038は、AMVP予測パラメータ導出部3032から入力された予測ベクトルmvpLXと復号した差分ベクトルmvdLXを加算して動きベクトルmvLXを算出する。加算部3038は、算出した動きベクトルmvLXを予測画像生成部308および予測パラメータメモリ307に出力する。
　mvLX[0] = mvpLX[0]+mvdLX[0]
　mvLX[1] = mvpLX[1]+mvdLX[1]
　動きベクトル精度モードamvr_modeは、AMVPモードで導出される動きベクトルの精度を切り替えるシンタックスであり、例えば、amvr_mode=0, 1, 2において、1/4画素、1画素、4画素精度を切り替える。
　動きベクトルの精度を1/16精度(MVPREC=16)とする場合、1/4, 1, 4画素精度の動きベクトル差分を1/16画素精度の動きベクトル差分に変更するために下記のように、amvr_modeから導出されるMvShift (=1<<amvr_mode)を用いて逆量子化してもよい。
　mvdLX[0] = mvdLX[0] << (MvShift + 2)
　mvdLX[1] = mvdLX[1] << (MvShift + 2)
　なお、さらにパラメータ復号部302は、上記MvShiftでシフトする前のmvdLX[]を以下のシンタックスを復号して導出してもよい。
・abs_mvd_greater0_flag
・abs_mvd_minus2
・mvd_sign_flag
そして、パラメータ復号部302は、以下の式を用いることによって、シンタックスから差分ベクトルlMvd[]を復号する。
　lMvd[compIdx] = abs_mvd_greater0_flag[compIdx] * (abs_mvd_minus2[compIdx]+2) * (1-2*mvd_sign_flag[compIdx])
　さらに復号した差分ベクトルlMvd[]は、並進MVDの場合（MotionModelIdc[x][y] == 0）にはMvdLXに設定し、制御点MVDの場合（MotionModelIdc[x][y] != 0）には、MvdCpLXに設定する。
　if (MotionModelIdc[x][y] == 0)
　　mvdLX[x0][y0][compIdx] = lMvd[compIdx]
　else
　　mvdCpLX[x0][y0][compIdx] = lMvd[compIdx]<<2
　　（動きベクトルスケーリング）
　動きベクトルのスケーリングの導出方法を説明する。動きベクトルMv（参照動きベクトル）、Mvをもつブロックを含むピクチャPicMv、Mvの参照ピクチャPicMvRef、スケーリング後の動きベクトルsMv、sMvをもつブロックを含むピクチャCurPic、sMvが参照する参照ピクチャCurPicRefとすると、sMvの導出関数MvScale(Mv,PicMv,PicMvRef,CurPic,CurPicRef)は下式で表される。
　　sMv = MvScale(Mv,PicMv,PicMvRef,CurPic,CurPicRef)
　　　　= Clip3(-R1,R1-1,sign(distScaleFactor*Mv)*((abs(distScaleFactor*Mv)+round1-1)>>shift1)) 
　　distScaleFactor = Clip3(-R2,R2-1,(tb*tx+round2)>>shift2)
　　tx = (16384+abs(td)>>1)/td
　　td = DiffPicOrderCnt(PicMv,PicMvRef)
　　tb = DiffPicOrderCnt(CurPic,CurPicRef)
ここで、round1、round2、shift1、shift2は、逆数を用いて除算を行うためのラウンド値及びシフト値で、例えば、round1=1<<(shift1-1)、round2=1<<(shift2-1)、shift1=8、shift2=6などである。DiffPicOrderCnt(Pic1,Pic2)はPic1とPic2の時間情報（例えばPOC）の差を返す関数である。R1、R2は処理を限られた精度で行うために値域を制限するもので例えば、R1=32768、R2=4096などである。
　また、スケーリング関数MvScale(Mv,PicMv,PicMvRef,CurPic,CurPicRef)は以下の式でもよい。
　　MvScale(Mv,PicMv,PicMvRef,CurPic,CurPicRef) = 
　　　Mv*DiffPicOrderCnt(CurPic,CurPicRef)/DiffPicOrderCnt(PicMv,PicMvRef)
すなわち、CurPicとCurPicRefの時間情報の差と、PicMvとPicMvRefの時間情報の差との比に応じてMvをスケーリングしてもよい。
　（DMVR）
　続いて、DMVR部30375が行うDMVR（Decoder side Motion Vector Refinement）処理について説明する。DMVR部30375は、対象CUについて以下の条件が満たされている場合に、マージ予測部30374が導出する当該対象CUの動きベクトルmvLXを、参照画像を用いて修正する。
- 対象CUに対して、merge_flagがマージモード又は、skip_flagがスキップモードを適用することを示している。
- 対象CUに対して、affine_flagがアフィンモードを使っていないことを示している。
- 対象CUが双予測である。
- 参照ピクチャについて以下の等式が満たされる（対象ピクチャに対し２枚の参照ピクチャが反対方向、かつ対象ピクチャから同じPOC距離（POCの差分）にある）。
POC_current - POC0 = POC1 - POC_current
- 対象CUのサイズが所定の値より大きい。例えば、CUの幅と高さの和が12よりも大きい。
　DMVR処理は、以下のステップからなる。
ステップ０：マージインデックスが指し示す初期（initial）ベクトルを取得する。この時、動きベクトルの値を四捨五入で、整数化して初期整数ベクトルとする。
ステップ１：探索点のブロックの画素値の平均値を求める。
ステップ２：マージ候補の動きベクトル（初期ベクトル）が指す点、および、その4近傍の点のMRSAD costを算出し、コストが最小となる点を求める。
ステップ３：ステップ２のコストが最小となる点とその8近傍の点のMRSAD costを算出し、コストが最小となる点を求め、初期（initial）ベクトル（整数化されていないもの）を最小となる点の整数画素分だけ修正し、リファイン動きベクトルとする。
ステップ４：ステップ２及びステップ３において動きベクトルが初期整数ベクトルから変更されなかった場合、error surface equationを用いて小数精度のリファインメント（refinement）動きベクトルを取得する。
ステップ５：リファインメント動きベクトルに基づいて、8-tapの補間フィルタを用いて、最終的な予測画像を取得する。
　ステップ２および３において、MRSADコストは、以下の式により算出される。
MRSAD=ΣΣabs(Temp_L0[xi][yi]-Temp_L1[xi][yi]-AVE(Temp_L0)+AVE(Temp_L1))
ここで、AVEはブロック内の画素値の平均値である。すなわち、
AVE(Temp_L0)=ΣΣTemp_L0[xi][yi]/(BH*BW)
AVE(Temp_L1)=ΣΣTemp_L1[xi][yi]/(BH*BW)
である。BHはブロックの垂直方向の画素数であり、BWはブロックの水平方向の画素数である。
　ステップ４において、error surface equationは以下のとおりである。
E(x,y)=A(x-x0)^2+ B(y-y0)^2+C
ここで、初期ベクトルの指す点を中心(0,0)とした４近傍位置(-1,0)、(0,-1)、(1,0)、(0,1)のコストをE(-1,0)、E(0,-1)、E(1,0)、E(0,1)として、(x0,y0)を導出する。
x0=(E(-1,0)-E(1,0))/(2(E(-1,0)+E(1,0)-2E(0,0)))
y0=(E(0,-1)-E(0,1))/(2(E(0,-1)+E(0,1)-2E(0,0)))
　なお、リファインメント動きベクトルmvL0',mvL1'およびリファインメント前の動きベクトルmvL0,mvL1は、以下の等式を満たす。
mvL0'-mvL0= mvL1-mvL1'
リファインメント動きベクトルmvLXは、インター予測画像生成部309に供給される。
　リファインメント動きベクトルmvLXは、デブロッキング動作、および時間的な動きベクトル（temporal motion vector）予測に用いられてもよい。
　また、空間的動きベクトル（spatial motion vector）予測には、上および左上のCTUからのリファインメント動きベクトルmvLXが用いられる。但し、マージ候補の動きベクトルが上および左上のCTUのものでない場合には、リファインメントされていない動きベクトルが用いられる。
　ここでは、誤差評価値としてMRSADを用いる手法を示したが、絶対値差分和であるSAD値SAD=ΣΣabs(Temp_L0[xi][yi]-Temp_L1[xi][yi])を用いてもよい。この場合、ステップ１のブロックの平均値を求める処理は、必要ではない。
　（Triangle予測）
　続いてTriangle予測について説明する。Triangle予測では、対角線又は反対角線を境界として、対象CUが２つの三角形の予測単位に分割される。それぞれの三角形予測単位における予測画像は、対象CU（三角形予測単位を含む矩形ブロック）の予測画像の各画素に画素の位置に応じた重みつけマスク処理を施すことで導出する。例えば、矩形領域内の三角形領域の画素を１、三角形以外の領域を０とするマスクを乗ずることにより、矩形画像から三角形画像を導出できる。予測画像の適応的な重み付け処理は対角線を挟んだ双方の領域に対して適用され、２つの予測画像を用いた適応的重みつけ処理により対象CU（矩形ブロック）の１つの予測画像が導出される。この処理を、Triangle合成処理と呼ぶ。Triangle合成処理においては、変換（逆変換）及び量子化（逆量子化）処理が対象CUの全体に対して適用される。なお、Triangle予測は、マージ予測モード又はスキップモードの場合にのみ適用される。
　Triangle予測部30377は、Triangle予測に用いられる２つの三角形領域に対応する予測パラメータを導出し、インター予測画像生成部309に供給する。Triangle予測では処理の簡略化のために、双予測を用いない構成でもよい。この場合、１つの三角形領域において単方向予測のインター予測パラメータを導出する。なお、２つの予測画像の導出及び予測画像を用いた合成は、動き補償部3091、Triangle合成部30952で行う。
　（MMVD予測部30376）
　MMVD予測部30376は、MMVD（Merge with Motion Vector Differece）モードにおける処理を行う。MMVDモードは、マージ候補から導出される動きベクトル（隣接ブロックの動きベクトルなどから導出される動きベクトル）に、所定の距離及び所定の方向の差分ベクトルを加算することで動きベクトルを得るモードである。MMVDモードにおいては、MMVD予測部30376は、マージ候補を用いるとともに、差分ベクトルの値域を所定の距離（例えば8通り）及び所定の方向（例えば4方向, 8方向など）に制限することで、効率的に動きベクトルを導出する。
　MMVD予測部30376は、マージ候補mergeCandList[]と符号化データから復号もしくは符号化データに符号化するシンタックスbase_candidate_idx、direction_idx、distance_idxを用いて動きベクトルmvLX[]を導出する。さらに、MMVD予測部30376は、距離テーブルを選択するシンタックスdistance_list_idxを符号化もしくは復号して利用してもよい。
　MMVD予測部30376は、対象CUに対して、merge_flagがマージモードを適用することを示している場合、又は、skip_flagがスキップモードを適用することを示している場合に、MMVDフラグを復号する。さらに、MMVD予測部30376は、MMVDフラグがMMVDモードを適用することを示している場合(mmvd_flag=1)には、MMVDモードを適用する。
　MMVD予測部30376は、マージ候補リストの先頭から２個の候補のいずれかの予測ベクトルと、方向および距離で表した差分ベクトル（MVD：motion vector difference）とで、動きベクトルを導出する。さらに、MMVD予測部30376は、予測ベクトルと差分ベクトルから動きベクトルを導出する。
　図15は、MMVD予測部30376において導出される差分ベクトルmvdLXの候補を示す。図に示す例では、中央の黒丸が予測ベクトルmvLXN（中心ベクトル）の指す位置である。
　図14の(a)はmergeCandList[]のインデックスbase_candidate_idxとmvLXNの関係を示し、mvLXNにはmergeCandList[base_candidate_idx]の動きベクトルがセットされる。この中心ベクトルが指す位置（図15の黒丸）と実際の動きベクトルの差が差分ベクトルmvdLXである。
　図14の(b)は、対象ブロックに隣接するブロックの一例を示す図である。例えば、mergeCandList[]={A1,B1,B0,A0,B2}の場合、復号したbase_candidate_idxが０を示すと、MMVD予測部30376は図14の(b)に示すブロックＡ１の動きベクトルを予測ベクトルmvLXNとして選択する。また、復号したbase_candidate_idxが１を示すと、MMVD予測部30376は図14の(b)に示すブロックＢ１の動きベクトルを予測ベクトルmvLXNとして選択する。なお、base_candidate_idxが符号化データで通知されない場合には、base_candidate_idx=0と推定してもよい。
　また、MMVD予測部30376は、差分ベクトルmvdLXの長さを示すインデックスdistance_idxおよびmvdLXの方向を示すインデックスdirection_idxを用いてmvdLXを導出する。
　図14の(c)は、distance_idxの一例を示す図である。図14の(c)に示すように、distance_idxにおいて、0、1、2、3、4、5、6および7の値は、1/4pel、1/2pel、1pel、2pel、4pel、8pel、16pelおよび32pelの８つの距離（長さ）のそれぞれに対応付けられている。
　図14の(d)は、direction_idxの一例を示す図である。図14の(d)に示すように、direction_idxにおいて、0,1,2および3の値は、x軸が正の方向、x軸が負の方向、y軸が正の方向、y軸が負の方向に各々対応付けられている。MMVD予測部30376は、direction_idxから方向テーブルDirectionTableを参照して基本動きベクトル(mvdUnit[0], mvdUnit[1])を導出する。(mvdUnit[0], mvdUnit[1])は、(sign[0],sign[1])と記述されてもよい。また、MMVD予測部30376は、距離テーブルDistanceTableにおいてdistance_idxの示す距離DistanceTable[distance_idx]から、ベースとなる差分ベクトルの大きさDistFromBaseMVを下式で導出する。
　DistFromBaseMV　= DistanceTable[distance_idx]
　（４方向以外の場合）
　上記では、基本動きベクトル(mvdUnit[0], mvdUnit[1])が上下左右の４方向の場合を説明したが、４方向に限定されず８方向でもよい。基本動きベクトルを８方向とする場合の方向テーブルDirectionTableのx成分dir_table_x[]およびy成分dir_table_y[]の例を以下に示す。
　dir_table_x[] = { 8, -8, 0,　0, 6, -6, -6,　6 }
　dir_table_y[] = { 0,　0, 8, -8, 6, -6,　6, -6 }
　なお、方向テーブルの大きさや順序は上記以外でもよい。
　MMVD予測部30376は、direction_idxからDirectionTableを参照して基本動きベクトル(mvdUnit[0], mvdUnit[1])を導出する。
　mvdUnit[0] = dir_table_x[direction_idx]
　mvdUnit[1] = dir_table_y[direction_idx]
　また、例えば以下のような方向テーブルを用いることで、４、６、１２、１６方向としてもよい。
・６方向の場合
　dir_table_x[] = { 8, -8, 2, -2, -2,　2 }
　dir_table_y[] = { 0,　0, 4, -4,　4, -4 }
　もしくは
　dir_table_x[] = { 8, -8, 3, -3, -3,　3 }
　dir_table_y[] = { 0,　0,　6, -6, 6, -6 }
・１２方向の場合
　dir_table_x[] = { 8, -8, 0,　0, 4, 2, -4, -2, -2, -4,　2,　4 }
　dir_table_y[] = { 0,　0, 8, -8, 2, 4, -2, -4,　4,　2, -4, -2 }
もしくは
　dir_table_x[] = { 8, -8, 0,　0, 6, 3, -6, -3, -3, -6,　3,　6 }
　dir_table_y[] = { 0,　0, 8, -8, 3, 6, -3, -6,　6,　3, -6, -3 }
・１６方向の場合
