对用于视频编解码的高级语法的输出层集数据和一致性窗口数据进行编解码的制作方法

对用于视频编解码的高级语法的输出层集数据和一致性窗口数据进行编解码
1.相关申请的交叉引用
2.本技术要求于2021年2月25日提交的美国申请第17/249,264号、于2020年2月28日提交的美国临时申请第62/983,128号和于2020年4月1日提交的美国临时申请第63/003,574号的优先权，每一个申请通过引用整体并入本文。美国申请第17/249,264号要求于2020年2月28日提交的美国临时申请第62/983,128号和美国临时申请第63/003,574号的权益。
技术领域
3.本公开涉及视频编解码，包括视频编码和视频解码。


背景技术：

4.数字视频能力可以被结合到广泛的设备中，包括数字电视、数字直接广播系统、无线广播系统、个人数字助理(pda)、膝上型或台式计算机、平板计算机、电子书阅读器、数码相机、数字记录设备、数字媒体播放器、视频游戏设备、视频游戏控制台、蜂窝或卫星无线电话、所谓的“智能电话”、视频电话会议设备、视频流设备等。数字视频设备实施视频编解码技术，诸如那些在由mpeg-2、mpeg-4、itu-t h.263、itu-t h.264/mpeg-4、第10部分、高级视频编解码(avc)、itu-t h.265/高效视频编解码(hevc)以及这些标准的扩展所定义的标准中所描述的技术。通过实施此类视频编解码技术，视频设备可更有效地发送、接收、编码、解码和/或存储数字视频信息。
5.视频编解码技术包括空域(帧内图片)预测和/或时域(帧间图片)预测，以减少或消除视频序列中固有的冗余。对于基于块的视频编解码，视频切片(例如，视频图片或视频图片的一部分)可被分割成视频块，其也可以被称为编解码树单元(ctu)、编解码单元(cu)和/或编解码节点。图片的帧内编解码(i)切片中的视频块使用关于同一图片中的相邻块中的参考样点的空域预测来编码。图片的帧间编解码(p或b)切片中的视频块可以使用关于同一图片中的相邻块中的参考样点的空域预测或关于其它参考图片中的参考样点的时域预测。图片可以被称为帧，并且参考图片可以被称为参考帧。


技术实现要素：

6.总的来说，本公开描述了用于处理和编解码高级语法(hls)视频数据的技术。例如，hls视频数据可以包括输出层集(ols)和档次-层级-等级(ptl)数据结构。hls视频数据还可以包括表示ols和ptl数据结构之间的对应关系的数据。然而，当ptl数据结构的数量等于为视频参数集(vps)指定的ols的总数时，可以推断ols和ptl数据结构之间的对应关系。特别地，用于ols和对应的ptl数据结构的索引可以是相等的。以这样的方式，在这种情况下不需要被信令通知索引，这可以减少信令开销，并且还简化了对ols和ptl数据结构之间的对应关系的确定。
7.作为另一个示例，在一些情况下，即当图片参数集(pps)包括指示图片宽度和图片
高度具有最大可能值的数据时，在pps中将不会信令通知一致性裁剪窗口数据。相反，pps的一致性裁剪窗口数据可以从对应的序列参数集(sps)中推断，诸如在pps中信令通知其标识符的sps。
8.在一个示例中，一种解码视频数据的方法包括：确定表示比特流的视频参数集(vps)中的档次-层级-等级(ptl)数据结构的数量的语法元素的值等于为vps指定的输出层集(ols)的总数；响应于确定表示vps中的档次-层级-等级数据结构的数量的语法元素的值等于为vps指定的ols的总数，推断ols ptl索引值的值，而不显式地解码ols ptl索引值的值；以及根据ols ptl索引值的推断值，使用vps中ptl数据结构中的对应的ptl数据结构来解码一个或多个ols的视频数据。
9.在另一个示例中，一种用于解码视频数据的设备包括：被配置为存储视频数据的存储器；以及在电路中实施并被配置为进行以下操作的一个或多个处理器，：确定表示比特流的视频参数集(vps)中的档次-层级-等级(ptl)数据结构的数量的语法元素的值等于为vps指定的输出层集(ols)的总数；响应于确定表示vps中的档次-层级-等级数据结构的数量的语法元素的值等于为vps指定的ols的总数，推断ols ptl索引值的值，而不显式地解码ols ptl索引值的值；以及根据ols ptl索引值的推断值，使用vps中ptl数据结构中的对应的ptl数据结构来解码一个或多个ols的视频数据。
10.在另一个示例中，计算机可读存储介质上存储有指令，当该指令被运行时，使得处理器：确定表示比特流的视频参数集(vps)中的档次-层级-等级(ptl)数据结构的数量的语法元素的值等于为vps指定的输出层集(ols)的总数；响应于确定表示vps中的档次-层级-等级数据结构的数量的语法元素的值等于为vps指定的ols的总数，推断ols ptl索引值的值，而不显式地解码ols ptl索引值的值；以及根据ols ptl索引值的推断值，使用vps中ptl数据结构中的对应的ptl数据结构来解码一个或多个ols的视频数据。
11.在另一个示例中，一种用于解码视频数据的设备包括：用于确定表示比特流的视频参数集(vps)中的档次-层级-等级(ptl)数据结构的数量的语法元素的值等于为vps指定的输出层集(ols)的总数的部件；用于响应于确定表示vps中的档次-层级-等级数据结构的数量的语法元素的值等于为vps指定的ols的总数，推断ols ptl索引值的值，而不显式地解码ols ptl索引值的值的部件；以及用于根据ols ptl索引值的推断值，使用vps中ptl数据结构中的对应的ptl数据结构来解码一个或多个ols的视频数据的部件。
12.在附图和以下描述中阐述一个或多个示例的细节。其他特征、目的和优点将从说明书、附图和权利要求书中显而易见。
附图说明
13.图1是图示可以执行本公开的技术的示例视频编码和解码系统的框图。
14.图2a和图2b是图示示例四叉树二叉树(qtbt)结构和对应的编解码树单元(ctu)的概念图。
15.图3是图示可以执行本公开的技术的示例视频编码器的框图。
16.图4是图示可以执行本公开的技术的示例视频解码器的框图。
17.图5是图示根据本公开的技术的用于编码当前块的示例方法的流程图。
18.图6是图示根据本公开的技术的用于解码当前块的示例方法的流程图。
19.图7是图示根据本公开的技术解码视频数据的示例方法的流程图。
20.图8是图示根据本公开的技术解码视频数据的另一实例方法的流程图。
具体实施方式
21.通用视频编解码(vvc)正由itu-t和iso/iec的联合视频专家组(jvet)开发，以实现超越itu-t h.265高效视频编解码(hevc)的强大视频压缩能力，用于更广泛的应用。
22.vvc的当前草案规定了标准比特流和图片格式、高级语法(hls)和语义，以及编码视频数据的解析和解码过程。vvc还在其附录中规定了档次/层级/等级(ptl)限制、字节流格式、假设参考解码器(hrd)和补充增强信息(sei)。
23.vvc从hevc继承了多个高级功能，如网络抽象层(nal)单元和参数集概念、片和波前并行处理、分层编解码以及使用sei消息作为补充数据信令。vvc引入了更多新的高级功能，包括矩形切片和子图片概念、图片分辨率自适应、混合nal单元类型、图片标头、渐进解码刷新(gdr)图片、虚拟边界以及用于参考图片管理的参考图片表(rpl)。
24.h.264/avc中引入了参数集，以修复丢失图片标头的漏洞。参数集可以是视频比特流的一部分，也可以由解码器通过其他方式接收，例如带外传输、编码器或解码器硬编解码等。以下是vvc目前规定的参数集的列表：
25.·
解码能力信息(dci)：包含子层，以及解码过程不必要的ptl信息。
26.·
视频参数集(vps)：包含诸如层相关性、输出层集(ols)以及适用于多个层和子层的ptl信息的信息。
27.·
序列参数集(sps)：包含诸如最大图片分辨率、一致性窗口、子图片布局和id映射、rpl和适用于编解码层视频序列(clvs)的序列级编解码参数的信息。
28.·
图片参数集(pps)：包含诸如图片分辨率、一致性窗口和缩放窗口、片和切片分割以及适用于多个图片的图片级编解码参数的信息。
29.·
自适应参数集(aps)包含自适应环路滤波器(alf)：适用于切片的参数、缩放列表参数和具有色度缩放的亮度映射(lmcs)参数。
30.vvc还规定图片标头携带可以被图片中的多个切片共享的参数以减少开销。
31.本公开认识到基于vvc草案8的当前vvc hls设计的某些特征可以被改进。这种改进可以降低比特率，而不会负面影响视频保真度(例如，增加失真)。类似地，这种改进可以提高视频编码器和/或解码器的性能。例如，这些改进可减少由视频编解码器执行的处理循环的数量，而不会负面影响视频保真度。
32.作为一个示例，本公开描述了与输出层集(ols)和用于ols的档次-层级-等级(ptl)数据结构之间的信令对应关系相关的技术。ols包括要输出的视频数据的层的集合(其可以等于或小于要解码的视频数据的层的集合)。ptl数据结构描述了对应的ols的档次和层级以及层级内的等级。常规地，只要在vps中信令通知一个以上的ptl数据结构，索引就被编解码在vps中以表示ptl数据结构和ols之间的对应关系。
33.然而，本公开认识到，当ptl数据结构的数量和vps的ols的数量相等时，视频编码器和视频解码器可被配置为推断ptl数据结构和ols之间的对应关系。具体地，视频编码器和视频解码器可以确定第i个ptl数据结构对应于第i个ols(对于0和ols总数之间的所有i值)。因此，视频编码器和视频解码器可以使用第i个ptl数据结构的值来编码或解码第i个
ols的视频数据。例如，视频编码器和/或视频解码器可以启动被指示为由第i个ptl数据结构使用的编解码工具，并且禁用根据第i个ptl数据结构不使用的编解码工具。
34.作为另一个示例，序列参数集(sps)和/或图片参数集(pps)可以信令通知表示一致性窗口的数据。一般来说，一致性窗口指定了被考虑用于一致性图片输出的图片区域。sps可以信令通知整个图片序列的一致性窗口，而pps可以信令通知图片序列内各个图片的一致性窗口细化。然而，本公开认识到，当序列中的图片的图片尺寸是该序列的最大可能图片尺寸时，不需要在该图片的pps中信令通知一致性窗口细化数据，因为一致性窗口可以从sps中推断出。
35.相应地，视频编码器和视频解码器可推断指示一致性窗口语法元素本身是否被信令通知的语法元素(例如，pps_conformance_window_flag)的值，并且进一步，当图片具有最大尺寸时，推断一致性窗口语法元素的值。因此，视频编码器和视频解码器可被配置为仅在pps所指示的图片尺寸小于最大图片尺寸时，才对pps的一致性窗口语法元素的值进行编解码。当信号通知的图片宽度和/或图片高度分别小于对应的最大宽度和/或高度时，图片尺寸可以小于最大图片尺寸。
36.此外，当指示一致性窗口语法元素是否被信令通知的pps的语法元素(例如，pps_conformance_window_flag)指示一致性窗口语法元素未被信令通知时(例如，当图片尺寸等于最大图片尺寸时)，视频编码器和视频解码器可以被配置为推断pps一致性窗口语法元素等于对应的sps一致性窗口语法元素。
37.解码能力信息(dci)当前被指定为非vcl nal单元，但是该信息对于解码过程不是必要的，并且参数集或vcl nal单元都不涉及dci。本公开描述了包括移除dci参数集以及在sei消息中携带解码能力信息的技术。下面的表1示出了vvc的dci语法结构。
38.表1—dci rbsp语法
[0039][0040]
根据vvc，层相关性信息在vps中信令通知，受到vps_all_independent_layers_flag的值的制约。除非所有层都是独立的层，否则每个层的相关性都被显式地信令通知。下
面的表2示出了根据vvc的部分vps语法结构。
[0041]
表2—vps rbsp
[0042][0043][0044]
层编解码的一种常见情况是，第i层可能只有一个直接相关层，并且该直接相关层是第(i-1)层，其中i大于0。这是基于vvc的ols_mode_idc语义，其具体如下。
[0045]
ols_mode_idc等于0指定由vps指定的ols总数等于vps_max_layers_minus1+1，第i个ols包括层索引从0到i(包括0和i)的层，并且对于每个ols，仅输出ols中的最高层。ols_mode_idc等于1指定由vps指定的ols总数等于vps_max_layers_minus1+1，第i个ols包括层索引从0到i(包括0和i)的层，并且对于每个ols，输出ols中的所有层。
[0046]
本公开描述了可以被用以避免每个层的相关性信息的显式信令通知的技术，例如，对于这种常见情况。通过以这样的方式避免该相关性信息的显式信令通知，可以降低以
这样的方式包括多层的视频比特流的比特率，而不会降低视频质量(例如，不会增加视频失真)。类似地，视频编码器和视频解码器可以避免处理显式信令通知的视频相关性信息，这可以提高视频编码器和视频解码器的性能。
[0047]
上面的表2包括max_tid_il_ref_pics_plus1语法元素，以指示包括可以用作层间参考图片(ilrp)以解码当前层的图片的子层。有可能所有的层共享相同的子层属性，使得每个层的显式信令可能不是必要的。此外，子层ilrp指示主要用于丢弃未被用于参考和未被输出的较低层子层图片。因此，为每个层信令通知这样的指示可能不是有效的。
[0048]
vvc指定第0输出层集(ols)仅包含最低层，并且在layeridinols[i][j]的推导中，layeridinols[0][0]被推断为等于vps_layer_id[0]。vps中可能有多个可用的依存树。本公开描述了将每个独立的非基础层分配给单独的ols的技术。
[0049]
根据vvc，对profile_tier_level()(ptl)语法结构的列表的索引ols_ptl_idx和对解码图片缓冲器(dpb)dpb_parameters()语法结构的列表的索引ols_dbp_params_index在vps中信令通知。本公开描述了用于当语法结构的总数等于相同数量的ols时跳过该信令以减少信令开销的技术。因此，这些技术可以在不降低视频质量的情况下降低视频比特流的比特率。
[0050]