　dir_table_x[] = {8, -8, 0,　0, 4, -4, -4,　4, 6, 2, -6, -2, -2, -6,　2,　6 }
　dir_table_y[] = {0,　0, 8, -8, 4, -4,　4, -4, 2, 6, -2, -6,　6,　2, -6, -2 }
　勿論、４方向の場合も以下のようになる。
　dir_table_x[] = { 1, -1, 0, 0 }
　dir_table_y[] = { 0, 0, 1, -1 }
　なお、方向テーブルの大きさや順序は上記以外でもよい。
　（複数の距離テーブル）
　また、距離テーブルは１つに限定されず複数でもよい。例えば、MMVD予測部30376は、第１の距離テーブルDistanceTable1[]と第２の距離テーブルDistanceTable2[]から以下のようにDistFromBaseMVを導出しても良い。
　MMVD予測部30376は、さらに符号化データから復号もしくは導出したdistance_list_idxが示すDistanceTable[]を用いて、差分ベクトルmvdLXの長さを導出する。
　DistanceTable1 [] = {1, 2, 3, 5}
　DistanceTable2 [] = {4, 8, 16, 32}
　DistanceTable = DistanceTable1 (distance_list_idx == 0)
　DistanceTable = DistanceTable2 (distance_list_idx == 1)
　DistFromBaseMV　= DistanceTable[distance_idx] 
　また、MMVD予測部30376は、２次元テーブルDistanceTable2dを用いて２つの距離テーブルを切り替えてもよい。
　DistanceTable2d [] = {{1, 2, 3, 5},{4, 8, 16, 32}}
　DistFromBaseMV　= DistanceTable2d[distance_list_idx][distance_idx]
　（差分ベクトルの導出）
　MMVD予測部30376は、基本動きベクトルと差分ベクトルの大きさDistFromBaseMVからrefineMvLXを導出する。中心ベクトルに関するマージ候補NがL0参照ピクチャからの単予測（predFlagL0N = 1, predFlagL1N = 0）の場合、MMVD予測部30376は、L0の差分ベクトルrefineMvL0を、基本動きベクトルと差分ベクトルの大きさDistFromBaseMVから導出する。
　refineMvL0[0] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[0]
　refineMvL0[1] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[1]
　refineMvL1[0] = 0
　refineMvL1[1] = 0
　ここでshiftMMVDは、動き補償部3091（補間部）での動きベクトルの精度MVPRECにあうように差分ベクトルの大きさを調整する値である。例えばMVPRECが16、つまり1/16画素の動きベクトル精度で、４方向、つまりmvdUnit[0], mvdUnit[1]が0もしくは１の場合には、2を用いることが適当である。また、shiftMMVDのシフト方向は左シフトの限定されない。例えば、６、８、１２、１６方向など、mvdUnit[0], mvdUnit[1]が0もしくは１以外の値（例えば８）などを用いる場合には、MMVD予測部30376は、シフト方向を右シフトとしてもよい。例えば、MMVD予測部30376は、以下のように基本動きベクトル(mvdUnit[0], mvdUnit[1])を乗算した後で右シフトをしてもよい。
　refineMvL0[0] = (DistFromBaseMV * mvdUnit[0]) >> shiftMMVD
　refineMvL0[1] = (DistFromBaseMV * mvdUnit[1]) >> shiftMMVD
　また、MMVD予測部30376は、動きベクトルの大きさと符号に分けて計算してもよい。以後、差分ベクトルの他の導出方法においても同様である。
　refineMvL0[0] = ((DistFromBaseMV * abs(mvdUnit[0])) >> shiftMMVD) * sign(mvdUnit[0])
　refineMvL0[1] = ((DistFromBaseMV * abs(mvdUnit[1])) >> shiftMMVD) * sign(mvdUnit[1])
　上記以外、中心ベクトルに関するマージ候補NがL1参照ピクチャからの単予測（predFlagL0N = 0, predFlagL1N = 1）の場合、MMVD予測部30376は、L1の差分ベクトルrefineMvL1を、基本動きベクトルと差分ベクトルの大きさDistFromBaseMVから導出する。
　refineMvL0[0] = 0
　refineMvL0[1] = 0
　refineMvL1[0] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[0]
　refineMvL1[1] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[1]
もしくは
　refineMvL1[0] = (DistFromBaseMV * mvdUnit[0]) >> shiftMMVD
　refineMvL1[1] = (DistFromBaseMV * mvdUnit[1]) >> shiftMMVD
　上記以外、中心ベクトルに関するマージ候補Nが双予測（predFlagL0N = 1, predFlagL1N = 1）の場合、MMVD予測部30376は、第１差分ベクトルfirstMvを、基本動きベクトルと差分ベクトルの大きさDistFromBaseMVから導出する。
　firstMv[0] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[0]
　firstMv[1] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[1]
もしくは
　firstMv = (DistFromBaseMV * mvdUnit[0]) >> shiftMMVD
　firstMv = (DistFromBaseMV * mvdUnit[1]) >> shiftMMVD
　ここで、第１差分ベクトルrefineMvは、対象ピクチャと参照ピクチャのPOC距離（POCの差）が大きい方の差分ベクトルに対応する。つまり、参照ピクチャリストL0と参照ピクチャリストL1の参照ピクチャの内、対象ピクチャと参照ピクチャのPOC距離（POCの差）が大きい方の参照ピクチャを参照ピクチャリストLXの参照ピクチャとすると、POC距離（POCの差）が大きい方(LX)の参照ピクチャの参照画像と対象ピクチャ上の対象ブロックの差分ベクトルである。
　続いて、MMVD予測部30376は、第１動きベクトルfirstMvをスケーリングすることで、もう一方の参照ピクチャ（参照リストLY（Y=1-X））の第２動きベクトル（POC距離の小さい方の参照ピクチャの動きベクトルsecondMv）を導出してもよい。
　例えば、対象ピクチャcurrPicとL0ピクチャRefPicList0[ refIdxLN0 ]の距離が、対象ピクチャとL1ピクチャRefPicList1[ refIdxLN1 ]との距離よりも大きい場合には、第１ベクトルfirstMvはL0差分ベクトルrefineMvL0に対応する。さらに、MMVD予測部30376は、第１ベクトルfirstMvをスケーリングしてL1差分ベクトルrefineMvL1を導出してもよい。
　refineMvL0[0] = firstMv[0]
　refineMvL0[1] = firstMv[1]
　refineMvL1[0] = Clip3( -32768, 32767, Sign( distScaleFactor * firstMv[0]) * 
　　　　　　　( ( Abs( distScaleFactor * refineMvL0[0]) + 127 )　>>　8 ) )
　refineMvL1[1] = Clip3( -32768, 32767, Sign( distScaleFactor * firstMv[1]) * 
　　　　　　　( ( Abs( distScaleFactor * refineMvL0[1]) + 127 )　>>　8 ) )
　ここでMMVD予測部30376は、distScaleFactor を、currPicとL0参照ピクチャのPOC差DiffPicOrderCnt( currPic, RefPicList0[ refIdxLN0 ]とcurrPicとL1参照ピクチャのPOC差DiffPicOrderCnt( currPic, RefPicList1[ refIdxLN1 ]から以下のように導出する。
distScaleFactor = Clip3( -4096, 4095, ( tb * tx + 32 )　>>　6 )
tx = ( 16384 + ( Abs( td )　>>　1 ) ) / td　　　
td = Clip3( -128, 127, DiffPicOrderCnt( currPic, RefPicList0[ refIdxLN0 ]) )
tb = Clip3( -128, 127, DiffPicOrderCnt( currPic, RefPicList1[ refIdxLN1 ]) )
　上記以外、対象ピクチャcurrPicとL0ピクチャRefPicList0[ refIdxLN0 ]の距離が、対象ピクチャとL1ピクチャRefPicList1[ refIdxLN1 ]との距離以下の場合には、第１ベクトルfirstMvはL1差分ベクトルrefineMvL1に対応する。この場合、MMVD予測部30376は、第１ベクトルfirstMvをスケーリングしてL0差分ベクトルrefineMvL0を導出してもよい。
　refineMvL0[0] = Clip3( -32768, 32767, Sign( distScaleFactor * firstMv[0]) * 
　　　　　　　　 ( ( Abs( distScaleFactor * firstMv[0]) + 127 )　>>　8 ) )
　refineMvL0[1] = Clip3( -32768, 32767, Sign( distScaleFactor * firstMv[1]) * 
　　　　　　　　 ( ( Abs( distScaleFactor * firstMv[1]) + 127 )　>>　8 ) )
　refineMvL1[0] = firstMv[0]
　refineMvL1[1] = firstMv[1]
　ここでMMVD予測部30376は、distScaleFactor を、currPicとL0参照ピクチャのPOC差DiffPicOrderCnt( currPic, RefPicList0[ refIdxLN0 ]とcurrPicとL1参照ピクチャのPOC差DiffPicOrderCnt( currPic, RefPicList1[ refIdxLN1 ]から以下のように導出する。
distScaleFactor = Clip3( -4096, 4095, ( tb * tx + 32 )　>>　6 )
tx = ( 16384 + ( Abs( td )　>>　1 ) ) / td　　　
td = Clip3( -128, 127, DiffPicOrderCnt( currPic, RefPicList1[ refIdxLN1 ]) )
tb = Clip3( -128, 127, DiffPicOrderCnt( currPic, RefPicList0[ refIdxLN0 ]) )
　なお、対象ピクチャcurrPicとL0ピクチャRefPicList0[ refIdxLN0 ]の距離が、対象ピクチャとL1ピクチャRefPicList1[ refIdxLN1 ]との距離と等しい場合には、MMVD予測部30376は、firstMv[]をスケーリングすることなく、以下の処理（処理Ａもしくは処理Ｂ）からrefineMv[]に設定してもよい。
処理Ａ：
　refineMvL0[0] = firstMv[0]
　refineMvL0[1] = firstMv[1]
　refineMvL1[0] = -firstMv[0]
　refineMvL1[1] = -firstMv[1]
処理Ｂ：
　refineMvL0[0] = firstMv[0]
　refineMvL0[1] = firstMv[1]
　refineMvL1[0] = firstMv[0]
　refineMvL1[1] = firstMv[1]
　より具体的には、MMVD予測部30376は、refineMv[]を、L0参照ピクチャと、対象ピクチャcurrPicと、L1対象ピクチャと、が時間順に並ぶ場合には処理Ａで導出し、それ以外の場合には処理Ｂで導出する。
　なお、時間順に並ぶ場合とは
　(POC_L0 - POC_curr) * (POC_L1 - POC_curr) < 0の場合、すなわち、
DiffPicOrderCnt( RefPicList0[ refIdxLN0 ], currPic) * DiffPicOrderCnt( currPic, RefPicList1[ refIdxLN1 ] ) > 0の場合である。
　ここで、POC_L0、POC_L1、POC_currは、各々L0参照ピクチャ、L1参照ピクチャ、対象ピクチャのPicture Order Countを示す。
　その逆の場合（時間順序の逆）とは、
　(POC_L0 - POC_curr) * (POC_L1 - POC_curr) > 0の場合、すなわち、
DiffPicOrderCnt( RefPicList0[ refIdxLN0 ], currPic) * DiffPicOrderCnt( currPic, RefPicList1[ refIdxLN1 ] ) < 0の場合である。
　なお、POC間の距離が異なる場合においても、MMVD予測部30376は、上記POC間の距離が等しい場合で説明したrefineMvLX[]を先に導出した後に、参照ピクチャと対象ピクチャのPOC距離に応じてrefineMvLX[]をスケールし最終的なrefineMvLX[]を導出しても構わない。
　（中心ベクトルと差分ベクトルの加算）
　最終的に、MMVD予測部30376は、差分ベクトルrefineMv[]（mvdLX[]）と中心ベクトルmvLXN[]（mvpLX[]）とから以下のように、MMVDマージ候補の動きベクトルを導出する。
mvL0[ 0 ] = mvL0N[ 0 ] + refineMvL0[0]
mvL0[ 1 ] = mvL0N[ 1 ] + refineMvL0[1]
mvL1[ 0 ] = mvL1N[ 0 ] + refineMvL1[0]
mvL1[ 1 ] = mvL1N[ 1 ] + refineMvL1[1]
　（まとめ）
　このように、予測ベクトルが双予測であっても、MMVD予測部30376は、１方の動きベクトルの情報（direction_idx、distance_idx）を１組だけ通知する。そして１組の情報から２つの動きベクトルを導出する。MMVD予測部30376は、２つの参照ピクチャのそれぞれのPOCと対象ピクチャのPOCとの差から、必要に応じて動きベクトルのスケーリングを行う。POC距離（POCの差）が大きい方の参照ピクチャLXの参照画像と対象ピクチャ上の対象ブロックの差分ベクトルが通知される動きベクトル（firstMv）に対応する。
　firstMv[0] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[0]
　firstMv[1] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[1]
　MMVD予測部30376は、POC距離の小さい方の参照ピクチャLY (Y = 1 - X)の動きベクトルmvdLY(secondMv)を、ピクチャ間のPOC距離の比(POCS/POCL)でスケーリングすることで導出する。
　secondMv[0] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[0] *POCS/POCL
　secondMv[1] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[1] *POCS/POCL
　なお、POC距離の小さい方の参照ピクチャとは、対象ピクチャと参照ピクチャのPOC距離（POCの差）が小さい方に対応する。ここで、POCSは対象ピクチャに近い参照ピクチャとのPOC差の差分値、POCLは対象ピクチャから遠い参照ピクチャとのPOC差の差分値である。あるいは動きベクトルmvdLYを下式で導出してもよい。
　mvdLY = MvScale(DistFromBaseMV,CurPic,PicLX,CurPic,PicLY)
ここで、CurPic,PicLX, PicLYは対象ピクチャ、対象ピクチャから遠いほうの参照ピクチャ、対象ピクチャから近いほうの参照ピクチャを表す。
　以上のように、MMVD予測部30376はmvpLX[](mvLXN[])とmvdLX[](refineMv[])を導出し、これらを用いて対象ブロックの動きベクトルmvLX[]を導出する。
　mvLX[0] = mvpLX[0]+mvdLX[0]
　mvLX[1] = mvpLX[1]+mvdLX[1]
　（動きベクトルの整数丸め）
　MMVD予測部30376は、中心ベクトルに加算する差分ベクトルmvdLXの大きさが所定の閾値よりも大きい場合に、対象ブロックの動きベクトルmvLXが整数画素位置を示すように修正してもよい。例えば、MMVD予測部30376は、DistFromBaseMVが所定の閾値16以上の場合に整数化をおこなってもよい。
　また、MMVD予測部30376は、距離テーブルを選択するインデクスdistance_list_idxが特定の距離テーブル（例えばDistanceTable2）であり、かつ距離テーブルの要素を選択する（距離の係数を選択する）インデクスdistance_idxが特定の範囲（例えば、distance_idxが2や3）の場合に、整数化をおこなってもよい。例えば、MMVD予測部30376は、distance_list_idx == 1 かつ、distance_idx >= 2のとき、以下の式からmvLXを修正してもよい。
　　mvLX[0] = (mvLX[0] / MVPREC) * MVPREC
　　mvLX[1] = (mvLX[1] / MVPREC) * MVPREC
　またMMVD予測部30376は、シフトを用いてmvLXを導出しても良い。
　mvLX[0] = (mvLX[0] >> MVBIT) << MVBIT
　mvLX[1] = (mvLX[1] >> MVBIT) << MVBIT
ここでMVBIT = log2(MVPREC)。例えば4。また、正と負を考慮して以下で導出しても良い。
　mvLX[0] = mvLX[0] >=0 ? (mvLX[0] >> MVBIT) << MVBIT : -((-mvLX[0] >> MVBIT) << MVBIT)
　mvLX[1] = mvLX[1] >=0 ? (mvLX[1] >> MVBIT) << MVBIT : -((-mvLX[1] >> MVBIT) << MVBIT)
　このように、動きベクトルを整数に丸めることにより、予測画像生成の演算量を削減することが可能となる。
　（シンタックス）
　次に、図16及び図17を参照して、MMVD予測部30376における予測モードの選択処理の流れについて説明する。図16は、MMVD予測部30376における予測モードの選択処理の流れを示すフローチャートである。図17は、本実施形態に係る予測モードの選択処理を示すシンタックスを示す図であり、図16に示す処理の一部に対応するシンタックステーブルである。
　図16に示すように、本実施形態では、パラメータ復号部302は、まず、スキップフラグ（図17におけるskip_flag）を復号する（S1301）。スキップフラグがスキップモードであることを示している場合（S1302でYES）、パラメータ復号部302はMMVDフラグ（図17におけるmmvd_flag）を復号する（S1303）。MMVDフラグがMMVDモードであることを示していない場合（S1304でNO）、予測モードはスキップモードである（S1305）。スキップモードでは、図17に示すように、パラメータ復号部302は、マージインデックス（図17におけるmerge_idx）を復号する。
　MMVDフラグがMMVDモードであることを示している場合（S1304でYES）、予測モードはMMVDモードである（S1305）。MMVDモードでは、図17に示すように、パラメータ復号部302はbase_candidate_idx、distance_idx、及びdirection_idxを復号する。
　スキップフラグがスキップモードであることを示していない場合（S1302でNO）、パラメータ復号部302は、マージフラグ（図17におけるmerge_flag）を復号する（S1307）。マージフラグがマージモードであることを示している場合（S1308でYES）、パラメータ復号部302は、MMVDフラグ（図17におけるmmvd_flag）を復号する（S1309）。MMVDフラグがMMVDモードであることを示していない場合（S1310でNO）、予測モードはマージモードである（S1311）。マージモードでは、図17に示すように、パラメータ復号部302は、マージインデックス（図17におけるmerge_idx）を復号する。
　MMVDフラグがMMVDモードであることを示している場合（S1310でYES）、予測モードはMMVDモードである（S1312）。MMVDモードでは、図17に示すように、パラメータ復号部302はbase_candidate_idx、distance_idx、及びdirection_idxを復号する。
　マージフラグがマージモードであることを示していない場合（S1308でNO）、予測モードはAMVPモードである（S1313）。
　スキップモード、マージモードにおいては、パラメータ復号部302は、merge_idxを復号する。
　MMVDモードにおいては、パラメータ復号部302は、base_candidate_idx、distance_idxおよびdirection_idxを復号する。MMVD予測部30376はこれらのパラメータを用いて、mvpLX、mvdLXを導出する。そしてmvLXを導出する。
　次に、図18及び図19を参照して、本発明の別の実施の形態のMMVD予測部30376における予測モードの選択処理の流れについて説明する。図18は、MMVD予測部30376における予測モードの選択処理の流れを示すフローチャートである。図19は、本実施形態に係る予測モードの選択処理を示すシンタックスを示す図であり、図18に示す処理の一部に対応するシンタックステーブルである。
　図16のフローチャート及び図17のシンタックスでは、スキップモードおよびマージモードにおいて、MMVDフラグを復号する処理が存在する。高い圧縮率で、符号化、復号を行いたい場合、相対的にスキップモードやマージモードが多く選択されるが、その場合、MMVDフラグの存在がオーバヘッドとなる。図18のフローチャート及び図19のシンタックスでは、MMVD予測部30376は、スキップモードおよびマージモードのいずれも選択されなかった場合にMMVDモードを選択する。
　図18に示すように、本実施形態では、パラメータ復号部302は、まず、スキップフラグ（図19におけるskip_flag）を復号する（S1401）。スキップフラグがスキップモードであることを示している場合（S1402でYES）、予測モードはスキップモードである（S1403）。スキップモードでは、図19に示すように、パラメータ復号部302は、マージインデックス（図19におけるmerge_idx）を復号する。
　スキップフラグがスキップモードであることを示していない場合（S1402でNO）、パラメータ復号部302は、マージフラグ（図19におけるmerge_flag）を復号する（S1404）。マージフラグがマージモードであることを示している場合（S1405でYES）、予測モードはマージモードである（S1406）。マージモードでは、図19に示すように、パラメータ復号部302は、マージインデックス（図19におけるmerge_idx）を復号する。
　マージフラグがマージモードであることを示していない場合（S1405でNO）、パラメータ復号部302は、MMVDフラグ（図19におけるmmvd_flag）を復号する（S1407）。MMVDフラグがMMVDモードであることを示していない場合（S1408でNO）、予測モードはAMVPモードである（S1409）。MMVDフラグがMMVDモードであることを示している場合（S1408でYES）、予測モードはMMVDモードである（S1410）。MMVDモードでは、図19に示すように、パラメータ復号部302はbase_candidate_idx、distance_idx、及びdirection_idxを復号する。パラメータ符号化部111は、同様の動作でシンタックスを符号化する。
　尚、マージモードである場合は、スキップモードとの違いは、予測画像生成において、予測残差を用いるか否かであるため、パラメータ復号部302は、図18及び図19の処理の後に、逆変換処理があるか否かを示すフラグをシンタックスとして復号する必要はない。一方、MMVDモードである場合は、スキップモードとは異なる予測画像生成が可能であるため、パラメータ復号部302は、逆変換処理があるか否かを示すフラグをシンタックスとして復号する必要がある。
　このような構成をとることで、高い圧縮率で符号化された時に、多数のスキップフラグが予測残差の存在しないスキップモードを示す場合には、MMVDフラグを復号する必要がないために、符号化効率が低下しない。
　次に、図20及び図21を参照して、本発明の実施の形態のMMVD予測部30376における予測モードの選択処理の流れについて説明する。図20は、MMVD予測部30376における予測モードの選択処理の流れを示すフローチャートである。図21は、本実施形態に係る予測モードの選択処理を示すシンタックスを示す図であり、図20に示す処理の一部に対応するシンタックステーブルである。
　図20のフローチャート及び図21のシンタックスでは、スキップモードでは、MMVD予測を行わず、マージモードの時のみにMMVD予測を選択可能とする。
　図20に示すように、本実施形態では、パラメータ復号部302（予測パラメータ復号部）は、まず、スキップフラグ(図21におけるskip_flag)を復号する（S1501）。スキップフラグがスキップモードであることを示している場合（S1502でYES）、予測モードはスキップモードである（S1503）。スキップモードでは、図20に示すように、パラメータ復号部302は、マージインデックス（図21におけるmerge_idx）を復号する。
　スキップフラグがスキップモードであることを示していない場合（S1502でNO）、パラメータ復号部302は、マージフラグ（図21におけるmerge_flag）を復号する（S1504）。マージフラグがマージモードであることを示している場合（S1505でYES）、パラメータ復号部302は、MMVDフラグ（図21におけるmmvd_flag）を復号する（S1506）。MMVDフラグがMMVDモードであることを示していない場合（S1507でNO）、予測モードはマージモードである（S1508）。マージモードでは、図21に示すように、パラメータ復号部302は、マージインデックス（図21におけるmerge_idx）を復号する。MMVDフラグがMMVDモードであることを示している場合（S1507でYES）、予測モードはMMVDモードである（S1509）。MMVDモードでは、図21に示すように、パラメータ復号部302はbase_candidate_idx、distance_idx、及びdirection_idxを復号する。
　マージフラグがマージモードであることを示していない場合（S1505でNO）、予測モードはAMVPモードである（S1510）。パラメータ符号化部111は、同様の動作でシンタックスを符号化する。
　尚、マージモードかつMMVDモードでない場合は、スキップモードとの違いは、予測画像生成において、予測残差を用いるか否かであるため、パラメータ復号部302は、図20及び図21の処理の後に、逆変換処理があるか否かを示すフラグをシンタックスとして復号する必要はない。一方、マージモードでなくMMVDモードである場合は、スキップモードとは異なる予測画像生成が可能であるため、パラメータ復号部302は、逆変換処理があるか否かを示すフラグをシンタックスとして復号する必要がある。
　このような構成をとることで、高い圧縮率で符号化された時に、多数のスキップフラグが予測残差の存在しないスキップモードを示す場合にMMVDフラグを復号する必要がないために、符号化効率が低下しない。
　ループフィルタ305は、符号化ループ内に設けたフィルタで、ブロック歪やリンギング歪を除去し、画質を改善するフィルタである。ループフィルタ305は、加算部312が生成したCUの復号画像に対し、デブロッキングフィルタ、サンプル適応オフセット（SAO）、適応ループフィルタ（ALF）等のフィルタを施す。
　参照ピクチャメモリ306は、加算部312が生成したCUの復号画像を、対象ピクチャ及び対象CU毎に予め定めた位置に記憶する。
　予測パラメータメモリ307は、復号対象のCTUあるいはCU毎に予め定めた位置に予測パラメータを記憶する。具体的には、予測パラメータメモリ307は、パラメータ復号部302が復号したパラメータ及びエントロピー復号部301が復号した予測モードpredMode等を記憶する。
　予測画像生成部308には、予測モードpredMode、予測パラメータ等が入力される。また、予測画像生成部308は、参照ピクチャメモリ306から参照ピクチャを読み出す。予測画像生成部308は、予測モードpredModeが示す予測モードで、予測パラメータと読み出した参照ピクチャ（参照ピクチャブロック）を用いてブロックもしくはサブブロックの予測画像を生成する。ここで、参照ピクチャブロックとは、参照ピクチャ上の画素の集合（通常矩形であるのでブロックと呼ぶ）であり、予測画像を生成するために参照する領域である。
　　（インター予測画像生成部309）
　予測モードpredModeがインター予測モードを示す場合、インター予測画像生成部309は、インター予測パラメータ復号部303から入力されたインター予測パラメータと読み出した参照ピクチャを用いてインター予測によりブロックもしくはサブブロックの予測画像を生成する。
　図11は、本実施形態に係る予測画像生成部308に含まれるインター予測画像生成部309の構成を示す概略図である。インター予測画像生成部309は、動き補償部（予測画像生成装置）3091、合成部3095を含んで構成される。
　　（動き補償）
　動き補償部3091（補間画像生成部3091）は、インター予測パラメータ復号部303から入力された、インター予測パラメータ（予測リスト利用フラグpredFlagLX、参照ピクチャインデックスrefIdxLX、動きベクトルmvLX）に基づいて、参照ピクチャメモリ306から、参照ピクチャインデックスrefIdxLXで指定された参照ピクチャRefPicLXにおける、対象ブロックの位置を起点として動きベクトルmvLXだけシフトした位置にあるブロックを読み出すことによって補間画像（動き補償画像）を生成する。ここで、動きベクトルmvLXの精度が整数精度でない場合には、動き補償フィルタと呼ばれる小数位置の画素を生成するためのフィルタを施して、補間画像を生成する。
　動き補償部3091は、まず、予測ブロック内座標(x,y)に対応する整数位置(xInt,yInt)および位相(xFrac,yFrac)を以下の式で導出する。
　　xInt = xPb+(mvLX[0]>>(log2(MVPREC)))+x
　　xFrac = mvLX[0]&(MVPREC-1)
　　yInt = yPb+(mvLX[1]>>(log2(MVPREC)))+y
　　yFrac = mvLX[1]&(MVPREC-1)
ここで、(xPb,yPb)は、bW*bHサイズのブロックの左上座標、x=0…bW-1、y=0…bH-1であり、MVPRECは、動きベクトルmvLXの精度（1/MVPREC画素精度）を示す。例えばMVPREC=16であってよい。
　動き補償部3091は、参照ピクチャrefImgに補間フィルタを用いて水平補間処理を行うことで、一時的画像temp[][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift1は値のレンジを調整する正規化パラメータ、offset1=1<<(shift1-1)である。
　temp[x][y] = (ΣmcFilter[xFrac][k]*refImg[xInt+k-NTAP/2+1][yInt]+offset1)>>shift1
　続いて、動き補償部3091は、一時的画像temp[][]を垂直補間処理により、補間画像Pred [][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift2は値のレンジを調整する正規化パラメータ、offset2=1<<(shift2-1)である。
　　Pred[x][y] = (ΣmcFilter[yFrac][k]*temp[x][y+k-NTAP/2+1]+offset2)>>shift2　
　　（合成部）
　合成部3095は、動き補償部3091から供給される補間画像、インター予測パラメータ復号部303から供給されるインター予測パラメータ、及び、イントラ予測画像生成部310から供給されるイントラ画像を参照して、予測画像を生成し、生成した予測画像を加算部312に供給する。
　合成部3095は、Combined intra/inter合成部30951、Triangle合成部30952、OBMC部30953、BIO部30954を備えている。
　（Combined intra/inter合成処理）
　Combined intra/inter合成部30951は、AMVPにおける単方向予測、スキップモード、マージモード、及びイントラ予測を複合的に用いることによって予測画像を生成する。
　（Triangle合成処理）
　Triangle合成部30952は、上述したTriangle予測を用いた予測画像を生成する。
　（OBMC処理）
　OBMC部30953は、OBMC（Overlapped block motion compensation）処理を用いて予測画像を生成する。OBMC処理には以下の処理が含まれる。
・対象サブブロックに付加されたインター予測パラメータを用いて生成される補間画像（PU補間画像）と、対象サブブロックの隣接サブブロックの動きパラメータを用いて生成される補間画像（OBMC補間画像）とを用いて、対象サブブロックの補間画像（動き補償画像）を生成する。
・OBMC補間画像とPU補間画像とを加重平均することにより、予測画像を生成する。
　（BIO処理）
　BIO部30954は、BIO（Bi-directional optical flow；双予測勾配変化）処理を行うことによって、予測画像を生成する。BIO処理では、動き補償画像PredL0及びPredL1と、勾配補正項とを参照して予測画像を生成する。BIO部30954は、後述する重み予測を行うことによって予測画像を生成する構成としてもよい。