sps的前16比特可以等于“00000000 0000000”，这可以取决于以下语法元素值来仿真(emulate)起始码。即使用于封装的语法元素emulation_prevention_three_byte的使用可以防止nal单元内的起始码的仿真，但是首先防止起始码仿真可能是直接的。本公开描述了用于防止起始码仿真的技术，其可以在不降低视频质量的情况下提高视频比特流比特率。
[0051]
vvc对pps中的一致性窗口语法元素指定了如下约束：当pic_width_in_luma_samples等于pic_width_max_in_luma_samples并且pic_height_in_luma_samples等于pic_height_max_in_luma_samples时，比特流一致性的要求是pps_conf_win_left_offset、pps_conf_win_right_offset、pps_conf_win_top_offset和pps_conf_win_bottom_offset分别等于sps_conf_win_left_offset、sps_conf_win_right_offse、sps_conf_win_top_offset,和sps_conf_win_bottom_offset。简化约束的可替代方法是直接约束pps_conformance_window_flag。而vvc中pps_conf_win_left_offset、pps_conf_win_right_offset、pps_conf_win_top_offset、pps_conf_win_bottom_offset的值的推断为“当pps_conformance_window_flag等于0时，pps_conf_win_left_offset、pps_conf_win_right_offset、pps_conf_win_top_offset、pps_conf_win_bottom_offset的值被推断为等于0。”本公开描述了用于改进这些值的推断的技术，例如，以减少由视频编码器和视频解码器执行的处理操作。
[0052]
vvc指定了sps图片顺序计数(poc)最高有效位(msb)语法元素，用于信令通知poc msb，例如，以指示要包括在参考图片集或参考图片列表中的图片。具体地，vvc指定了sps_poc_msb_flag的值，以指示ph_poc_msb_present_flag语法元素是否存在于参考sps的图片标头(ph)中。当sps_poc_msb_flag等于1时，信令通知另一个语法元素poc_msb_len_minus1，以用位指定ph中参考sps的poc_msb_val语法元素的长度。下面的表3和表4示出了部分相关的sps和ph语法结构。本公开描述了用于将两个语法元素聚合为一个元素以进行简化的技术，其可降低对视频编码器和视频解码器的处理要求，并且还可在不降低视频质
量的情况下降低视频比特流的比特率。本公开还描述了包括信令通知通用约束标志的示例，以允许poc msb在ph处被更新。
[0053]
表3—sps rbsp
[0054][0055][0056]
表4—图片标头rbsp
[0057][0058]
vvc指定了信令通知图片切片的切片高度偏差的数据。具体地，根据vvc，“num_exp_slices_in_tile[i]指定在包含多于一个矩形切片的当前片中显式地提供的切片高度的数量。num_exp_slices_in_tile[i]的值应在0到rowheight[tiley]-1的范围内(包括0和rowheight[tiley]-1)，其中tiley是包含第i个切片的片行索引。当不存在时，num_exp_slices_in_tile[i]的值被推断为等于0。当num_exp_slices_in_tile[i]等于0时，变量numslicesintile[i]的值被推导为等于1。”按照vvc，当一个切片包含多个片时，num_exp_slices_in_tile[i]不存在，并且变量numslicesintile[i]的值被推导为等于1。根据vvc，当一个切片包含一个片时，num_exp_slices_in_tile[i]的值等于1，并且numslicesintile[i]也被推导等于1。
[0059]
本公开认识到这些语义对于某些场景可能是有问题的。具体地，当num_exp_slices_in_tile[i]大于0时，对于k，变量numslicesintile[i]和sliceheightinctusminus1[i+k]可由下式推导出，k在0至numslicesintile[i]-1的范围
内：
[0060][0061][0062]
本公开认识到，当片中只有一个切片时，上面的推导过程可能是有问题的，因为当numexpsliceintile等于1时，sliceheightinctusminus1[i-1]是未定义的。本公开描述了可以被用于解决这些问题的技术。
[0063]
图1是图示可执行本公开的技术的示例视频编码和解码系统100的框图。本公开的技术通常指向编解码(编码和/或解码)视频数据。通常，视频数据包括用于处理视频的任何数据。因此，视频数据可以包括原始的未经编码的视频、经编码的视频、经解码的(例如，重构的)视频和视频元数据，诸如信令数据。
[0064]
如图1所示，在这个示例中，系统100包括源设备102，其提供将由目标设备116进行解码和显示的经编码的视频数据。具体地，源设备102经由计算机可读介质110向目标设备116提供视频数据。源设备102和目标设备116可以包括多种设备中的任何一种，包括台式计算机、笔记本(即膝上型)计算机、平板计算机、机顶盒、诸如智能手机的手持电话、电视、相机、显示设备、数字媒体播放器、视频游戏控制台、视频流设备等。在一些情况下，源设备102和目标设备116可以被配备用于无线通信，并且因此可以被称为无线通信设备。
[0065]
在图1的示例中，源设备102包括视频源104、存储器106、视频编码器200和输出接口108。目标设备116包括输入接口122、视频解码器300、存储器120和显示设备118。根据本公开，源设备102的视频编码器200和目标设备116的视频解码器300可以被配置为应用用于对高级语法元素的值进行编解码的技术。因此，源设备102表示视频编码设备的示例，而目标设备116表示视频解码设备的示例。在其他示例中，源设备和目标设备可以包括其他组件或布置。例如，源设备102可从诸如外部相机的外部视频源接收视频数据。类似地，目标设备
116可以与外部显示设备接口连接，而不是包括集成的显示设备。
[0066]
如图1所示的系统100仅是一个示例。通常，任何数字视频编码和/或解码设备都可执行用于对高级语法元素的值进行编解码的技术。源设备102和目标设备116仅是此类编解码设备的示例，其中源设备102生成用于传输到目标设备116的经编码的视频数据。本公开将“编解码”设备称为执行数据的编解码(编码和/或解码)的设备。因此，视频编码器200和视频解码器300表示编解码设备的示例，具体地，分别是视频编码器和视频解码器。在一些示例中，源设备102和目标设备116可以用基本上对称的方式操作，使得源设备102和目标设备116中的每个均包括视频编码和解码组件。因此，系统100可以支持源设备102和目标设备116之间的单向或双向视频传输，例如，用于视频流传输、视频回放、视频广播或视频电话。
[0067]
通常，视频源104表示视频数据的源(即，原始的未经编码的视频数据)，并向视频编码器200提供视频数据的连续系列的图片(也被称为“帧”)，该视频编码器200对图片的数据进行编码。源设备102的视频源104可以包括视频捕获设备，诸如相机、包含先前捕获的原始视频的视频档案和/或从视频内容提供商接收视频的视频馈送接口。作为进一步可替代的，视频源104可以生成基于计算机图形的数据作为源视频，或者实况视频、存档的视频和计算机生成的视频的组合。在每种情况下，视频编码器200对捕获的、预捕获的或计算机生成的视频数据进行编码。视频编码器200可以将图片从接收的顺序(有时被称为“显示顺序”)重新布置成用于编解码的编解码顺序。视频编码器200可以生成包括经编码的视频数据的比特流。源设备102然后可以经由输出接口108向计算机可读介质110上输出经编码的视频数据，用于由例如目标设备116的输入接口122接收和/或检索。
[0068]
源设备102的存储器106和目标设备116的存储器120表示通用存储器。在一些示例中，存储器106、120可以存储原始视频数据(例如，来自视频源104的原始视频)和来自视频解码器300的原始的经解码的视频数据。附加地或可替代地，存储器106、120可以分别存储可由例如视频编码器200和视频解码器300运行的软件指令。尽管在该示例中，与视频编码器200和视频解码器300分开示出，但是应当理解的是，视频编码器200和视频解码器300也可以包括用于功能上类似或等同目的内部存储器。此外，存储器106、120可以存储经编码的视频数据，例如，从视频编码器200输出并输入到视频解码器300的数据。在一些示例中，存储器106、120的部分可以被分配为一个或多个视频缓冲器，例如，以存储原始的、经解码的和/或经编码的视频数据。
[0069]
计算机可读介质110可以表示能将经编码的视频数据从源设备102传输到目标设备116的任何类型的介质或设备。在一个示例中，计算机可读介质110表示通信介质，以使得源设备102能够例如，经由射频网络或基于计算机的网络实时地直接向目标设备116发送经编码的视频数据。根据诸如无线通信协议的通信标准，输出接口108可以调制包括经编码的视频数据的传输信号，并且输入接口122可以解调所接收的传输信号。通信介质可以包括任何无线或有线通信介质，诸如射频(rf)频谱或一条或多条物理传输线。通信介质可以形成基于分组的网络的一部分，诸如局域网、广域网或诸如因特网的全球网络。通信介质可以包括路由器、交换机、基站或有助于促进从源设备102到目标设备116的通信的任何其他装备。
[0070]
在一些示例中，源设备102可以从输出接口108向存储设备112输出经编码的数据。类似地，目标设备116可以经由输入接口122从存储设备112访问经编码的数据。存储设备112可以包括各种分布式或本地访问的数据存储介质中的任何一种，诸如硬盘、蓝光光盘、
dvd、cd-rom、闪存、易失性或非易失性存储器，或用于存储经编码的视频数据的任何其他合适的数字存储介质。
[0071]
在一些示例中，源设备102可以向文件服务器114或可以存储由源设备102生成的经编码的视频的另一中间存储设备输出经编码的视频数据。目标设备116可以经由流传输或下载从文件服务器114访问所存储的视频数据。文件服务器114可以是能存储经编码的视频数据并向目标设备116发送该经编码的视频数据的任何类型的服务器设备。文件服务器114可以表示网络服务器(例如，用于网站)、文件传输协议(ftp)服务器、内容递送网络设备或网络附加存储(nas)设备。目标设备116可以通过任何标准数据连接，包括互联网连接，从文件服务器114访问经编码的视频数据。这可以包括无线信道(例如，wi-fi连接)、有线连接(例如，数字订户线(dsl)、电缆调制解调器等)，或适合于访问存储在文件服务器114上的经编码的视频数据的两者的组合。文件服务器114和输入接口122可以被配置为根据流传输协议、下载传输协议或其组合来操作。
[0072]
输出接口108和输入接口122可以表示无线发送器/接收器、调制解调器、有线网络组件(例如，以太网卡)、根据各种ieee 802.11标准中的任何标准操作的无线通信组件或其他物理组件。在输出接口108和输入接口122包括无线组件的示例中，输出接口108和输入接口122可以被配置为根据诸如，4g、4g-lte(长期演进)、高级lte、5g或类似标准的蜂窝通信标准来传输诸如经编码的视频数据的数据。在输出接口108包括无线发送器的一些示例中，输出接口108和输入接口122可以被配置为根据其他无线标准，诸如，ieee 802.11规范、ieee 802.15规范(例如，zigbee
tm
)、蓝牙
tm
标准或类似标准，来传输诸如经编码的视频数据的数据。在一些示例中，源设备102和/或目标设备116可以包括各自的片上系统(soc)设备。例如，源设备102可以包括用以执行归属于视频编码器200和/或输出接口108的功能的soc设备，并且目标设备116可以包括用以执行归属于视频解码器300和/或输入接口122的功能的soc设备。
[0073]
本公开的技术可以应用于支持多种多媒体应用中的任何一种的视频编解码，诸如空中电视广播、有线电视传输、卫星电视传输、互联网流传输视频传输(诸如，通过http的动态自适应流传输(dash))、经编码到数据存储介质上的数字视频、存储在数据存储介质上的数字视频的解码或其他应用。
[0074]
目标设备116的输入接口122从计算机可读介质110(例如，存储设备112、文件服务器114等)接收经编码的视频比特流。经编码的视频比特流可包括由视频编码器200定义的信令信息，其也由视频解码器300使用，诸如，具有描述视频块或其他编解码单元(例如，切片、图片、图片组、序列等)的特性和/或处理的值的语法元素。显示设备118向用户显示经解码的视频数据的经解码图片。显示设备118可以表示多种显示设备中的任何一种，诸如阴极射线管(crt)、液晶显示器(lcd)、等离子显示器、有机发光二极管(oled)显示器或另一种类型的显示设备。
[0075]
尽管未在图1中示出，但在一些示例中，视频编码器200和视频解码器300可以各自与音频编码器和/或音频解码器集成在一起，并且可以包括适当的mux-demux单元或其他硬件和/或软件，以处理公共数据流中包括音频和视频两者的多路复用流。如果适用，mux-demux单元可以符合itu h.223多路复用器协议，或诸如用户数据报协议(udp)的其他协议。
[0076]
视频编码器200和视频解码器300各自可以被实施为多种合适的编码器和/或解码