　　（重み予測）
　重み予測では、動き補償画像PredLXに重み係数を乗算することによりブロックの予測画像を生成する。予測リスト利用フラグの一方（predFlagL0もしくはpredFlagL1）が１（単予測）、かつ、重み予測を用いない場合、動き補償画像PredLX（LXはL0もしくはL1）を画素ビット数bitDepthに合わせる以下の式の処理を行う。
　　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredLX[x][y]+offset1)>>shift1)
　ここで、shift1=14-bitDepth、offset1=1<<(shift1-1)である。また、参照リスト利用フラグの両者（predFlagL0とpredFlagL1）が１（双予測BiPred）、かつ、重み予測を用いない場合、動き補償画像PredL0、PredL1を平均し画素ビット数に合わせる以下の式の処理を行う。
　　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]+PredL1[x][y]+offset2)>>shift2)
ここで、shift2=15-bitDepth、offset2=1<<(shift2-1)である。
　さらに、単予測、かつ、重み予測を行う場合、重み予測部3094は重み予測係数w0とオフセットo0を符号化データから導出し、以下の式の処理を行う。
　　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,((PredLX[x][y]*w0+2^(log2WD-1))>>log2WD)+o0)
　ここで、log2WDは所定のシフト量を示す変数である。
　さらに、双予測BiPred、かつ、重み予測を行う場合、重み予測部3094は重み予測係数w0、w1、o0、o1を符号化データから導出し、以下の式の処理を行う。
　　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]*w0+PredL1[x][y]*w1+((o0+o1+1)<<log2WD))>>(log2WD+1))
　そして、生成したブロックの予測画像を加算部312に出力する。
　逆量子化・逆変換部311は、エントロピー復号部301から入力された量子化変換係数を逆量子化して変換係数を求める。この量子化変換係数は、符号化処理において、予測誤差に対してDCT（Discrete Cosine Transform、離散コサイン変換）、DST（Discrete Sine Transform、離散サイン変換）等の周波数変換を行い量子化して得られる係数である。逆量子化・逆変換部311は、求めた変換係数について逆DCT、逆DST等の逆周波数変換を行い、予測誤差を算出する。逆量子化・逆変換部311は予測誤差を加算部312に出力する。逆量子化・逆変換部311は、skip_flagが1の場合もしくはcu_cbpが0の場合に予測誤差を全て０と設定する。
　加算部312は、予測画像生成部308から入力されたブロックの予測画像と逆量子化・逆変換部311から入力された予測誤差を画素毎に加算して、ブロックの復号画像を生成する。加算部312はブロックの復号画像を参照ピクチャメモリ306に記憶し、また、ループフィルタ305に出力する。
　　（動画像符号化装置の構成）
　次に、本実施形態に係る動画像符号化装置11の構成について説明する。図12は、本実施形態に係る動画像符号化装置11の構成を示すブロック図である。動画像符号化装置11は、予測画像生成部101、減算部102、変換・量子化部103、逆量子化・逆変換部105、加算部106、ループフィルタ107、予測パラメータメモリ（予測パラメータ記憶部、フレームメモリ）108、参照ピクチャメモリ（参照画像記憶部、フレームメモリ）109、符号化パラメータ決定部110、パラメータ符号化部111、エントロピー符号化部104を含んで構成される。
　予測画像生成部101は画像Ｔの各ピクチャを分割した領域であるCU毎に予測画像を生成する。予測画像生成部101は既に説明した予測画像生成部308と同じ動作であり、説明を省略する。
　減算部102は、予測画像生成部101から入力されたブロックの予測画像の画素値を、画像Ｔの画素値から減算して予測誤差を生成する。減算部102は予測誤差を変換・量子化部103に出力する。
　変換・量子化部103は、減算部102から入力された予測誤差に対し、周波数変換によって変換係数を算出し、量子化によって量子化変換係数を導出する。変換・量子化部103は、量子化変換係数をエントロピー符号化部104及び逆量子化・逆変換部105に出力する。
　逆量子化・逆変換部105は、動画像復号装置31における逆量子化・逆変換部311（図7）と同じであり、説明を省略する。算出した予測誤差は加算部106に出力される。
　エントロピー符号化部104には、変換・量子化部103から量子化変換係数が入力され、パラメータ符号化部111から符号化パラメータが入力される。符号化パラメータには、例えば、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、動きベクトル精度モードamvr_mode、予測モードpredMode、及びマージインデックスmerge_idx等の符号がある。
　エントロピー符号化部104は、分割情報、予測パラメータ、量子化変換係数等をエントロピー符号化して符号化ストリームTeを生成し、出力する。
　パラメータ符号化部111は、図示しないヘッダ符号化部1110、CT情報符号化部1111、CU符号化部1112（予測モード符号化部）、およびパラメータ符号化部112を備えている。CU符号化部1112はさらにTU符号化部1114を備えている。
　以下、各モジュールの概略動作を説明する。パラメータ符号化部111はヘッダ情報、分割情報、予測情報、量子化変換係数等のパラメータの符号化処理を行う。
　CT情報符号化部1111は、符号化データからQT、MT（BT、TT）分割情報等を符号化する。
　CU符号化部1112はCU情報、予測情報、TU分割フラグsplit_transform_flag、CU残差フラグcbf_cb、cbf_cr、cbf_luma等を符号化する。
　TU符号化部1114は、TUに予測誤差が含まれている場合に、QP更新情報（量子化補正値）と量子化予測誤差（residual_coding）を符号化する。
　CT情報符号化部1111、CU符号化部1112は、インター予測パラメータ（予測モードpredMode、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX）、イントラ予測パラメータ（prev_intra_luma_pred_flag、mpm_idx、rem_selected_mode_flag、rem_selected_mode、rem_non_selected_mode、）、量子化変換係数等のシンタックス要素をエントロピー符号化部104に供給する。
　　（パラメータ符号化部の構成）
　パラメータ符号化部112は、符号化パラメータ決定部110から入力された予測パラメータに基づいて、インター予測パラメータを導出する。パラメータ符号化部112は、インター予測パラメータ復号部303がインター予測パラメータを導出する構成と一部同一の構成を含む。
　図13は、パラメータ符号化部112の構成を示す概略図である。パラメータ符号化部112の構成について説明する。図13に示すように、パラメータ符号化部112は、パラメータ符号化制御部1121、マージ予測部30374、サブブロック予測部（アフィン予測部）30372、DMVR部30375、MMVD予測部30376、Triangle予測部30377、AMVP予測パラメータ導出部3032、減算部1123を含んで構成される。マージ予測部30374は、マージ予測パラメータ導出部3036を備えている。パラメータ符号化制御部1121は、マージインデックス導出部11211とベクトル候補インデックス導出部11212を含む。また、パラメータ符号化制御部1121は、マージインデックス導出部11211でmerge_idx、affine_flag、base_candidate_idx、distance_idx、direction_idx等を導出し、ベクトル候補インデックス導出部11212でmvpLX等を導出する。マージ予測パラメータ導出部3036、AMVP予測パラメータ導出部3032、アフィン予測部30372、MMVD予測部30376、Triangle予測部30377を総称して動きベクトル導出部（動きベクトル導出装置）と称してもよい。パラメータ符号化部112は、動きベクトルmvLX、参照ピクチャインデックスrefIdxLX、インター予測識別子inter_pred_idc、あるいはこれらを示す情報を予測画像生成部101に出力する。またパラメータ符号化部112は、merge_flag、skip_flag、merge_idx、inter_pred_idc、refIdxLX、mvp_lX_idx、mvdLX、amvr_mode、affine_flagをエントロピー符号化部104に出力する。
　パラメータ符号化制御部1121は差分ベクトルを表すパラメータ（base_candidate_idx、distance_idx、direction_idx等）を導出し、MMVD予測部30376に出力する。図15を参照してパラメータ符号化制御部1121におけるの差分ベクトル導出を説明する。図の中央の黒丸が予測ベクトルmvpLXの指す位置であり、この位置を中心にして、４（上、下、左、右）方向に各々８つの探索距離を探索する。mvpLXはマージ候補リストの先頭と２番目の候補の動きベクトルであり、各々に対し探索を実施する。マージ候補リストの予測ベクトルが２つ（リストの１番目と２番目）あり、探索距離が８、探索方向が４であるので、mvdLXには64通りの候補がある。探索した中で最もコストの小さいmvdLXを、base_candidate_idx、distance_idxおよびdirection_idxで表す。
　このようにMMVDモードは、予測ベクトルを中心として限られた候補点を探索し、適切な動きベクトルを導出するモードである。
　マージインデックス導出部11211は、マージインデックスmerge_idxを導出し、マージ予測パラメータ導出部3036（マージ予測部）に出力する。MMVDモードにおいては、マージインデックス導出部11211は、マージインデックスmerge_idxの値をbase_candidate_idxの値と同じ値に設定する。ベクトル候補インデックス導出部11212は予測ベクトルインデックスmvp_lX_idxを導出する。
　マージ予測パラメータ導出部3036は、マージインデックスmerge_idxに基づいて、インター予測パラメータを導出する。
　AMVP予測パラメータ導出部3032は動きベクトルmvLXに基づいて予測ベクトルmvpLXを導出する。AMVP予測パラメータ導出部3032は予測ベクトルmvpLXを減算部1123に出力する。なお、参照ピクチャインデックスrefIdxLX及び予測ベクトルインデックスmvp_lX_idxは、エントロピー符号化部104に出力される。
　アフィン予測部30372は、サブブロックのインター予測パラメータ（アフィン予測パラメータ）を導出する。
　減算部1123は、符号化パラメータ決定部110から入力された動きベクトルmvLXから、AMVP予測パラメータ導出部3032の出力である予測ベクトルmvpLXを減算して差分ベクトルmvdLXを生成する。減算部1123は、差分ベクトルmvdLXをエントロピー符号化部104に出力する。
　加算部106は、予測画像生成部101から入力されたブロックの予測画像の画素値と逆量子化・逆変換部105から入力された予測誤差を画素毎に加算して復号画像を生成する。加算部106は生成した復号画像を参照ピクチャメモリ109に記憶する。
　ループフィルタ107は加算部106が生成した復号画像に対し、デブロッキングフィルタ、SAO、ALFを施す。なお、ループフィルタ107は、必ずしも上記３種類のフィルタを含まなくてもよく、例えばデブロッキングフィルタのみの構成であってもよい。
　予測パラメータメモリ108は、符号化パラメータ決定部110が生成した予測パラメータを、対象ピクチャ及びCU毎に予め定めた位置に記憶する。
　参照ピクチャメモリ109は、ループフィルタ107が生成した復号画像を対象ピクチャ及びCU毎に予め定めた位置に記憶する。
　符号化パラメータ決定部110は、符号化パラメータの複数のセットのうち、１つのセットを選択する。符号化パラメータとは、上述したQT、BTあるいはTT分割情報、予測パラメータ、あるいはこれらに関連して生成される符号化の対象となるパラメータである。予測画像生成部101は、これらの符号化パラメータを用いて予測画像を生成する。
　符号化パラメータ決定部110は、複数のセットの各々について情報量の大きさと符号化誤差を示すRDコスト値を算出する。符号化パラメータ決定部110は、算出したコスト値が最小となる符号化パラメータのセットを選択する。これにより、エントロピー符号化部104は、選択した符号化パラメータのセットを符号化ストリームTeとして出力する。符号化パラメータ決定部110は決定した符号化パラメータを予測パラメータメモリ108に記憶する。
　なお、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、例えば、エントロピー復号部301、パラメータ復号部302、ループフィルタ305、予測画像生成部308、逆量子化・逆変換部311、加算部312、予測画像生成部101、減算部102、変換・量子化部103、エントロピー符号化部104、逆量子化・逆変換部105、ループフィルタ107、符号化パラメータ決定部110、パラメータ符号化部111をコンピュータで実現するようにしても良い。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、動画像符号化装置11、動画像復号装置31のいずれかに内蔵されたコンピュータシステムであって、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
　また、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、または全部を、LSI（Large Scale Integration）等の集積回路として実現しても良い。動画像符号化装置11、動画像復号装置31の各機能ブロックは個別にプロセッサ化しても良いし、一部、または全部を集積してプロセッサ化しても良い。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現しても良い。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いても良い。
　以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
　〔応用例〕
　上述した動画像符号化装置11及び動画像復号装置31は、動画像の送信、受信、記録、再生を行う各種装置に搭載して利用することができる。なお、動画像は、カメラ等により撮像された自然動画像であってもよいし、コンピュータ等により生成された人工動画像（CGおよびGUIを含む）であってもよい。
　まず、上述した動画像符号化装置11及び動画像復号装置31を、動画像の送信及び受信に利用できることを、図2を参照して説明する。
　図2(a)は、動画像符号化装置11を搭載した送信装置PROD_Aの構成を示したブロック図である。図に示すように、送信装置PROD_Aは、動画像を符号化することによって符号化データを得る符号化部PROD_A1と、符号化部PROD_A1が得た符号化データで搬送波を変調することによって変調信号を得る変調部PROD_A2と、変調部PROD_A2が得た変調信号を送信する送信部PROD_A3と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_A1として利用される。
　送信装置PROD_Aは、符号化部PROD_A1に入力する動画像の供給源として、動画像を撮像するカメラPROD_A4、動画像を記録した記録媒体PROD_A5、動画像を外部から入力するための入力端子PROD_A6、及び、画像を生成または加工する画像処理部Ａ７を更に備えていてもよい。図においては、これら全てを送信装置PROD_Aが備えた構成を例示しているが、一部を省略しても構わない。
　なお、記録媒体PROD_A5は、符号化されていない動画像を記録したものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化された動画像を記録したものであってもよい。後者の場合、記録媒体PROD_A5と符号化部PROD_A1との間に、記録媒体PROD_A5から読み出した符号化データを記録用の符号化方式に従って復号する復号部（不図示）を介在させるとよい。
　図2(b)は、動画像復号装置31を搭載した受信装置PROD_Bの構成を示したブロック図である。図に示すように、受信装置PROD_Bは、変調信号を受信する受信部PROD_B1と、受信部PROD_B1が受信した変調信号を復調することによって符号化データを得る復調部PROD_B2と、復調部PROD_B2が得た符号化データを復号することによって動画像を得る復号部PROD_B3と、を備えている。上述した動画像復号装置31は、この復号部PROD_B3として利用される。
　受信装置PROD_Bは、復号部PROD_B3が出力する動画像の供給先として、動画像を表示するディスプレイPROD_B4、動画像を記録するための記録媒体PROD_B5、及び、動画像を外部に出力するための出力端子PROD_B6を更に備えていてもよい。図においては、これら全てを受信装置PROD_Bが備えた構成を例示しているが、一部を省略しても構わない。
　なお、記録媒体PROD_B5は、符号化されていない動画像を記録するためのものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化されたものであってもよい。後者の場合、復号部PROD_B3と記録媒体PROD_B5との間に、復号部PROD_B3から取得した動画像を記録用の符号化方式に従って符号化する符号化部（不図示）を介在させるとよい。
　なお、変調信号を伝送する伝送媒体は、無線であってもよいし、有線であってもよい。また、変調信号を伝送する伝送態様は、放送（ここでは、送信先が予め特定されていない送信態様を指す）であってもよいし、通信（ここでは、送信先が予め特定されている送信態様を指す）であってもよい。すなわち、変調信号の伝送は、無線放送、有線放送、無線通信、及び有線通信の何れによって実現してもよい。
　例えば、地上デジタル放送の放送局（放送設備など）／受信局（テレビジョン受像機など）は、変調信号を無線放送で送受信する送信装置PROD_A／受信装置PROD_Bの一例である。また、ケーブルテレビ放送の放送局（放送設備など）／受信局（テレビジョン受像機など）は、変調信号を有線放送で送受信する送信装置PROD_A／受信装置PROD_Bの一例である。
　また、インターネットを用いたVOD（Video On Demand）サービスや動画共有サービスなどのサーバ（ワークステーションなど）／クライアント（テレビジョン受像機、パーソナルコンピュータ、スマートフォンなど）は、変調信号を通信で送受信する送信装置PROD_A／受信装置PROD_Bの一例である（通常、ＬＡＮにおいては伝送媒体として無線または有線の何れかが用いられ、ＷＡＮにおいては伝送媒体として有線が用いられる）。ここで、パーソナルコンピュータには、デスクトップ型PC、ラップトップ型PC、及びタブレット型PCが含まれる。また、スマートフォンには、多機能携帯電話端末も含まれる。
　なお、動画共有サービスのクライアントは、サーバからダウンロードした符号化データを復号してディスプレイに表示する機能に加え、カメラで撮像した動画像を符号化してサーバにアップロードする機能を有している。すなわち、動画共有サービスのクライアントは、送信装置PROD_A及び受信装置PROD_Bの双方として機能する。
　次に、上述した動画像符号化装置11及び動画像復号装置31を、動画像の記録及び再生に利用できることを、図3を参照して説明する。
　図3(a)は、上述した動画像符号化装置11を搭載した記録装置PROD_Cの構成を示したブロック図である。図に示すように、記録装置PROD_Cは、動画像を符号化することによって符号化データを得る符号化部PROD_C1と、符号化部PROD_C1が得た符号化データを記録媒体PROD_Mに書き込む書込部PROD_C2と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_C1として利用される。
　なお、記録媒体PROD_Mは、（１）HDD（Hard Disk Drive）やSSD(Solid State Drive)などのように、記録装置PROD_Cに内蔵されるタイプのものであってもよいし、（２）SDメモリカードやUSB（Universal Serial Bus）フラッシュメモリなどのように、記録装置PROD_Cに接続されるタイプのものであってもよいし、（３）DVD（Digital Versatile Disc:登録商標）やBD（Blu-ray Disc:登録商標）などのように、記録装置PROD_Cに内蔵されたドライブ装置（不図示）に装填されるものであってもよい。
　また、記録装置PROD_Cは、符号化部PROD_C1に入力する動画像の供給源として、動画像を撮像するカメラPROD_C3、動画像を外部から入力するための入力端子PROD_C4、動画像を受信するための受信部PROD_C5、及び、画像を生成または加工する画像処理部PROD_C6を更に備えていてもよい。図においては、これら全てを記録装置PROD_Cが備えた構成を例示しているが、一部を省略しても構わない。
　なお、受信部PROD_C5は、符号化されていない動画像を受信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを受信するものであってもよい。後者の場合、受信部PROD_C5と符号化部PROD_C1との間に、伝送用の符号化方式で符号化された符号化データを復号する伝送用復号部（不図示）を介在させるとよい。
　このような記録装置PROD_Cとしては、例えば、DVDレコーダ、BDレコーダ、HDD（Hard Disk Drive）レコーダなどが挙げられる（この場合、入力端子PROD_C4または受信部PROD_C5が動画像の主な供給源となる）。また、カムコーダ（この場合、カメラPROD_C3が動画像の主な供給源となる）、パーソナルコンピュータ（この場合、受信部PROD_C5または画像処理部Ｃ６が動画像の主な供給源となる）、スマートフォン（この場合、カメラPROD_C3または受信部PROD_C5が動画像の主な供給源となる）なども、このような記録装置PROD_Cの一例である。
　図3(b)は、上述した動画像復号装置31を搭載した再生装置PROD_Dの構成を示したブロックである。図に示すように、再生装置PROD_Dは、記録媒体PROD_Mに書き込まれた符号化データを読み出す読出部PROD_D1と、読出部PROD_D1が読み出した符号化データを復号することによって動画像を得る復号部PROD_D2と、を備えている。上述した動画像復号装置31は、この復号部PROD_D2として利用される。
　なお、記録媒体PROD_Mは、（１）HDDやSSDなどのように、再生装置PROD_Dに内蔵されるタイプのものであってもよいし、（２）SDメモリカードやUSBフラッシュメモリなどのように、再生装置PROD_Dに接続されるタイプのものであってもよいし、（３）DVDやBDなどのように、再生装置PROD_Dに内蔵されたドライブ装置（不図示）に装填されるものであってもよい。
　また、再生装置PROD_Dは、復号部PROD_D2が出力する動画像の供給先として、動画像を表示するディスプレイPROD_D3、動画像を外部に出力するための出力端子PROD_D4、及び、動画像を送信する送信部PROD_D5を更に備えていてもよい。図においては、これら全てを再生装置PROD_Dが備えた構成を例示しているが、一部を省略しても構わない。
　なお、送信部PROD_D5は、符号化されていない動画像を送信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを送信するものであってもよい。後者の場合、復号部PROD_D2と送信部PROD_D5との間に、動画像を伝送用の符号化方式で符号化する符号化部（不図示）を介在させるとよい。
　このような再生装置PROD_Dとしては、例えば、DVDプレイヤ、BDプレイヤ、HDDプレイヤなどが挙げられる（この場合、テレビジョン受像機等が接続される出力端子PROD_D4が動画像の主な供給先となる）。また、テレビジョン受像機（この場合、ディスプレイPROD_D3が動画像の主な供給先となる）、デジタルサイネージ（電子看板や電子掲示板等とも称され、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）、デスクトップ型PC（この場合、出力端子PROD_D4または送信部PROD_D5が動画像の主な供給先となる）、ラップトップ型またはタブレット型PC（この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）、スマートフォン（この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）なども、このような再生装置PROD_Dの一例である。
　　（ハードウェア的実現およびソフトウェア的実現）
　また、上述した動画像復号装置31および動画像符号化装置11の各ブロックは、集積回路（ICチップ）上に形成された論理回路によってハードウェア的に実現してもよいし、CPU（Central Processing Unit）を用いてソフトウェア的に実現してもよい。
　後者の場合、上記各装置は、各機能を実現するプログラムの命令を実行するCPU、上記プログラムを格納したROM（Read Only Memory）、上記プログラムを展開するRAM（Random Access Memory）、上記プログラムおよび各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の実施形態の目的は、上述した機能を実現するソフトウェアである上記各装置の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータで読み取り可能に記録した記録媒体を、上記各装置に供給し、そのコンピュータ（またはCPUやMPU）が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。
　上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやCD-ROM（Compact Disc Read-Only Memory）／MOディスク（Magneto-Optical disc）／MD（Mini Disc）／DVD（Digital Versatile Disc:登録商標）／CD-R（CD Recordable）／ブルーレイディスク（Blu-ray Disc：登録商標）等の光ディスクを含むディスク類、ICカード（メモリカードを含む）／光カード等のカード類、マスクROM／EPROM（Erasable Programmable Read-Only Memory）／EEPROM（Electrically Erasable and Programmable Read-Only Memory：登録商標）／フラッシュROM等の半導体メモリ類、あるいはPLD（Programmable logic device）やFPGA（Field Programmable Gate Array）等の論理回路類などを用いることができる。
　また、上記各装置を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、LAN（Local Area Network）、ISDN（Integrated Services Digital Network）、VAN（Value-Added Network）、CATV（Community Antenna television/Cable Television）通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、IEEE（Institute of Electrical and Electronic Engineers）1394、USB、電力線搬送、ケーブルＴＶ回線、電話線、ADSL（Asymmetric Digital Subscriber Line）回線等の有線でも、IrDA（Infrared Data Association）やリモコンのような赤外線、BlueTooth（登録商標）、IEEE802.11無線、HDR（High Data Rate）、NFC（Near Field Communication）、DLNA（Digital Living Network Alliance：登録商標）、携帯電話網、衛星回線、地上デジタル放送網等の無線でも利用可能である。なお、本発明の実施形態は、上記プログラムコードが電子的な伝送で具現化された、搬送波に埋め込まれたコンピュータデータ信号の形態でも実現され得る。
　本発明の実施形態は上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。すなわち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
　（関連出願の相互参照）
　本出願は、2018年12月7日に出願された日本国特許出願：特願2018-230199に対して優先権の利益を主張するものであり、それを参照することにより、その内容の全てが本書に含まれる。
　（本発明の別の表現）
　なお、本発明は、以下のようにも表現される。
　すなわち、本発明の一態様に係る画像復号装置は、
　予測画像を生成するためのパラメータを復号するパラメータ復号部を有し、
　上記パラメータ復号部は、予測残差が存在しないスキップモードか否かを示すスキップフラグを復号し、スキップフラグがスキップモードを示していない場合、マージ候補から動きベクトル情報を得るマージモードか否かを示すマージフラグを復号し、マージフラグがマージモードを示していない場合、上記マージ候補から得られる動きベクトル情報に加えて、所定の方向の差分の動きベクトル情報を符号化データから復号することで動きベクトル情報を得るMMVDモードか否かを示すMMVDフラグを復号する。
　また、本発明の一態様に係る画像復号装置は、
　予測画像を生成するためのパラメータを復号するパラメータ復号部を有し、
　上記パラメータ復号部は、予測残差が存在しないスキップモードか否かを示すスキップフラグを復号し、スキップフラグがスキップモードを示していない場合、マージ候補から動きベクトル情報を得るマージモードか否かを示すマージフラグを復号し、マージフラグがマージモードを示していた場合、上記マージ候補から得られる動きベクトル情報に加えて、所定の方向の差分の動きベクトル情報を符号化データから復号することで動きベクトル情報を得るMMVDモードか否かを示すMMVDフラグを復号する。
　また、本発明の一態様に係る画像符号化装置は、
　予測画像を生成するためのパラメータを符号化するパラメータ符号化部を有し、
　上記パラメータ符号化部は、予測残差が存在しないスキップモードか否かを示すスキップフラグを符号化し、スキップフラグがスキップモードを示していない場合、マージ候補から動きベクトル情報を得るマージモードか否かを示すマージフラグを符号化し、マージフラグがマージモードを示していない場合、上記マージ候補から得られる動きベクトル情報に加えて、所定の方向の差分の動きベクトル情報を符号化することで動きベクトル情報を得るMMVDモードか否かを示すMMVDフラグを符号化することを特徴とする。
　また、本発明の一態様に係る画像符号化装置は、
　予測画像を生成するためのパラメータを符号化するパラメータ符号化部を有し、
　上記パラメータ符号化部は、予測残差が存在しないスキップモードか否かを示すスキップフラグを符号化し、スキップフラグがスキップモードを示していない場合、マージ候補から動きベクトル情報を得るマージモードか否かを示すマージフラグを符号化し、マージフラグがマージモードを示していた場合、上記マージ候補から得られる動きベクトル情報に加えて、所定の方向の差分の動きベクトル情報を符号化することで動きベクトル情報を得るMMVDモードか否かを示すMMVDフラグを符号化する。
　また、本発明の一態様に係る画像復号装置は、
　予測画像を生成するためのパラメータを復号するパラメータ復号部を有し、
　上記パラメータ復号部は、所定の方向の差分の動きベクトル情報を符号化データから復号することで動きベクトル情報を得るMMVDモードか否かを示すMMVDフラグと、距離テーブルを示すインデクスと、距離テーブルの要素を選択するインデクスを復号し、マージ候補から導出される動きベクトルに、所定の距離及び所定の方向の差分ベクトルを加算することで動きベクトルを得るMMVD予測部を有し、
　上記MMVD予測部は、上記距離テーブルの特定の要素を選択する場合に、動きベクトルを整数精度に変換する。
　このような構成をとることで、画像が高い圧縮率で符号化された時に、多数の予測パラメータがスキップフラグで予測残差が存在しない時を示す場合には、マージフラグやMMVDフラグを復号する必要がないために、符号化効率が低下しない。
　また、本発明の一態様に係る画像復号装置は、予測画像を生成するためのパラメータを復号する予測パラメータ復号部を有し、
　前記予測パラメータ復号部は、予測残差が存在しないことを示すスキップフラグを復号し、予測残差が存在する場合、次に、暗黙的に動きベクトル情報を得るマージフラグが復号し、マージモードでなかった場合、暗黙的に得られる動きベクトル情報に加えて差分の動きベクトル情報を符号化データから復号することで動きベクトル情報を得るMMVDフラグを復号することを特徴とする。
　このような構成をとることで、低レートの時に、多数の予測パラメータがスキップフラグで予測残差が存在しない時を示す場合には、マージフラグやMMVDフラグを復号する必要がないために、符号化効率が低下しない。
　本発明の実施形態は、画像データが符号化された符号化データを復号する動画像復号装置、および、画像データが符号化された符号化データを生成する動画像符号化装置に好適に適用することができる。また、動画像符号化装置によって生成され、動画像復号装置によって参照される符号化データのデータ構造に好適に適用することができる。
31　画像復号装置
301　エントロピー復号部
302　パラメータ復号部
3020　ヘッダ復号部
303　インター予測パラメータ復号部
304　イントラ予測パラメータ復号部
308　予測画像生成部
309　インター予測画像生成部
310　イントラ予測画像生成部
311　逆量子化・逆変換部
312　加算部
11　画像符号化装置
101　予測画像生成部
102　減算部
103　変換・量子化部
104　エントロピー符号化部
105　逆量子化・逆変換部
107　ループフィルタ
110　符号化パラメータ決定部
111　パラメータ符号化部
112　パラメータ符号化部
1110　ヘッダ符号化部
1111　CT情報符号化部
1112　CU符号化部（予測モード符号化部）
1114　TU符号化部