器电路中的任何一种，诸如一个或多个微处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、分立逻辑、软件、硬件、固件或其任何组合。当该技术部分地以软件实施时，设备可以将用于软件的指令存储在合适的非暂时计算机可读介质中，并使用一个或多个处理器在硬件中运行该指令来执行本公开的技术。视频编码器200和视频解码器300中的每一者可以被包括在一个或多个编码器或解码器中，其中任何一个可以被集成为相应设备中的组合编码器/解码器(codec)的一部分。包括视频编码器200和/或视频解码器300的设备可以包括集成电路、微处理器和/或无线通信设备，诸如蜂窝电话。
[0077]
视频编码器200和视频解码器300可根据视频编解码标准(诸如，itu-t h.265，也被称为高效视频编解码(hevc)或其扩展(诸如，多视图和/或可缩放视频编解码扩展))操作。可替代地，视频编码器200和视频解码器300可根据其他专有或工业标准(诸如，通用视频编解码(vvc))操作。在以下中描述了vvc标准的草案：bross等人的“versatile video coding(draft 8)”，itu-t sg 16wp 3和iso/iec jtc 1/sc 29/wg 11的联合视频专家组(jvet)，第17次会议：brussels，be，2020年1月7至17日，jvet-q2001-va(下称“vvc草案8”)。然而，本公开的技术不限于任何具体的编解码标准。
[0078]
通常，视频编码器200和视频解码器300可以执行图片的基于块的编解码。术语“块”通常指包括待处理的数据(例如，编码、解码或在编码过程和/或解码过程中以其他方式使用的数据)的结构。例如，块可以包括亮度和/或色度数据的样点的二维矩阵。通常，视频编码器200和视频解码器300可以对以yuv(例如，y、cb、cr)格式表示的视频数据进行编解码。也就是说，视频编码器200和视频解码器300可以对亮度和色度分量进行编解码，而不是对图片的样点的红、绿和蓝(rgb)数据进行编解码，其中色度分量可以包括红色调和蓝色调色度分量两种。在一些示例中，视频编码器200在编码之前将所接收的rgb格式化数据转换成yuv表示，并且视频解码器300将yuv表示转换成rgb格式。可替代地，预处理和后处理单元(未示出)可以执行这些转换。
[0079]
本公开通常可以指代图片的编解码(例如，编码和解码)以包括编码或解码图片的数据的过程。类似地，本公开可以指代图片的块的编解码以包括编码或解码用于块的数据的过程，例如，预测和/或残差编解码。经编码的视频比特流通常包括表示编解码决策(例如，编解码模式)和图片到块的分割的语法元素的一系列值。因此，对编解码图片或块的引用通常应被理解为对形成图片或块的语法元素的值进行编解码。
[0080]
hevc定义了各种块，包括编解码单元(cu)、预测单元(pu)和变换单元(tu)。根据hevc，视频编解码器(诸如视频编码器200)根据四叉树结构来将编解码树单元(ctu)分割为cu。也就是说，视频编解码器将ctu和cu分割成四个相等的、不重叠的正方形，并且四叉树的每个节点具有零个或四个子节点。没有子节点的节点可以被称为“叶节点”，并且这种叶节点的cu可以包括一个或多个pu和/或一个或多个tu。视频编解码器还可以分割pu和tu。例如，在hevc中，残差四叉树(rqt)表示tu的分割。在hevc中，pu表示帧间预测数据，而tu表示残差数据。经帧内预测的cu包括帧内预测信息，诸如帧内模式指示。
[0081]
作为另一个示例，视频编码器200和视频解码器300可以被配置为根据vvc来操作。根据vvc，视频编解码器(诸如，视频编码器200)将图片分割成多个编解码树单元(ctu)。视频编码器200可根据诸如四叉树-二叉树(qtbt)结构或多类型树(mtt)结构的树结构来分割ctu。qtbt结构移除了多种分割类型的概念，诸如hevc的cu、pu以及tu之间的分离。qtbt结构
包括两层：根据四叉树分割来分割的第一层，以及根据二叉树分割来分割的第二层。qtbt结构的根节点对应于ctu。二叉树的叶节点对应于编解码单元(cu)。
[0082]
在mtt分割结构中，块可以使用四叉树(qt)分割、二叉树(bt)分割和一种或多种类型的三叉树(tt)(也称为三元树(tt))分割来分割。三叉树或三元树分割是将块划分成三个子块的分割。在一些示例中，三叉树或三元树分割将块划分成三个子块，而不通过中心来划分原始块。mtt中的分割类型(例如，qt、bt和tt)可以是对称的或者不对称的。
[0083]
在一些示例中，视频编码器200和视频解码器300可以使用单个qtbt或mtt结构来表示亮度分量和色度分量中的每一者，而在其他示例中，视频编码器200和视频解码器300可以使用两个或多个qtbt或mtt结构，诸如用于亮度分量的一个qtbt/mtt结构和用于两个色度分量的另一个qtbt/mtt结构(或用于相应的色度分量的两个qtbt/mtt结构)。
[0084]
视频编码器200和视频解码器300可以被配置为使用根据hevc的四叉树分割、qtbt分割、mtt分割或其他分割结构。出于解释的目的，相对于qtbt分割来呈现本公开的技术的描述。然而，应当理解的是，本公开的技术也可以应用于被配置为使用四叉树分割或其他类型的分割的视频编解码器。
[0085]
块(例如，ctu或cu)可以以各种方式在图片中进行分组。作为一个示例，图块可以指图片中的特定片内的ctu行的矩形区域。片可以是图片中特定片列和特定片行内的ctu的矩形区域。片列是指ctu的矩形区域，其具有等于图片高度的高度和由语法元素(例如，诸如图片参数集中的语法元素)指定的宽度。片行是指ctu的矩形区域，其具有由语法元素(例如，诸如图片参数集中的语法元素)指定的高度和等于图片宽度的宽度。
[0086]
在一些示例中，可以将片分割成多个图块，每个图块可以包括片内的一个或多个ctu行。未被分割成多个图块的片也可被称为图块。然而，作为片的真子集的图块不可以被称为片。
[0087]
图片中的图块也可以被排列成切片。切片可以是图片的整数个图块，其可以排他地包含在单个网络抽象层(nal)单元中。在一些示例中，切片包括多个完整的片或者仅包括一个片的连续序列的完整的图块。
[0088]
本公开可以互换地使用“n
×
n”和“n乘n”来指代块(诸如，cu或其他视频块)在垂直和水平维度方面的样点大小，例如，16
×
16样点或16乘16样点。通常，16
×
16的cu在垂直方向上具有16个样点(y＝16)，并且在水平方向上具有16个样点(x＝16)。类似地，n
×
n的cu通常在垂直方向上具有n个样点且在水平方向上具有n个样点，其中n表示非负整数值。cu中的样点可以按行和列布置。此外，cu不一定需要在水平方向具有与在垂直方向相同数量的样点。例如，cu可以包括n
×
m个样点，其中m不一定等于n。
[0089]
视频编码器200编码用于cu的表示预测和/或残差信息以及其他信息的视频数据。预测信息指示如何预测cu以便形成cu的预测块。残差信息通常表示编码之前的cu的样点与预测块之间的逐样点差。
[0090]
为了预测cu，视频编码器200通常可以通过帧间预测或帧内预测来形成cu的预测块。帧间预测通常指从先前经编解码的图片的数据中预测cu，而帧内预测通常指从相同图片的先前经编解码的数据中预测cu。为了执行帧间预测，视频编码器200可以使用一个或多个运动向量来生成预测块。视频编码器200通常执行运动搜索以识别与cu(例如，就cu与参考块之间的差而言)紧密匹配的参考块。视频编码器200可以使用绝对差和(sad)、平方差和
(ssd)、平均绝对差(mad)、均方差(msd)或其他此类差计算来计算差度量，以确定参考块是否与当前cu紧密匹配。在一些示例中，视频编码器200可以使用单向预测或双向预测来预测当前cu。
[0091]
vvc的一些示例也提供仿射运动补偿模式，该模式可以被认为是帧间预测模式。在仿射运动补偿模式下，视频编码器200可以确定表示非平移运动(诸如放大或缩小、旋转、透视运动或其他不规则运动类型)的两个或多个运动向量。
[0092]
为了执行帧内预测，视频编码器200可以选择帧内预测模式来生成预测块。vvc的一些示例提供了六十七种帧内预测模式，包括各种方向模式，以及平面模式和dc模式。通常，视频编码器200选择描述当前块(例如，cu的块)的相邻样点的帧内预测模式，以从其预测当前块的预测样点。假设视频编码器200以光栅扫描顺序(从左侧到右侧、从顶部到底部)来编解码ctu和cu，此类样点通常可以在与当前块相同的图片中的当前块的上方、当前块的上方到左侧或当前块的左侧。
[0093]
视频编码器200对表示当前块的预测模式的数据进行编码。例如，对于帧间预测模式，视频编码器200可以对表示使用了各种可用帧间预测模式中的哪一种的数据进行编码，以及对用于对应模式的运动信息进行编码。对于单向或双向帧间预测，例如，视频编码器200可以使用高级运动向量预测(amvp)或合并模式来对运动向量进行编码。视频编码器200可以使用类似模式来编码用于仿射运动补偿模式的运动向量。
[0094]
在预测之后，诸如块的帧内预测或帧间预测之后，视频编码器200可以计算该块的残差数据。残差数据(诸如，残差块)表示块与该块的预测块之间的逐样点差，该预测块是使用对应预测模式而形成的。视频编码器200可以对残差块应用一个或多个变换，以在变换域而不是样点域中产生经变换的数据。例如，视频编码器200可以对残差视频数据应用离散余弦变换(dct)、整数变换、小波变换或概念上类似的变换。另外，视频编码器200可以在第一变换之后应用二次变换，诸如模式相关的不可分二次变换(mdnsst)、信号相关的变换、karhunen-loeve变换(klt)等。视频编码器200在应用一个或多个变换之后产生变换系数。
[0095]
如上所述，在产生变换系数的任何变换之后，视频编码器200可以执行变换系数的量化。量化通常指其中变换系数被量化以尽可能减少用来表示该系数的数据量从而提供进一步压缩的过程。通过执行量化过程，视频编码器200可减少与一些或所有系数相关联的比特深度。例如，视频编码器200可在量化期间将n比特值向下舍入到m比特值，其中n大于m。在一些示例中，为了执行量化，视频编码器200可执行待量化的值的逐比特右移。
[0096]
量化之后，视频编码器200可以扫描变换系数，从而从包括经量化的变换系数的二维矩阵中产生一维向量。扫描可以被设计成将较高能量(并且因此较低频率的)的系数放置在向量的前面，并且将较低能量(并且因此较高频率的)的变换系数放置在向量的后面。在一些示例中，视频编码器200可以利用预定扫描顺序来扫描经量化的变换系数，以产生经串行化的向量，并且然后，对向量的经量化的变换系数进行熵编码。在其他示例中，视频编码器200可以执行自适应扫描。在扫描经量化的变换系数以形成一维向量之后，视频编码器200可例如，根据上下文自适应二进制算术编解码(cabac)对一维向量进行熵编码。视频编码器200也可以对用于描述与经编码的视频数据相关联的元数据的语法元素的值进行熵编码，以供视频解码器300在对视频数据进行解码中使用。
[0097]
为了执行cabac，视频编码器200可以将上下文模型内的上下文分配给待传输的符
号。上下文可以涉及例如符号的相邻值是否为零值。概率确定可以基于被分配给符号的上下文。
[0098]
视频编码器200还可以例如，在图片标头、块标头、切片标头或其他语法数据中(诸如，序列参数集(sps)、图片参数集(pps)或视频参数集(vps))生成到视频解码器300的语法数据，诸如，基于块的语法数据、基于图片的语法数据和基于序列的语法数据。视频解码器300可以类似地解码此类语法数据以确定如何解码对应的视频数据。
[0099]
以这样的方式，视频编码器200可以生成比特流，该比特流包括经编码的视频数据，例如，描述图片到块(例如，cu)的分割的语法元素以及块的预测和/或残差信息。最终，视频解码器300可以接收比特流并解码经编码的视频数据。
[0100]
通常，视频解码器300执行与由视频编码器200执行的过程互逆的过程，以解码比特流的经编码的视频数据。例如，视频解码器300可以使用cabac、以与视频编码器200的cabac编码过程基本类似但互逆的方式，解码比特流的语法元素的值。语法元素可以定义分割信息，该分割信息用于将图片分割为ctu和根据诸如qtbt结构的对应分割结构对每个ctu进行分割以定义ctu的cu。语法元素还可以定义视频数据的块(例如，cu)的预测和残差信息。
[0101]
残差信息可以由例如，经量化的变换系数来表示。视频解码器300可以对块的经量化的变换系数进行逆量化和逆变换，以重现块的残差块。视频解码器300使用信令通知的预测模式(帧内预测或帧间预测)和有关预测信息(例如，用于帧间预测的运动信息)来形成块的预测块。视频解码器300然后可以(在逐样点的基础上)组合预测块和残差块，以重现原始块。视频解码器300可以执行附加处理，诸如执行去方块过程以减少沿块的边界的视觉伪像。
[0102]
本公开可以通常指“信令通知”某些信息，诸如语法元素。术语“信令通知”通常可以指用于解码经编码的视频数据的语法元素和/或其他数据的值的通信。也就是说，视频编码器200可以在比特流中信令通知语法元素的值。通常，信令通知指在比特流中生成值。如上所述，源设备102可以基本上实时地(或非实时地，诸如可能在将语法元素存储到存储设备112以供稍后由目标设备116检索时发生)将比特流传送到目标设备116。
[0103]
根据本公开的各种技术，视频编码器200和视频解码器300可编解码(分别编码和解码)高级语法元素的值。在一个示例中，视频编码器200和视频解码器300可以对解码能力信息(dci)补充增强信息(sei)消息进行编解码。dci sei消息可以向视频解码器300提供相关联的比特流所需的解码能力信息，包括子层的最大数量和档次/层级/等级信息的列表。下面的表5表示示例dci sei消息语法，其中profile_tier_level()可以根据当前vvc的规范。
[0104]
表5—dci sei信息示例i
[0105][0106]
表5的示例的语法元素的语义可以定义如下：
[0107]
dci_max_sublayers指定在比特流的每个cvs中的层中可能存在的时域子层的最大数量。dci_max_sublayers的值应在1到7的范围内(包括1和7)。
[0108]
dci_num_ptls指定dci sei消息中profile_tier_level()语法结构的数量。