Claims (3)

  1. 　予測画像を生成するためのパラメータを復号するパラメータ復号部と、
    　Merge with Motion Vector Difference（MMVD）モードが用いられる場合、マージ候補リストのインデックスから導出される動きベクトルに差分ベクトルを加算することで動きベクトルを得る予測部と、を有し、
    　上記パラメータ復号部は、予測残差が存在しないスキップモードか否かを示すスキップフラグを復号し、
    　上記スキップフラグが上記スキップモードを示していない場合、マージ候補から動きベクトル情報を得るマージモードか否かを示すマージフラグを復号し、
    　上記マージフラグがマージモードを示す場合、所定の方向の差分の動きベクトル情報を符号化データから復号することで動きベクトル情報を得るMMVDモードか否かを示すMMVDフラグを復号し、
    　上記MMVDフラグが上記MMVDモードを示す場合、上記マージ候補リストのインデックスと、上記差分ベクトルの長さを示す第１のインデックスと、上記差分ベクトルの方向を示す第２のインデックスを復号し、
    　上記MMVDフラグが上記MMVDモードを示さない場合、マージインデックスを復号し、
    　上記予測部は、上記マージ候補リストのインデックスから上記動きベクトルを導出し、上記第１のインデックスと上記第２のインデックスから上記差分ベクトルを導出することを特徴とする動画像復号装置。
  2. 　Merge with Motion Vector Difference（MMVD）モードにおいて予測画像を生成するためのパラメータを復号するパラメータ復号部と、
    　マージ候補リストのインデックスから導出される動きベクトルに差分ベクトルを加算することでマージ候補の動きベクトルを得るMMVD予測部と、を有し、
    　上記パラメータ復号部は、上記マージ候補リストのインデックスと、上記差分ベクトルの長さを示す第１のインデックスと、上記差分ベクトルの方向を示す第２のインデックスを復号し、
    　上記MMVD予測部は、上記マージ候補リストのインデックスから上記マージ候補の動きベクトルを導出し、
    　マージ候補が双予測の場合、上記第１のインデックスと上記第２のインデックスから第１ベクトルを導出し、
    　対象ピクチャと第１ピクチャとの距離が、上記対象ピクチャと第２ピクチャとの距離よりも大きい場合、上記対象ピクチャ上の対象ブロックと上記第１ピクチャとの間の第１差分ベクトルに上記第１ベクトルを設定し、上記第１差分ベクトルをスケーリングして上記対象ブロックと上記第２ピクチャとの間の第２差分ベクトルを導出することを特徴とする動画像復号装置。
  3. 　上記MMVD予測部は、上記対象ピクチャと上記第１ピクチャとの距離が、上記対象ピクチャと上記第２ピクチャとの距離と等しい場合、上記第１差分ベクトル及び上記第２差分ベクトルに上記第１ベクトルを設定することを特徴とする請求項２に記載の動画像復号装置。
PCT/JP2019/047253 2018-12-07 2019-12-03 動画像復号装置 Ceased WO2020116456A1 (ja)