[0109]
表6表示另一个示例dci sei消息语法，其中dci sei消息最大general_profile_idc、最大general_level_idc以及被视频解码器300支持的general_sub_profile_idc的列表。
[0110]
表6—dci sei信息示例ii
[0111][0112]
表6的示例的语法元素的语义可以定义如下：
[0113]
dci_max_profile_idc指定解码器支持的general_profile_idc的最高值。比特流不得包含general_profile_idc的除了在vvc的附录a中指定的那些值以外的值。
[0114]
dci_max_level_idc指定解码器支持的general_level_idc的最高值。比特流不得包含general_level_idc的除了在vvc附录a中指定的那些值以外的值。
[0115]
dci_max_sublayers、dci_num_sub_profiles和general_sub_profile_idc的语义可以与vvc中指定的相同。
[0116]
在另一个示例中，在dci sei消息中信令通知的profile_idc值可以表示提供由视频编码器200确定的优选解码结果或优选比特流标识的档次。
[0117]
以这样的方式，视频编码器200可以编码dci sei消息，并且视频解码器300可以解码dci sei消息，该dci sei消息包括例如，表示在比特流的每个编解码视频序列(cvs)中可能存在的子层的最大数量的语法元素。视频编码器200也可以编码dci sei消息，并且视频解码器300也可以解码dci sei消息，该dci sei消息包括表示包括在dci sei消息中的档
次/层级/等级语法结构的数量的语法元素。可替代地，源设备102的另一元件(例如，输出接口108或未在图1中示出的后处理单元)和目标设备116的另一元件(例如，输入接口122或未在图1中示出的预处理单元或媒体数据检索单元)可处理视频比特流的dci sei消息。目标设备116可使用该数据来确定视频解码器300是否能够解码视频比特流。源设备102可以信令通知该数据，以指示视频解码器能够解码对应的视频比特流所需要的能力。
[0118]
当视频解码器300不能够解码视频比特流时，目标设备116可使用例如，视频解码器300能够解码的不同对应的dci sei消息，来选择可替代的视频比特流。例如，如果具体视频节目的多个版本可用，那么目标设备116可检索每一版本的dci sei消息，并选择如对应的dci sei消息的信息所指示的视频解码器300能够解码的版本中的一个。以这样的方式，这些技术允许目标设备116确定视频解码器300是否能够在不检索视频比特流的dci参数集的情况下解码视频比特流，这可减少被浪费的带宽消耗并减少与检索视频解码器300能够解码的视频数据相关联的时延。
[0119]
视频编码器200和视频解码器300可以附加地或可替代地被配置为如下所论述的对层相关性信息进行编解码。在下面的示例中，层相关性信息在视频参数集(vps)中被指定。下面的表7表示根据这些技术的包括层相关性信息的示例vps，其中使用注释[added：“添加的文本”]来指示相对于vvc添加的文本。
[0120]
表7—包括层相关性指示的示例vps
[0121]
[0122][0123]
表7的示例中的vps的vps_layer_dependency_idc语法元素和vvc的其他现有的语法元素的语义可以定义如下。相对于vvc增加的文本用注释[added：“添加的文本”]来表示。
[0124]
[added：“vps_layer_dependency_idc等于0指定cvs中的所有层都是独立编解码的，不使用层间预测。vps_layer_dependency_idc等于1指定cvs中的所有非基础层都使用层间预测，索引i的层是索引(i+1)的层的直接参考层，并且除了最高层之外的所有层的子层都用于层间预测。vps_layer_dependency_idc等于2指定cvs中的一个或多个层可以使用层间预测。vps_layer_dependency_idc的值应在0到2的范围内(包括0和2)。ols_mode_idc的值3由itu-t|iso/iec保留供未来使用。当不存在时，vps_layer_dependency_idc的值被推断为等于0。”[0125]
vps_independent_layer_flag[i]等于1指定索引为i的层不使用层间预测。vps_independent_layer_flag[i]等于0指定索引为i的层可以使用层间预测，并且vps中存在语法元素vps_direct_ref_layer_flag[i][j]，其中j的范围为0到i-1(包括0和i-1)。[added：“当vps_independent_layer_flag不存在时，当vps_layer_dependency_idc等于0时，vps_independent_layer_flag[i]的值被推断为等于1；并且当vps_layer_dependency_idc等于1时，vps_independent_layer_flag[i]的值被推断为等于0。”]
[0126]
在可替代表达式中，推断规则可以表示为：[added：“当vps_independent_layer_flag不存在时，vps_independent_layer_flag[i]的值被推断为等于1-vps_layer_
dependency_idc。”]
[0127]
vps_direct_ref_layer_flag[i][j]等于0指定索引j的层不是索引i的层的直接参考层。vps_direct_ref_layer_flag[i][j]等于1指定索引j的层是索引i的层的直接参考层。[added：“当vps_direct_ref_layer_flag不存在时，推断如下：当vps_layer_dependency_idc等于0时，vps_direct_ref_layer_flag[i][j]被推断为等于0，其中i和j的范围为0到vps_max_layers_minus1(包括0和vps_max_layers_minus1)。当vps_layer_dependency_idc等于1时，vps_direct_ref_layer_flag[i][j]在当i不等于(j+1)时被推断为等于0，并且在当i等于(j+1)时被推断为等于1，其中i和j的范围为0到vps_max_layers_minus1(包括0和vps_max_layers_minus1)。”]当vps_layer_dependency_idc不等于0时，在0到i-1(包括0和i-1)的范围内至少应有一个j值，使得vps_direct_ref_layer_flag[i][j]的值等于1。
[0128]
max_tid_il_ref_pics_plus1[i]等于0指定第i层的非irap图片不使用层间预测。max_tid_il_ref_pics_plus1[i]大于0表示，对于解码第i层的图片，没有具有temporalid大于max_tid_il_ref_pics_plus1[i]-1的图片被用作ilrp。[added：“当max_tid_il_ref_pics_plus1不存在时，max_tid_il_ref_pics_plus1的值被推断如下：当vps_layer_dependency_idc等于0时，max_tid_il_ref_pics_plus1[i]的值被推断等于0；当vps_layer_dependency_idc等于1时，max_tid_il_ref_pics_plus1[i]的值被推断为等于7。”]
[0129]
当[added：“vps_layer_dependency_idc等于0”]且each_layer_is_an_ols_flag等于0时，ols_mode_idc的值被推断为等于2。
[0130]
相应地，视频编码器200和视频解码器300可以被配置为根据上面的示例语法和语义，对vps层相关性指示符语法元素、vps独立层语法元素、vps直接参考层语法元素和最大时域标识符层间参考图片语法元素的值进行编解码。
[0131]
附加地或可替代地，视频编码器200和视频解码器300可以如下编解码子层层间参考图片(ilrp)信息。下面的表8示出了包括子层ilrp信息的示例vps。具体地，如在vvc的现有vps中，max_tid_il_ref_pics_plus1被用于指示包括用作ilrp的图片的子层，该ilrp被用于解码当前层的图片。然而，在表8的示例中，在某些条件下，视频编码器200和视频解码器300可仅对max_tid_il_ref_pics_plus1的值进行编解码。
[0132]
表8—包括ilrp指示语法的vps示例
[0133][0134][0135]
被引入的vps_all_layers_same_ilrp_sublayers_flag和vps_default_max_tid_il_ref_pics_plus1语法元素的语义可以如下：
[0136]
vps_all_layers_same_ilrp_sublayers_flag等于1指定语法元素vps_default_max_tid_il_ref_pics_plus1存在。vps_all_layers_same_ilrp_sublayers_flag等于0指定语法元素vps_default_max_tid_il_ref_pics_plus1不存在。
[0137]
vps_default_max_tid_il_ref_pics_plus1等于0指定层间预测不被第i层的非irap(或作为另一替代的非clvss)使用。vps_default_max_tid_il_ref_pics_plus1大于0指定temporalid大于vps_default_max_tid_il_ref_pics_plus1的图片被用作ilrp。当不存在时，vps_default_max_tid_il_ref_pics_plus1的值被推断为等于7。
[0138]
现有的vvc的vps的语法元素的语义可以如下所示进行修改，使用[added：“添加的文本”]来表示相对于现有vvc的添加的文本。
[0139]
max_tid_il_ref_pics_plus1[i]等于0指定层间预测不被第i层的非irap(或作为另一替代的非clvss)图片使用。max_tid_il_ref_pics_plus1[i]大于0指定，对于解码第i层的图片，没有temporalid大于max_tid_il_ref_pics_plus1[i]-1的图片被用作ilrp。[added：“当max_tid_il_ref_pics_plus1不存在，并且当vps_all_layers_same_ilrp_sublayers_flag等于1时，max_tid_il_ref_pics_plus1[i]的值被推断为等于vps_default_max_tid_il_ref_pics_plus1，否则，max_tid_il_ref_pics_plus1[i]的值被推断为等于7。”]在可替代的语义表达中，[added：“当max_tid_il_ref_pics_plus1[i]不存在时，max_tid_il_ref_pics_plus1的值被推断为等于vps_default_max_tid_il_ref_pics_plus1。”]
[0140]
在另一个示例中，子层ilrp用法的指示可以仅对输出层信令通知，如下表9所示：
[0141]
表9—ilrp用法指示语法
[0142][0143]
max_tid_ref_present_flag[i]和max_tid_il_ref_pics_plus1[i]的语义可以如下：
[0144]
max_tid_ref_present_flag[i]等于1指定语法元素max_tid_il_ref_pics_plus1[i]存在。max_tid_ref_present_flag[i]等于0指定语法元素max_tid_il_ref_pics_plus1
[i]不存在。当max_tid_ref_present_flag[i]不存在时，max_tid_ref_present_flag[i]的值被推断为等于0。max_tid_il_ref_pics_plus1[i]等于0指定层间预测不被第i层的非irap(或作为另一替代的非clvss)图片使用。max_tid_il_ref_pics_plus1[i][j]大于0指定，对于解码第i层的图片，没有temporalid大于max_tid_il_ref_pics_plus1[i]-1的图片被用作ilrp。当不存在时，max_tid_il_ref_pics_plus1[i][j]的值被推断为等于7。
[0145]
因此，视频编码器200和视频解码器300可被配置为对表8和/或9的语法元素中的任何一个或全部的值进行编解码，表8和/或9中的任一者或两者可以与表7的语法元素相组合，如上文所论述。
[0146]
视频编码器200和视频解码器300也可以被配置为对表示输出层集(ols)的数据进行编解码。vvc指定了第0个ols仅包含最低层，并且对于第0个ols，唯一包含的层是输出。比特流中可能存在多个可用的非基础独立层。本公开认识到，除了第0个ols之外，将独立的非基础层分配到ols中可能是有益的。
[0147]
视频解码器300可以从vps层相关性信令中推导出独立层的数量numindependentlayers，如下所示(例如，根据以下算法伪代码)：
[0148][0149]
第一个numindependentlayers输出层集包含独立层，并且在每个ols中，唯一被包含的层是输出层。
[0150]
指定由vps指定的ols的总数的变量totalnumolss可以如下推导出：
[0151]
在一些示例中，第0个ols可以包含所有独立层。
[0152]
视频编码器200和视频解码器300可以推导出指定第i个ols中的层的数量的变量numlayersinols[i]，以及指定第i个ols中的第j层的nuh_layer_id值的变量layeridinols[i][j]，如下所示：
[0153][0154]
换句话说，视频编码器200和视频解码器300可以按如下确定总共ols的数量：当vps的最大层数减1等于零时，ols的总数等于1；当以下至少一个时：1)vps的每个层是ols、2)ols模式指示符值等于0或3)ols模式指示符值等于1，ols的总数等于vps的最大层数；或当ols模式指示符值等于2时，ols的总数等于独立层的数量加上指示ols数量的vps的语法元素的值。
[0155]
视频编码器200和视频解码器300可以根据关于档次/层级/等级(ptl)和解码图片缓冲器(dpb)索引信令的以下条件来配置。在这个示例中，ols_ptl_idx[i]指定了应用于第i个ols的profile_tier_level()语法结构在vps中profile_tier_level()语法结构的列表的索引。当profile_tier_level()语法结构的数量等于totalnumolss时，可以相应地推导出ols_ptl_idx[i],而无需在vps中显式地信令通知。在这个示例中，ols_dpb_params_idx[i]指定了应用于第i个ols的dpb_parameters()语法结构在vps中的dpb_parameters()语法结构的列表的索引。当dpb_parameters()语法结构的数量等于totalnumolss时，可以相应地推导出ols_dpb_params_idx[i]，而无需在vps中显式地信令通知。
[0156]
表10示出了信令通知ols_ptl_idx[i]和ols_dpb_params_idx[i]的示例条件。通常，当vps中的profile_tier_level()语法结构的数量等于ols的数量时，即一个profile_tier_level()语法结构对应于每个ols，则不需要发送索引ols_ptl_idx来指示使用哪一个profile_tier_level()语法结构。在这种情况下，在一些示例中，视频解码器300可推断索引ols_ptl_idx等于ols索引。
[0157]
表10—包括ptl和dpb索引信令通知的示例条件的vps
[0158][0159]
[0160]
相对于现有的vvc提案，受该示例条件影响的语法元素的语义可以如下所示进行修改：
[0161]
ols_ptl_idx[i]指定应用于第i个ols的profile_tier_level()语法结构在vps中的profile_tier_level()语法结构的列表的索引。当存在时，ols_ptl_idx[i]的值应在0到vps_num_ptls_minus1的范围内(包括0和vps_num_ptls_minus1)。[added：“当ols_ptl_idx[i]不存在时，ols_ptl_idx[i]的值被推断如下：如果vps_num_ptls_minus1+1的值等于totalnumolss，则ols_ptl_idx[i]的值被推断等于i；否则，“]当vps_num_ptls_minus1等于0时，则ols_ptl_idx[i]的值被推断为等于0。
[0162]
当numlayersinols[i]等于1时，应用于第i个ols的profile_tier_level()语法结构也存在于第i个ols中的层所引用的sps中。比特流一致性的要求是，当numlayersinols[i]等于1时，在vps和sps中信令通知的用于第i个ols的profile_tier_level()语法结构应该是完全相同的。
[0163]
ols_dpb_params_idx[i]指定当numlayersinols[i]大于1时，应用于第i个ols的dpb_parameters()语法结构在vps中的dpb_parameters()语法结构的列表的索引。如果存在，ols_dpb_params_idx[i]的值应在0到vps_num_dpb_params-1的范围内(包括0和vps_num_dpb_params-1)。[added：“当ols_dpb_params_idx[i]不存在时，ols_dpb_params_idx[i]的值被推断如下：如果vps_num_dpb_params的值等于totalnumolss，则ols_dpb_params_idx[i]的值被推断为等于i。否则，“]当ols_dpb_params_idx[i]不存在时，则ols_dpb_params_idx[i]的值被推断为等于0。
[0164]
当numlayersinols[i]等于1时，应用于第i个ols的dpb_parameters()语法结构存在于第i个ols中的层参考的sps中。[added：“比特流一致性的要求是，当numlayersinols[i]等于1时，第i个ols的vps和sps中信令通知的dpb_parameters()语法结构应是完全相同的。”]
[0165]
以这样的方式，视频编码器200和视频解码器300可根据上文表10的示例语法和语义对语法元素的值进行编解码，其可以与上文表7-9的示例的任何一个或所有语法和语义组合。此外，应当理解的是，表6的dci sei消息技术可以单独被使用，也可以与上面表7-10的示例vps组合使用。
[0166]
在一些实例中，根据表10的示例和上文的论述，视频编码器200可被配置为确定vps中的ptl数据结构的数量等于为vps指定的ols的总数。在这种场景下，表示vps中的ptl数据结构的数量的语法元素将等于为vps指定的ols的总数。作为响应，视频编码器200可以避免对vps中的ols ptl索引值的值进行编码。视频编码器200还可确保ols的视频数据符合具有按顺序匹配ols的索引的ptl数据结构的档次、层级和等级值。也就是说，视频编码器200可以确保根据第i个ptl数据结构的编解码工具对于从0到ols的数量的所有i值，来编码ols的第i个ols的视频数据。
[0167]
类似地，视频解码器300可确定指示vps的ptl数据结构的数量的语法元素的值(例如，vps_num_ptls_minus1)等于为vps指定的ols的总数。作为响应，视频解码器300可以推断指定ols和ptl数据结构(例如，ols_ptl_idx[i])之间的对应关系的索引的值。具体地，如上所论述的，视频解码器300可以将索引的值推断为对应于索引将出现的顺序，即ols_ptl_idx[i]＝i。以这样的方式，视频解码器300可以确定当解码第i个ols的视频数据时，对于0
和ols总数之间的所有i值，将使用第i个ptl数据结构。
[0168]
附加地或可替代地，视频编码器200和视频解码器300可以被配置为在某些情况下防止sps仿真。下面的表11示出了sps语法元素的部分集。根据vvc，取决于pic_width_max_in_luma_samples的值，表11中从sps_seq_parameter_set_id到res_change_in_clvs_allowed_flag的语法元素的值可能都等于0，这可能导致仿真起始码。
[0169]
表11—sps rbsp语法
[0170][0171][0172]
vvc将起始码前缀指定为十六进制值0x000001。vvc指示起始码前缀是nal单元的前缀，从而信令通知新的nal单元即将出现。因此，根据如表11所示的vvc的现有的结构，如果从sps_seq_parameter_set_id到res_change_in_clvs_allowed_flag的每个语法元素具有0的值，并且后续比特是1，则起始码前缀将被仿真，这可能导致视频解码器300的处理中的错误。
[0173]
视频编码器200和视频解码器300可以被配置为根据以下示例技术中的任何一个或全部，单独地或以任何组合的方式来防止这种仿真：
[0174]
要求有助于仿真起始码的所有语法元素(即，当前都具有0值)不能都等于0。在这种情况下，至少要求一个语法元素具有非零值，这防止了起始码仿真的发生。类似的方法可以被应用于任何参数集或标头。
[0175]
将sps_max_sublayers_minus1更改为sps_max_sublayers，如此sps_max_sublayers的值应在1到vps_max_sublayers_minus1+1的范围内。
[0176]
将sps_reserved_zero_4bits更改为sps_reserved_one_4bits，并且sps_reserved_one_4bits的值应等于
‘
1111’(0xf)。
[0177]
以这样的方式，sps的这些语法元素的语义可以以视频编码器200和视频解码器300不需要编解码在sps中的仿真防止字节的方式来定义。通过避免编解码仿真防止字节，视频编码器200和视频解码器300可以避免额外的处理操作，并且视频比特流不需要包括该开销数据。
[0178]
在一些示例中，视频编码器200和视频解码器300可以根据对pps一致性窗口语法元素的比特流一致性要求来配置，例如，如下所述。对vvc规范的修改用下面的[added：“添加的文本”]来表示。
[0179]
当pic_width_in_luma_samples等于pic_width_max_in_luma_samples并且pic_height_in_luma_samples等于pic_height_max_in_luma_samples时，[added：“pps_conformance_window_flag等于0是比特流一致性的要求。”]
[0180]
pps_conf_win_left_offset、pps_conf_win_right_offset、pps_conf_win_top_offset和pps_conf_win_bottom_offset指定从解码过程输出的clvs中的图片的样点，其按照用于输出的图片坐标中指定的矩形区域。[added：“当pps_conformance_window_flag等于0时，pps_conf_win_left_offset、pps_conf_win_right_offset、pps_conf_win_top_offset和pps_conf_win_bottom_offset的值分别被推断为等于sps_conf_win_left_offset、sps_conf_win_right_offset、sps_conf_win_top_offset和sps_conf_win_bottom_offset。”]
[0181]
照此，视频编码器200和视频解码器300可被配置为，响应于确定比特流的图片参数集(pps)中表示图片宽度的语法元素(例如，pic_width_in_luma_samples)的值是最大图片宽度值(例如，pic_width_max_in_luma_samples)，并且pps中表示图片高度的语法元素(例如，pic_height_in_luma_samples)的值是最大图片高度值(例如，pic_height_max_in_luma_samples)，确定一致性窗口值等于零(即，未显式地信令通知pps的一致性窗口语法元素)。附加的或可替代地，视频编码器200和视频解码器300可被配置为，响应于确定pps中的一致性窗口值等于零(即，未显式地信令通知pps的一致性窗口语法元素)，将pps的一致性窗口偏移的值推断为等于sps的一致性窗口偏移的对应值。
[0182]
附加地，当pic_width_in_luma_samples和pic_height_in_luma_samples分别等于pic_width_max_in_luma_samples和pic_height_max_in_luma_samples时，它们可以被信令通知为等于默认值，例如0。然后，如果pic_width_in_luma_samples或pic_height_in_luma_samples等于默认值，则pic_width_in_luma_samples或pic_height_in_luma_samples的值可以分别被替换为pic_width_max_in_luma_samples和pic_height_max_in_luma_samples的值。
[0183]
在可替代解决方案中，视频编码器200和视频解码器300可对选通标志(gating flag)pic_size_present_flag的值进行编解码。仅当pic_size_present_flag的值等于1时，视频编码器200和视频解码器300才可对pic_width_in_luma_samples和pic_height_in_luma_samples进行编解码。然后，可以添加推断规则，其中当pic_width_in_luma_samples和pic_height_in_luma_samples不存在时，视频编码器200和视频解码器300可以推断这些值分别等于pic_width_max_in_luma_samples和pic_height_max_in_luma_
samples。当pic_width_in_luma_samples和pic_height_in_luma_samples分别等于pic_width_max_in_luma_samples和pic_height_max_in_luma_samples时(这可能是一种典型的编解码情况)，这种方法可以节省用于它们的信令开销。
[0184]
在另一示例中，视频编码器200和视频解码器300可对pps语法元素的值(例如，如下表12的示例中所示的pps_res_change_allowed_flag)进行编解码，以指示参考pps的图片的图片分辨率是否可改变。语法元素(例如，标志)可用于调节pps图片分辨率、pps一致性窗口和pps缩放窗口语法元素的存在。当不存在时，视频解码器300可从对应的sps语法元素推断这些语法元素的值。
[0185]
表12-示例pps语法结构
[0186][0187][0188]
上表12的示例中的pps_res_change_allowed_flag语法元素的语义可以如下：
[0189]
pps_res_change_allowed_flag等于1指定图片空域分辨率可以在参考pps的图片上改变。pps_res_change_allowed_flag等于0指定图片空域分辨率在参考pps的图片上不改变。当res_change_in_clvs_allowed_flag的值等于0时，pps_res_change_allowed_flag的值应等于0。
[0190]
表12的其他语法元素的语义可以修改如下：