Priority Applications (9)

Application Number Priority Date Filing Date Title
CN202411121391.2A CN118764643A (zh) 2018-12-07 2019-12-03 运动图像解码装置
EP19893907.6A EP3893508A4 (en) 2018-12-07 2019-12-03 Moving image decoding device
CN201980080312.9A CN113170186A (zh) 2018-12-07 2019-12-03 运动图像解码装置
US17/299,812 US11412243B2 (en) 2018-12-07 2019-12-03 Video decoding apparatus
CN202411121404.6A CN118784864A (zh) 2018-12-07 2019-12-03 运动图像解码装置
CN202411121412.0A CN118828012A (zh) 2018-12-07 2019-12-03 运动图像解码装置以及运动图像编码装置
US17/859,079 US12034951B2 (en) 2018-12-07 2022-07-07 Video decoding apparatus
US18/671,059 US12355997B2 (en) 2018-12-07 2024-05-22 Video decoding apparatus
US19/221,841 US20250294176A1 (en) 2018-12-07 2025-05-29 Video decoding apparatus, a video coding apparatus, and a computer-readable recoding medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018230199 2018-12-07
JP2018-230199 2018-12-07

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US17/299,812 A-371-Of-International US11412243B2 (en) 2018-12-07 2019-12-03 Video decoding apparatus
US17/859,079 Continuation US12034951B2 (en) 2018-12-07 2022-07-07 Video decoding apparatus