[0191]
pps_conformance_window_flag等于1指示pps中的一致性裁剪窗口偏移参数遵循
下一个。pps_conformance_window_flag等于0表示pps中不存在一致性裁剪窗口偏移参数。[added：“当不存在时，pps_conformance_window_flag的值被推断为等于0。”]
[0192]
scaling_window_explicit_signalling_flag等于1指定缩放窗口偏移参数存在于pps中。scaling_window_explicit_signalling_flag等于0指定缩放窗口偏移参数不存在于pps中。[added：“当不存在时，scaling_window_explicit_signalling_flag的值被推断为等于0。”]
[0193]
根据vvc，sps_poc_msb_flag的值指示ph_poc_msb_present_flag语法元素的值是否存在于参考sps的图片标头(ph)中。当sps_poc_msb_flag等于1时，vvc指示在sps中信令通知另一个语法元素poc_msb_len_minus1，以指示参考sps的ph中的poc_msb_val语法元素的长度。将两个语法元素合并成一个可以简化sps语法设计。下面的表13示出了示例语法元素变化。在这个示例中，语法元素poc_msb_len替换了sps_poc_msg_flag和poc_msb_len_minus1。在表13中，[removed：“移除的文本”]意味着从vvc移除的文本，而[added：“添加的文本”]意味着向vvc添加的文本。
[0194]
表13—sps中poc msb语法元素示例
[0195][0196]
poc_msb_len语法元素的语义可以被定义如下：当存在于参考sps的ph中时，poc_msb_len指定poc_msb_val语法元素的长度，其以比特为单位。poc_msb_len的值应在0到32-log2_max_pic_order_cnt_lsb_minus4-4的范围内(包括0和32-log2_max_pic_order_cnt_lsb_minus4-4)。当poc_msb_len等于0时，参考sps的ph中不存在ph_poc_msb_present_flag和poc_msb_val语法元素。
[0197]
下面的表14表示对应于表13的示例变化的图片标头(ph)的示例变化：
[0198]
表14—ph poc msb语法
[0199][0200][0201]
表14中poc_msb_val的语义可以被定义如下，相对于vvc进行更新：poc_msb_val指定当前图片的poc msb值。[added：“语法元素poc_msb_val的长度为poc_msb_len比特。”]
[0202]
以类似的方式，在自适应参数集(aps)中信令通知的alf_luma_coeff_abs和alf_luma_coeff_sign语法元素可以被转换成用二进制码信令通知的单个语法元素alf_luma_coeff，其具有符号，例如带符号的指数golomb码，例如se(v)。例如，具有描述符se(v)的语法元素alf_luma_coeff[sfidx][j]可以替换alf_luma_coeff_abs[sfidx][j]和alf_luma_coeff_sign[sfidx][j]。
[0203]
相应地，视频编码器200和视频解码器300可根据上文论述的技术对表12和13的语法元素的值进行编解码。视频编码器200和视频解码器300可单独执行这些技术，或与上文所论述的表6-11的技术进行任何组合。
[0204]
本公开认识到，当num_exp_slices_in_tile[i]等于0或1时，当变量numslicesintile[i]的值被推导为等于1时，在片内的切片高度的推导期间可能出现问题。视频编码器200和视频解码器300可以根据下面讨论的对vvc的示例改变来配置，其中[removed：“移除的文本”]意味着移除的文本，[added：“添加的文本”]意味着添加的文本。
[0205]
num_exp_slices_in_tile[i]指定在包含多于一个的矩形切片的当前切片中显式地提供的切片高度。num_exp_slices_in_tile[i]的值应在[removed：“0”0][added：“1”]到rowheight[tiley][removed：
“‑
1”]的范围内(包括[removed：“0”][added：“1”]和rowheight[tiley][removed：
“‑
1”])，其中tiley是包含第i个切片的片行索引。当不存在时，num_exp_slices_in_tile[i]的值被推断为等于0。当num_exp_slices_in_tile[i]等于0时，变量numslicesintile[i]的值被推导为等于[removed：“1”][added：“0”]。
[0206]
exp_slice_height_in_ctus_minus1[j]加1以ctu行为单位指定当前片中第j个矩形切片的高度。exp_slice_height_in_ctus_minus1[j]的值应在0至rowheight[tiley]-1的范围内(包括0和rowheight[tiley]-1)，其中tiley是当前片的片行索引。
[0207]
当num_exp_slices_in_tile[i]大于0时，变量numslicesintile[i][added：“对于1到numslicesintile[i]范围内的i”]和sliceheightinctusminus1[i+k](其中k在0到
numslicesintile[i]-1的范围内)被推导如下：
[0208][0209]
图2a和图2b是图示示例四叉树二叉树(qtbt)结构130和对应编解码树单元(ctu)132的概念图。实线表示四叉树划分，并且虚线指示二叉树划分。在二叉树的每个划分节点(即，非叶节点)中，一个标志被信令通知以指示使用哪种划分类型(即，水平或垂直)，其中在该示例中，0指示水平划分，1指示垂直划分。对于四叉树划分，不需要指示划分类型，因为四叉树节点将块水平和垂直划分成4个尺寸相等的子块。相应地，视频编码器200可以编码用于qtbt结构130的区域树层(即实线)的语法元素(诸如划分信息)和用于qtbt结构130的预测树层(即虚线)的语法元素(诸如划分信息)，并且视频解码器300可以对这些语法元素进行解码。视频编码器200可以编码由qtbt结构130的终端叶节点表示的cu的视频数据(诸如预测和变换数据)，并且视频解码器300可以对该视频数据进行解码。
[0210]
通常，图2b的ctu 132可以与参数相关联，这些参数定义与第一和第二层的qtbt结构130的节点相对应的块的尺寸。这些参数可以包括ctu尺寸(以样点表示ctu 132的尺寸)、最小四叉树尺寸(minqtsize，表示最小允许的四叉树叶节点尺寸)、最大二叉树尺寸(maxbtsize，表示最大允许的二叉树根节点尺寸)、最大二叉树深度(maxbtdepth，表示最大允许的二叉树深度)和最小二叉树尺寸(minbtsize，表示最小允许的二叉树叶节点尺寸)。
[0211]
与ctu对应的qtbt结构的根节点可以在qtbt结构的第一层具有四个子节点，该子节点中的每个可以根据四叉树分割来分割。也就是说，第一层的节点要么是叶节点(没有子节点)，要么有四个子节点。qtbt结构130的示例将此类节点表示为包括父节点和具有用于分支的实线的子节点。如果第一层的节点不大于最大允许的二叉树根节点尺寸(maxbtsize)，则这些节点还可以被相应的二叉树分割。可以迭代一个节点的二叉树划分，
直到划分得到的节点达到最小允许的二叉树叶节点尺寸(minbtsize)或最大允许的二叉树深度(maxbtdepth)。qtbt结构130的示例将此类节点表示为具有用于分支的虚线。二叉树叶节点被称为编解码单元(cu)，其用于预测(例如，帧内图片预测或帧间图片预测)和变换，而无需任何进一步的分割。如上文所讨论的，cu也可以被称为“视频块”或“块”。
[0212]
在qtbt分割结构的一个示例中，ctu尺寸被设置为128
×
128(亮度样点和两个对应的64
×
64色度样点)，minqtsize被设置为16
×
16，maxbtsize被设置为64
×
64，minbtsize(对于宽度和高度两者)被设置为4，以及maxbtdepth被设置为4。首先将四叉树分割应用于ctu，以生成四叉树叶节点。四叉树叶节点可以具有从16
×
16(即，minqtsize)到128
×
128(即，ctu尺寸)的尺寸。如果四叉树叶节点是128
×
128，则该叶四叉树节点将不会被二叉树进一步划分，因为其尺寸超过了maxbtsize(即，在本示例中为64
×
64)。否则，四叉树叶节点将进一步被二叉树分割。因此，四叉树叶节点也是用于二叉树的根节点，并且二叉树深度为0。当二叉树深度达到maxbtdepth(在本示例中为4)时，不准许进一步的划分。当二叉树节点的宽度等于minbtsize(在本例中为4)时，这意味着对于该二叉树节点不允许进一步的垂直划分(宽度的划分)。类似地，具有等于minbtsize的高度的二叉树节点意味着对于该二叉树节点不允许进一步的水平划分(即，高度的划分)。如上所述，二叉树的叶节点被称为cu，并且根据预测和变换对其进行进一步处理而无需进一步的分割。
[0213]
图3是图示可以执行本公开的技术的示例视频编码器200的框图。提供图3是为了解释的目的，并且不应认为是对本公开中广泛示例和描述的技术的限制。出于解释的目的，本公开在视频编解码标准(诸如，hevc视频编解码标准和正在开发的h.266视频编解码标准)的背景下描述了视频编码器200。然而，本公开的技术不限于这些视频编解码标准，并且通常适用于其他视频编码和解码标准。
[0214]
在图3的示例中，视频编码器200包括视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波器单元216、经解码图片缓冲器(dpb)218及熵编码单元220。视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波器单元216、dpb 218和熵编码单元220中的任何一个或全部可以在一个或多个处理器或处理电路中实施。另外，视频编码器200可包括附加的或可替代的处理器或处理电路以执行这些和其他功能。
[0215]
视频数据存储器230可以存储要由视频编码器200的组件编码的视频数据。视频编码器200可以从例如，视频源104(图1)接收存储在视频数据存储器230中的视频数据。dpb 218可以充当参考图片存储器，其存储参考视频数据以供视频编码器200预测后续视频数据时使用。视频数据存储器230和dpb 218可以由多种存储器设备中的任何一种形成，诸如动态随机访问存储器(dram)，包括同步dram(sdram)、磁阻ram(mram)、阻变ram(rram)或其他类型的存储器设备。视频数据存储器230和dpb 218可以由相同的存储器设备或单独的存储器设备提供。在各种示例中，视频数据存储器230可以与视频编码器200的其他组件在芯片上，如所图示的，或者相对于那些组件在芯片外。
[0216]
在本公开中，对视频数据存储器230的引用不应被解释为限于视频编码器200内部的存储器，除非具体描述如此，或者限于视频编码器200外部的存储器，除非具体描述如此。相反，对视频数据存储器230的引用应当被理解为存储视频编码器200接收用于编码的视频
数据(例如，要被编码的当前块的视频数据)的参考存储器。图1的存储器106还可以对来自视频编码器200的各种单元的输出提供临时存储。
[0217]
图示的图3的各种单元用来帮助理解由视频编码器200执行的操作。这些单元可以被实施为固定功能电路、可编程电路或其组合。固定功能电路是指提供特定功能，并且被预设能够被执行的操作的电路。可编程电路是指可以被编程来执行各种任务，并且在能够执行的操作中提供灵活功能的电路。举例来说，可编程电路可以运行软件或固件，使可编程电路按由软件或固件的指令定义的方式操作。固定功能电路可以运行软件指令(例如，以接收参数或输出参数)，但是固定功能电路执行的操作类型通常是不可变的。在一些示例中，单元中的一个或多个可以是不同的电路块(固定功能或可编程的)，并且在一些示例中，一个或多个单元可以是集成电路。
[0218]
视频编码器200可以包括由可编程电路形成的算术逻辑单元(alu)、基本功能单元(efu)、数字电路、模拟电路和/或可编程核心。在使用由可编程电路运行的软件来执行视频编码器200的操作的示例中，存储器106(图1)可以存储视频编码器200接收和运行的软件的目标代码，或视频编码器200内的另一个存储器(未示出)可以存储这样的指令。
[0219]
视频数据存储器230被配置为存储所接收的视频数据。视频编码器200可以从视频数据存储器230中检索视频数据的图片，并向残差生成单元204和模式选择单元202提供视频数据。视频数据存储器230中的视频数据可以是待编码的原始视频数据。
[0220]
模式选择单元202包括运动估计单元222、运动补偿单元224和帧内预测单元226。模式选择单元202可以包括附加的功能单元，以根据其他预测模式来执行视频预测。作为示例，模式选择单元202可以包括调色板单元、帧内块复制单元(其可以是运动估计单元222和/或运动补偿单元224的一部分)、仿射单元、线性模型(lm)单元等。
[0221]
模式选择单元202通常协调多个编码过程，以测试编码参数的组合以及得到的用于此类组合的率失真值。编码参数可以包括ctu到cu的分割、用于cu的预测模式、用于cu的残差数据的变换类型、用于cu的残差数据的量化参数等。模式选择单元202可以最终选择具有比其他测试组合更好的率失真值的编码参数的组合。
[0222]
在一些示例中，模式选择单元202可以被配置为自动确定为一个或多个ols启用和/或禁用编解码工具。例如，模式选择单元202可执行率失真优化(rdo)以计算每个ols和被启用/禁用的编解工具的各种组合的率失真(rd)值，并且然后选择产生ols的最优rd值的编解码工具集。可替代地，管理员或其他用户可以启用和/或禁用给定的ols(即，任何一个或所有ols)的编解码工具。在任何情况下，模式选择单元202可为视频比特流的ols总数中的每个ols确定适当的档次、层级和等级值。
[0223]
根据本公开的技术，模式选择单元202还可以信令通知ols的ptl数据结构。模式选择单元202还可以确定将为ols信令通知的ptl数据结构的数量，并且在vps中信令通知该数量的值。当vps中的ptl数据结构的数量等于为vps指定的ols的总数时，模式选择单元202可以使得视频编码器200避免对ols ptl索引值的值进行编码。相反，模式选择单元202可以使熵编码单元220以与ols相同的顺序对vps中的ptl数据结构进行编码，使得可以从信令顺序推断出ptl数据结构和ols之间的对应关系。
[0224]
此外，附加地或可替代地，模式选择单元202可使用rdo技术来确定图片序列中的图片的图片尺寸。可替代地，模式选择单元202可以从诸如管理员的用户接收配置数据来表
示要被使用的图片尺寸。在模式选择单元202确定图片具有最大图片尺寸的示例中，模式选择单元202可以使得熵编码单元220为不包含一致性窗口语法元素的图片生成图片参数集(pps)。在一些示例中，模式选择单元202可以使得熵编码单元220编码pps以包括一致性窗口标志，其具有指示其它一致性窗口语法元素(例如，偏移值)未被信令通知的值。在这种情况下，pps的一致性窗口语法元素的值可以从序列参数集(sps)的对应值中推断出来。
[0225]
视频编码器200可以将从视频数据存储器230中检索的图片分割为一系列ctu，并将一个或多个ctu封装在切片内。模式选择单元202可以根据树结构(诸如，上述hevc的qtbt结构或四叉树结构)来分割图片的ctu。如上所述，视频编码器200可以根据树结构通过分割ctu来形成一个或多个cu。此cu通常也可以被称为“视频块”或“块”。
[0226]
通常，模式选择单元202还控制其组件(例如，运动估计单元222、运动补偿单元224和帧内预测单元226)以生成当前块(例如，当前cu或hevc中pu和tu的重叠部分)的预测块。为了对当前块进行帧间预测，运动估计单元222可以执行运动搜索来识别在一个或多个参考图片(例如，存储在dpb218中的一个或多个先前编解码的图片)中的一个或多个紧密匹配的参考块。具体地，运动估计单元222可以例如，根据绝对差和(sad)、平方差和(ssd)、平均绝对差(mad)、均方差(msd)等来计算表示潜在参考块与当前块有多相似的值。运动估计单元222通常可以使用当前块与正被考虑的参考块之间的逐样点差来执行这些计算。运动估计单元222可以识别具有从这些计算所得到的最低值的参考块，指示最紧密匹配当前块的参考块。
[0227]
运动估计单元222可以形成一个或多个运动向量(mv)，其定义参考图片中参考块相对于当前图片中当前块的位置的位置。运动估计单元222然后可以向运动补偿单元224提供运动向量。例如，对于单向帧间预测，运动估计单元222可以提供单个运动向量，而对于双向帧间预测，运动估计单元222可以提供两个运动向量。运动补偿单元224然后可以使用运动向量来生成预测块。例如，运动补偿单元224可以使用运动向量来检索参考块的数据。作为另一个示例，如果运动向量具有分数样点精度，则运动补偿单元224可以根据一个或多个插值滤波器来插值预测块的值。此外，对于双向帧间预测，运动补偿单元224可以检索由相应运动向量识别的两个参考块的数据，并且例如，通过逐样点平均或加权平均来组合所检索的数据。
[0228]
作为另一个示例，对于帧内预测或帧内预测编解码，帧内预测单元226可以从与当前块相邻的样点来生成预测块。例如，对于方向模式，帧内预测单元226通常可以数学上地组合相邻样点的值，并在跨越当前块的定义方向上填充这些计算出的值，以产生预测块。作为另一个示例，对于dc模式，帧内预测单元226可以计算当前块的相邻样点的平均值，并且生成预测块以包括对于预测块的每个样点所得到的该平均值。
[0229]
模式选择单元202将预测块提供给残差生成单元204。残差生成单元204从视频数据存储器230接收当前块的原始的、未经编码的版本，并从模式选择单元202接收预测块。残差生成单元204计算当前块与预测块之间的逐样点差。所得到的逐样点差定义当前块的残差块。在一些示例中，残差生成单元204还可以确定残差块中的样点值之间的差异，以使用残差差分脉冲编解码调制(rdpcm)来生成残差块。在一些示例中，残差生成单元204可以使用执行二进制减法的一个或多个减法器电路来形成。
[0230]
在模式选择单元202将cu分割成pu的示例中，每个pu可以与亮度预测单元和对应
的色度预测单元相关联。视频编码器200和视频解码器300可以支持具有各种尺寸的pu。如上所述，cu的尺寸可以指cu的亮度编解码块的尺寸，而pu的尺寸可以指pu的亮度预测单元的尺寸。假设特定cu的尺寸为2n
×
2n，则视频编码器200可以支持2n
×
2n或n
×
n的pu尺寸用于帧内预测，以及2n
×
2n、2n
×
n、n
×
2n、n
×
n或类似的对称pu尺寸用于帧间预测。视频编码器200和视频解码器300还可以支持2n
×
nu、2n
×
nd、nl
×
2n和nr
×
2n的pu尺寸的非对称分割用于帧间预测。
[0231]
在模式选择单元202没有进一步将cu分割成pu的示例中，每个cu可以与亮度编解码块和对应的色度编解码块相关联。同上，cu的尺寸可以指cu的亮度编解码块的尺寸。视频编码器200和视频解码器300可以支持2n
×
2n、2n
×
n或n
×
2n的cu尺寸。
[0232]
对于其他视频编解码技术，诸如帧内块复制模式编解码、仿射模式编解码和线性模型(lm)模式编解码，作为一些实例，模式选择单元202经由与编解码技术相关联的相应单元，生成正在被编码的当前块的预测块。在一些示例中，诸如调色板模式编解码，模式选择单元202可以不生成预测块，而是生成指示按基于所选择的调色板来重构块的方式的语法元素。在这样的模式中，模式选择单元202可以将这些语法元素提供给熵编码单元220，以对其进行编码。
[0233]
如上所述，残差生成单元204接收当前块和对应预测块的视频数据。然后，残差生成单元204生成当前块的残差块。为了生成残差块，残差生成单元204计算预测块与当前块之间的逐样点差。
[0234]
变换处理单元206对残差块应用一个或多个变换，以生成变换系数的块(本文中被称为“变换系数块”)。变换处理单元206可以对残差块应用各种变换，以形成变换系数块。例如，变换处理单元206可以对残差块应用离散余弦变换(dct)、方向变换、karhunen-loeve变换(klt)或概念上类似的变换。在一些示例中，变换处理单元206可以对残差块执行多个变换，例如，主变换和二次变换，诸如旋转变换。在一些示例中，变换处理单元206不对残差块应用变换。
[0235]
量化单元208可以量化变换系数块中的变换系数，以产生经量化的变换系数块。量化单元208可以根据与当前块相关联的量化参数(qp)值来量化变换系数块的变换系数。视频编码器200(例如，经由模式选择单元202)可以通过调整与cu相关联的qp值来调整应用于与当前块相关联的变换系数块的量化程度。量化可能引入信息损失，并且因此，经量化的变换系数可能具有比由变换处理单元206产生的原始变换系数更低的精度。
[0236]
逆量化单元210和逆变换处理单元212可以对经量化的变换系数块分别应用逆量化和逆变换，以从变换系数块中重构残差块。重构单元214可基于经重构的残差块和由模式选择单元202生成的预测块来产生对应于当前块的经重构块(尽管可能具有某种程度的失真)。例如，重构单元214可将经重构的残差块的样点添加到来自由模式选择单元202生成的预测块的对应样点，以产生经重构块。
[0237]
滤波器单元216可以对经重构块执行一个或多个滤波操作。例如，滤波器单元216可以执行去方块操作来减少沿cu边缘的块效应伪影。滤波器单元216的操作可以在一些示例中跳过。
[0238]
视频编码器200将经重构块存储在dpb 218中。举例来说，在不需要滤波器单元216的操作的示例中，重构单元214可以将经重构块存储到dpb 218。在需要滤波器单元216的操
作的示例中，滤波器单元216可以将经滤波的经重构块存储到dpb 218。运动估计单元222和运动补偿单元224可以从dpb 218中检索参考图片，该参考图片是由经重构(并且可能经滤波的)块形成的，以对随后编码的图片的块进行帧间预测。此外，帧内预测单元226可以使用当前图片的dpb 218中的经重构块来对当前图片中的其他块进行帧内预测。
[0239]
通常，熵编码单元220可以对从视频编码器200的其他功能组件接收的语法元素进行熵编码。例如，熵编码单元220可以对来自量化单元208的经量化的变换系数块进行熵编码。作为另一个示例，熵编码单元220可以对来自模式选择单元202的预测语法元素(例如，用于帧间预测的运动信息或用于帧内预测的帧内模式信息)进行熵编码。熵编码单元220可以对作为视频数据的另一个示例的语法元素执行一个或多个熵编码操作，以生成经熵编码的数据。例如，熵编码单元220可以对数据执行上下文自适应可变长度编解码(cavlc)操作、cabac操作、变量到变量(v2v)长度编解码操作、基于语法的上下文自适应二进制算术编解码(sbac)操作、概率区间分割熵(pipe)编解码操作、指数-golomb编码操作或另一种类型的熵编码操作。在一些示例中，熵编码单元220可以在旁路模式下操作，在旁路模式下，语法元素未被熵编码。
[0240]
视频编码器200可以输出比特流，该比特流包括重构切片或图片的块所需的经熵编码的语法元素。具体地，熵编码单元220可以输出比特流。
[0241]
上述操作是相对于块来描述的。这种描述应当被理解为用于亮度编解码块和/或色度编解码块的操作。如上所述，在一些示例中，亮度编解码块和色度编解码块是cu的亮度分量和色度分量。在一些示例中，亮度编解码块和色度编解码块是pu的亮度分量和色度分量。
[0242]
在一些示例中，对于色度编解码块，不需要重复相对于亮度编解码块执行的操作。作为一个示例，识别用于亮度编解码块的运动向量(mv)和参考图片的操作不需要重复用于识别用于色度块的mv和参考图片。相反，用于亮度编解码块的mv可以被缩放以确定用于色度块的mv，并且参考图片可以是相同的。作为另一个示例，对于亮度编解码块和色度编解码块，帧内预测过程可以是相同的。
[0243]
视频编码器200表示可以被配置为执行上文关于表7至13中的任何一者所描述的技术的视频编解码器的示例。
[0244]
图4是图示可执行本公开的技术的示例视频解码器300的框图。提供图4是出于解释的目的，而非限制本公开中广泛示例和描述的技术。出于解释的目的，本公开根据vcc和hevc的技术描述了视频解码器300。本公开的技术可以由配置为其他视频编解码标准的视频编解码设备来执行。
[0245]
在图4的示例中，视频解码器300包括经编解码图片缓冲器(cpb)存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310、滤波器单元312和经解码图片缓冲器(dpb)314。cpb存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310、滤波器单元312和dpb 314中的任何一个或全部可以在一个或多个处理器或处理电路中实施。另外，视频解码器300可包括附加的或可替代的处理器或处理电路以执行这些和其他功能。
[0246]
视频解码器300最初可处理(例如，解码、解析和/或解释)高级语法数据结构，诸如视频参数集(vps)、序列参数集(sps)和图片参数集(pps)。例如，视频解码器300可使用vps
的数据来确定比特流的输出层集(ols)的档次、层级和等级(ptl)值。根据本公开的技术，视频解码器300可(例如)使用vps_num_ptls_minus1的值来确定vps中的ptl数据结构的数目。视频解码器300还可确定为vps指定的ols的总数，例如，使用上文用于计算totalnumolss的值的伪代码。
[0247]
视频解码器300然后可以确定ptl数据结构的数量是否等于为vps指定的ols的总数。如果ptl数据结构的数量等于为vps指定的ols的总数，则视频解码器300可以确定ols ptl索引值将不会在vps中显式地信令通知。相反，视频解码器300可以推断ols ptl索引值的值。例如，视频解码器300可确定第i个ptl数据结构对于0与为vps指定的ols总数之间的所有i值描述了第i个ols的ptl数据。另一方面，如果ptl数据结构的数量不等于ols的总数，则视频解码器300可以从vps中解码ols ptl索引值的显式值。
[0248]
附加地或可替代地，视频解码器300可确定表示图片的pps的图片尺寸的值(例如，pic_width_in_luma_samples和pic_height_in_luma_samples)是否指示图片具有最大尺寸(例如，pic_width_in_luma_samples等于pic_width_max_in_luma_samples且pic_height_in_luma_samples等于pic_height_max_in_luma_samples)。当图片具有最大尺寸时，视频解码器300可确定pps一致性窗口语法元素未被信令通知。当pps一致性窗口语法元素未被信令通知时(例如，当pps_conformance_window_flag具有显式或推断值0时)，视频解码器300可从对应的sps一致性窗口语法元素(例如，sps_conf_win_left_offset、sps_conf_win_right_offset、pps_conf_win_top_offset和pps_conf_win_bottom_offset)分别推断其他pps一致性窗口语法元素(例如，pps_conf_win_left_offset、pps_conf_win_right_offset、pps_conf_win_top_offset和pps_conf_win_bottom_offset)的值。
[0249]