Publications (1)

Publication Number Publication Date
WO2020116456A1 true WO2020116456A1 (ja) 2020-06-11

Family

ID=70973661

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/047253 Ceased WO2020116456A1 (ja) 2018-12-07 2019-12-03 動画像復号装置

Country Status (4)

Country Link
US (4) US11412243B2 (ja)
EP (1) EP3893508A4 (ja)
CN (4) CN113170186A (ja)
WO (1) WO2020116456A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020242883A1 (en) * 2019-05-24 2020-12-03 Qualcomm Incorporated Merge mode coding for video coding

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019004283A1 (ja) * 2017-06-28 2019-01-03 シャープ株式会社 動画像符号化装置及び動画像復号装置
CN113170186A (zh) * 2018-12-07 2021-07-23 夏普株式会社 运动图像解码装置
CN118694933A (zh) * 2018-12-28 2024-09-24 三星电子株式会社 用于对运动矢量差进行编码的方法和设备以及用于对运动矢量差进行解码的方法和设备
US10904553B2 (en) 2019-01-22 2021-01-26 Tencent America LLC Method and apparatus for video coding
WO2020184461A1 (ja) * 2019-03-08 2020-09-17 株式会社Ｊｖｃケンウッド 動画像符号化装置、動画像符号化方法、及び動画像符号化プログラム、動画像復号装置、動画像復号方法及び動画像復号プログラム
JP7379541B2 (ja) * 2019-06-03 2023-11-14 エルジー エレクトロニクス インコーポレイティド マトリックスに基づくイントラ予測装置及び方法
KR102790790B1 (ko) * 2019-06-25 2025-04-04 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 모션 보상 처리 방법, 인코더, 디코더 및 저장 매체
US12219129B2 (en) * 2022-01-04 2025-02-04 Sharp Kabushiki Kaisha Device and method for decoding video data
WO2023132510A1 (ko) * 2022-01-04 2023-07-13 현대자동차주식회사 개선된 차분 움직임벡터 머지를 이용하는 비디오 코딩을 위한 방법 및 장치
KR20240114280A (ko) * 2023-01-16 2024-07-23 주식회사 케이티 영상 부호화/복호화 방법 및 비트스트림을 저장하는 기록 매체

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PL3754982T3 (pl) * 2011-09-29 2024-09-02 Sharp Kabushiki Kaisha Urządzenie do dekodowania obrazu, sposób dekodowania obrazu, sposób kodowania obrazu i urządzenie kodowania obrazu do realizowania konwersji bipredykcyjnej na unipredykcyjną
JP2016213519A (ja) * 2013-10-15 2016-12-15 シャープ株式会社 画像復号装置、画像符号化装置
HK1250587A1 (zh) * 2015-06-16 2019-01-04 夏普株式會社 图像解码装置以及图像编码装置
JP2020031252A (ja) * 2016-12-22 2020-02-27 シャープ株式会社 画像復号装置及び画像符号化装置
EP3834416A4 (en) * 2018-08-17 2022-08-17 HFI Innovation Inc. Methods and apparatuses of video processing with bi-direction predicition in video coding systems
JP7290713B2 (ja) * 2018-08-28 2023-06-13 鴻穎創新有限公司 ビデオデータをコーディングする装置及び方法
CN118200558A (zh) * 2018-09-17 2024-06-14 三星电子株式会社 用于编码和解码运动信息的方法及用于编码和解码运动信息的装置
US11570461B2 (en) * 2018-10-10 2023-01-31 Samsung Electronics Co., Ltd. Method for encoding and decoding video by using motion vector differential value, and apparatus for encoding and decoding motion information
CN117156131A (zh) * 2018-10-23 2023-12-01 韦勒斯标准与技术协会公司 通过使用基于子块的运动补偿处理视频信号的方法和设备
WO2020098648A1 (en) * 2018-11-12 2020-05-22 Beijing Bytedance Network Technology Co., Ltd. Using combined inter intra prediction in video processing
CN117319644A (zh) * 2018-11-20 2023-12-29 北京字节跳动网络技术有限公司 基于部分位置的差计算
CN113170186A (zh) * 2018-12-07 2021-07-23 夏普株式会社 运动图像解码装置
MX2023010864A (es) * 2018-12-31 2024-04-23 Beijing Dajia Internet Information Tech Co Ltd Sistema y método de señalización de modos de fusión de movimiento en codificación de video.
WO2020184461A1 (ja) * 2019-03-08 2020-09-17 株式会社Ｊｖｃケンウッド 動画像符号化装置、動画像符号化方法、及び動画像符号化プログラム、動画像復号装置、動画像復号方法及び動画像復号プログラム
KR20220027173A (ko) * 2019-06-25 2022-03-07 인터디지털 브이씨 홀딩스 프랑스 에스에이에스 비디오 인코딩 및 디코딩에서의 모션 벡터 예측

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Algorithm Description of Joint Exploration Test Model 7", JVET-L1001, JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11, 19 October 2018 (2018-10-19)
"CE4 Ultimate motion vector expression (Test 4.5.4", JVET-L0054-V4, JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11, 11 October 2018 (2018-10-11)
"Simplified DMVR for inclusion in VVC", JVET-L0670-VL, JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11, 6 October 2018 (2018-10-06)
JEONG, SEUNGSOO ET AL.: "CE4 Ultimate motion vector expression (Test 4.5.4)", JOINT VIDEO EXPERTS TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC1/SC 29/ WG 11 12TH MEETING: MACAO, CN. [JVET-L0054] (VERSION 4) 7.3.4.5,8.3.2.2, no. JVET-L0054, 11 October 2018 (2018-10-11), XP030195378 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020242883A1 (en) * 2019-05-24 2020-12-03 Qualcomm Incorporated Merge mode coding for video coding
EP3977726A1 (en) * 2019-05-24 2022-04-06 Qualcomm Incorporated Merge mode coding for video coding
US11611759B2 (en) 2019-05-24 2023-03-21 Qualcomm Incorporated Merge mode coding for video coding

Also Published As

Publication number Publication date
US12355997B2 (en) 2025-07-08
US12034951B2 (en) 2024-07-09
US20210392356A1 (en) 2021-12-16
EP3893508A4 (en) 2022-09-14
US20240323419A1 (en) 2024-09-26
EP3893508A1 (en) 2021-10-13
CN113170186A (zh) 2021-07-23
CN118784864A (zh) 2024-10-15
CN118764643A (zh) 2024-10-11
CN118828012A (zh) 2024-10-22
US20220345734A1 (en) 2022-10-27
US11412243B2 (en) 2022-08-09
US20250294176A1 (en) 2025-09-18

Similar Documents

Publication Publication Date Title
WO2020116456A1 (ja) 動画像復号装置
JP7706621B2 (ja) 動画像復号装置および動画像符号化装置
WO2018110203A1 (ja) 動画像復号装置、および動画像符号化装置
WO2020137920A1 (ja) 予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法
JP7714762B2 (ja) 画像復号装置、画像符号化装置、および記録媒体
JP2020053924A (ja) 動画像符号化装置、動画像復号装置
WO2017135151A1 (ja) 予測画像生成装置、動画像復号装置、および動画像符号化装置
JP7654751B2 (ja) 動画像復号装置、動画像符号化装置、動画像復号方法および動画像符号化方法
JP2020145650A (ja) 画像復号装置および画像符号化装置
JP2020096279A (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
JP2020108012A (ja) 画像復号装置および画像符号化装置
JP2020088660A (ja) 動画像符号化装置、動画像復号装置
JP2020088577A (ja) 予測画像生成装置、動画像復号装置、および動画像符号化装置
WO2019065537A1 (ja) 動き補償フィルタ装置、画像復号装置および動画像符号化装置
JP2020036101A (ja) 画像復号装置および画像符号化装置
JP2022087865A (ja) 画像復号装置及び画像符号化装置
JP7716209B2 (ja) マージ候補導出装置、動画像復号装置及び動画像符号化装置
JP2020170901A (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
JP2020096247A (ja) 動画像符号化装置および動画像復号装置
JP2020096329A (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
JP2019205036A (ja) 動画像符号化装置、動画像復号装置
RU2812275C2 (ru) Устройство декодирования видеосигналов
JP2021180342A (ja) 予測画像生成装置、動画像復号装置、および動画像符号化装置
CN113170190B (zh) 以两个预测图像生成预测图像的预测图像生成装置和方法
JP2021057621A (ja) 動画像符号化装置、動画像復号装置および予測画像生成装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19893907

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019893907

Country of ref document: EP

Effective date: 20210707

NENP Non-entry into the national phase

Ref country code: JP