预测处理单元304包括运动补偿单元316和帧内预测单元318。预测处理单元304可以包括附加单元以根据其他预测模式来执行预测。作为示例，预测处理单元304可以包括调色板单元、帧内块复制单元(其可以形成运动补偿单元316的一部分)、仿射单元、线性模型(lm)单元等。在其他示例中，视频解码器300可以包括更多、更少或不同的功能组件。
[0250]
cpb存储器320可以存储要由视频解码器300的组件解码的视频数据，诸如经编码的视频比特流。例如，可以从计算机可读介质110(图1)获得存储在cpb存储器320中的视频数据。cpb存储器320可以包括存储来自经编码的视频比特流的经编码的视频数据(例如，语法元素)的cpb。而且，cpb存储器320可以存储除经编解码的图片的语法元素之外的视频数据，诸如表示来自视频解码器300的各种单元的输出的临时数据。dpb 314通常存储经解码图片，视频解码器300可以输出该经解码图片和/或在解码经编码的视频比特流的后续数据或图片时，将其用作参考视频数据。cpb存储器320和dpb 314可以由多种存储器设备中的任何一种形成，诸如动态随机存取存储器(dram)，包括同步dram(sdram)、磁阻ram(mram)、电阻ram(rram)或其他类型的存储器设备。cpb存储器320和dpb 314可以由同一存储器设备或分开的存储器设备提供。在各种示例中，cpb存储器320可以与视频解码器300的其他组件在芯片上，或者相对于那些组件在芯片外。
[0251]
附加地或可替代地，在一些示例中，视频解码器300可以从存储器120(图1)检索经编解码的视频数据。也就是说，存储器120可以存储数据，如上文关于cpb存储器320所讨论的。类似地，当视频解码器300的某些或全部功能在将由视频解码器300的处理电路运行的软件中实施时，存储器120可以存储将由视频解码器300运行的指令。
[0252]
图示图4所示的各种单元以帮助理解由视频解码器300执行的操作。这些单元可以被实施为固定功能电路、可编程电路或其组合。类似于图3，固定功能电路是指提供特定功能并且预设了能够执行的操作的电路。可编程电路是指可以被编程来执行各种任务并且在能够执行的操作中提供灵活功能的电路。举例来说，可编程电路可以运行软件或固件，其使可编程电路按由软件或固件的指令定义的方式操作。固定功能电路可以运行软件指令(例如，以接收参数或输出参数)，但是固定功能电路执行的操作类型通常是不可变的。在一些示例中，一个或多个单元可以是不同的电路块(固定功能或可编程)，并且在一些示例中，一个或多个单元可以是集成电路。
[0253]
视频解码器300可以包括由可编程电路形成的alu、efu、数字电路、模拟电路和/或可编程核心。在视频解码器300的操作由在可编程电路上运行的软件来执行的示例中，芯片上或芯片外存储器可以存储视频解码器300接收和运行的软件的指令(例如，目标代码)。
[0254]
熵解码单元302可以从cpb中接收经编码的视频数据，并对视频数据进行熵解码以重现语法元素。预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310和滤波器单元312可以基于从比特流中提取的语法元素来生成经解码的视频数据。
[0255]
通常，视频解码器300在逐块基础上重构图片。视频解码器300可以对每个块单独地执行重构操作(其中当前正被重构的块，即解码的块可以被称为“当前块”)。
[0256]
熵解码单元302可以对定义经量化的变换系数块的经量化的变换系数的语法元素以及变换信息(诸如量化参数(qp)和/或(一个或多个)变换模式指示)进行熵解码。逆量化单元306可以使用与经量化的变换系数块相关联的qp来确定量化程度，并且类似地，确定供逆量化单元306应用的逆量化程度。逆量化单元306可以例如，执行逐比特左移操作来对经量化的变换系数进行逆量化。逆量化单元306由此可以形成包括变换系数的变换系数块。
[0257]
在逆量化单元306形成变换系数块之后，逆变换处理单元308可以对变换系数块应用一个或多个逆变换，以生成与当前块相关联的残差块。例如，逆变换处理单元308可以将逆dct、逆整数变换、逆karhunen-loeve变换(klt)、逆旋转变换、逆方向变换或另一逆变换应用于变换系数块。
[0258]
此外，预测处理单元304根据由熵解码单元302进行熵解码的预测信息语法元素来生成预测块。例如，如果预测信息语法元素指示当前块是帧间预测的，则运动补偿单元316可以生成预测块。在这种情况下，预测信息语法元素可以指示从中检索参考块的dpb 314中的参考图片，以及识别参考图片中的参考块相对于当前图片中的当前块的位置的位置的运动向量。运动补偿单元316通常可以以与关于运动补偿单元224(图3)所描述的方式基本上相似的方式来执行帧间预测过程。
[0259]
作为另一个示例，如果预测信息语法元素指示当前块是帧内预测的，则帧内预测单元318可以根据由预测信息语法元素指示的帧内预测模式来生成预测块。再次，帧内预测单元318通常可以以与关于帧内预测单元226(图3)所描述的方式基本上相似的方式来执行帧内预测过程。帧内预测单元318可以从dpb 314中检索当前块的相邻样点的数据。
[0260]
重构单元310可以使用预测块和残差块来重构当前块。例如，重构单元310可以将残差块的样点添加到预测块的对应样点中，以重构当前块。
[0261]
滤波器单元312可以对经重构块执行一个或多个滤波操作。例如，滤波器单元312可以执行去方块操作来减少沿经重构块的边缘的块效应伪影。不一定在所有示例中都执行
滤波器单元312的操作。
[0262]
视频解码器300可以将重构块存储在dpb 314中。如上所述，dpb 314可以向预测处理单元304提供参考信息，诸如用于帧内预测的当前图片的样点和用于后续运动补偿的先前经解码图片。此外，视频解码器300可输出来自dpb 314的经解码图片以供随后呈现于诸如图1的显示设备118的显示设备上。
[0263]
视频解码器300表示可被配置为执行上文关于表7至13中的任何一者所描述的技术的视频编解码器的示例。
[0264]
图5是图示用于根据本公开的技术对当前块进行编码的示例方法的流程图。当前块可以包括当前cu。尽管关于视频编码器200(图1和3)进行描述，但应理解，其他设备可以被配置为执行类似于图5的方法。
[0265]
在此示例中，视频编码器200最初预测当前块(350)。例如，视频编码器200可形成当前块的预测块。视频编码器200然后可以计算当前块的残差块(352)。为了计算残差块，视频编码器200可以计算原始的、未经编码的块与当前块的预测块之间的差。视频编码器200然后可以变换和量化残差块的系数(354)。接下来，视频编码器200可以扫描经量化的残差块的变换系数(356)。在扫描期间或在扫描之后，视频编码器200可以对系数进行熵编码(358)。例如，视频编码器200可以使用cavlc或cabac对系数进行编码。视频编码器200然后可输出块的经熵编解码的数据(360)。
[0266]
图6是图示用于根据本公开的技术对当前块进行解码的示例方法的流程图。当前块可以包括当前cu。尽管关于视频解码器300(图1和4)进行描述，但应理解，其他设备可以被配置为执行类似于图6的方法。
[0267]
视频解码器300可以接收当前块的经熵编解码的数据，诸如经熵编解码的预测信息和对应于当前块的残差块的系数的经熵编解码的数据(370)。视频解码器300可以对经熵编解码的数据进行熵解码以确定当前块的预测信息并重现残差块的系数(372)。视频解码器300可以预测当前块(374)，例如，使用由当前块的预测信息所指示的帧内或帧间预测模式，以计算当前块的预测块。视频解码器300然后可以逆扫描重现的系数(376)，以创建经量化的变换系数的块。视频解码器300然后可以对系数进行逆量化和逆变换，以产生残差块(378)。视频解码器300可以通过组合预测块和残差块来最终解码当前块(380)。
[0268]
图7是图示用于根据本公开的技术对视频数据进行解码的示例方法的流程图。视频解码器300可以在执行上述图6的方法之前执行图7的方法。视频编码器200可以执行基本上类似的方法，尽管在如下所述的某些示例中使用互逆的技术。
[0269]
最初地，视频解码器300可以接收视频参数集(vps)。视频解码器300可解码vps的数据以确定vps中的ptl数据结构的数量(400)。例如，视频解码器300可解码vps的vps_num_ptls_minus1语法元素的值，并且从vps_num_ptls_minus1语法元素的值确定vps中的ptl数据结构的数量。
[0270]
视频解码器300还可确定为vps指定的ols的总数(402)。例如，如上所述，视频解码器300可以如下计算变量totalnumolss的值：
[0271][0272]
换句话说，当vps的最大层数减1等于零时，视频解码器300可以确定ols的总数等于1；当以下至少一个时：1)vps的层中的每个层是ols、2)ols模式指示符值等于0、或3)ols模式指示符值等于1，视频解码器300可确定ols的总数等于vps的最大层数；或者当ols模式指示符值等于2时，视频解码器300可确定ols的总数等于独立层的数量加上指示ols数量的vps的语法元素的值。
[0273]
视频解码器300然后可以确定ptl数据结构的数量是否等于为vps指定的ols的总数。在图7的示例中，假设视频解码器300确定ptl数据结构的数量等于为vps指定的ols的总数(404)。结果是，视频解码器300可推断ols ptl索引的值(406)。具体地，视频解码器300可以推断ols ptl索引(例如，ols_ptl_idx[i])的值，而无需显式地解码表示来自vps的索引值的值。例如，对于0与ols总数之间的所有i值，视频解码器300可以确定ols ptl索引值中的第i个ols ptl索引值等于i。
[0274]
视频解码器300还可以使用对应的ptl数据结构来解码ols的视频数据(408)。例如，视频解码器300可以根据ptl数据结构在存储设备中分配适当的量的存储器、初始化编解码工具并且避免初始化未被使用的编解码工具。视频解码器300然后可以使用经初始化的编解码码工具(例如，根据上文所述的图6的方法)来解码视频数据的块。
[0275]
以这样的方式，图7的方法表示解码视频数据的方法的示例，包括：确定表示比特流中的视频参数集(vps)中的档次-层级-等级(ptl)数据结构的数量的语法元素的值等于为vps指定的输出层集(ols)的总数；响应于确定表示vps中的档次-层级-等级数据结构的数量的语法元素的值等于为vps指定的ols的总数，推断ols ptl索引值的值，而不显式地解码ols ptl索引值的值；以及根据ols ptl索引值的推断值，使用vps中的ptl数据结构中的对应的ptl数据结构来解码一个或多个ols的视频数据。
[0276]
图8是图示根据本公开的技术来解码视频数据的另一示例方法的流程图。视频解码器300可以解码图片参数集(pps)的图片宽度值(420)。图片宽度值可以是例如，pic_width_in_luma_samples。视频解码器300还可以解码由pps参考的序列参数集(sps)的最大图片宽度值(422)。例如，最大图片宽度值可以是pic_width_max_in_luma_samples。同样地，视频解码器300可以解码pps的图片高度值(424)和sps的最大图片高度值(426)。
[0277]
视频解码器300然后可以确定对应于pps的图片是否具有最大图片高度。例如，视频解码器300可以确定图片宽度值是否等于最大图片宽度值，以及图片高度值是否等于最大图片高度值。在这个示例中，假设视频解码器300确定图片具有最大图片尺寸(428)。
[0278]
作为结果，视频解码器300可以确定pps一致性窗口值未被显式地编解码(430)。例如，视频解码器300可以确定pps的pps_conformance_window_flag具有0值(例如，通过对值
的推断或明确的解码)。因此，根据本公开的技术，视频解码器300可以从sps的对应的sps值推断一致性窗口偏移值(432)。例如，视频解码器300可分别从sps的sps_conf_win_left_offset、sps_conf_win_right_offset、sps_conf_win_top_offset和sps_conf_win_bottom_offset来推断pps的pps_conf_win_left_offset、pps_conf_win_right_offset、pps_conf_win_top_offset和pps_conf_win_bottom_offset的值。具体地，视频解码器300可以推断一致性窗口偏移值，而无需显式地从pps解码值的数据，例如pps_conf_win_left_offset、pps_conf_win_right_offset、pps_conf_win_top_offset和pps_conf_win_bottom_offset。
[0279]
以这样的方式，图8的方法表示一种方法的示例，该方法包括：响应于确定比特流的图片参数集(pps)中表示图片宽度的语法元素的值是最大图片宽度值，并且pps中表示图片高度的语法元素的值是最大图片高度值，确定一致性窗口值等于零。此外，图8的方法表示一种方法的示例，该方法包括：响应于确定图片参数集(pps)中的一致性窗口值等于零，推断pps的一致性窗口偏移的值等于序列参数集(sps)的一致性窗口偏移的对应值。
[0280]
本公开的某些技术在以下条款中描述：
[0281]
条款1：一种处理视频数据的方法，该方法包括：处理视频比特流的解码器能力信息(dci)补充增强信息(sei)消息，该dci sei消息包括指示表示视频解码器解码视频比特流必须具有的能力的信息的数据；以及当视频解码器具有该能力时，向视频解码器提供视频比特流。
[0282]
条款2：如条款1的方法，其中表示能力的信息包括指示可能存在于视频比特流的每个经编解码视频序列(cvs)中的时域子层的最大数量的数据。
[0283]
条款3：如条款1或2中的任一条款的方法，其中表示能力的信息包括指示包括在dci sei消息中的档次、层级、等级语法结构的数量的数据。
[0284]
条款4：如条款1-3中的任一条款的方法，其中表示能力的信息包括指示视频解码器要支持的通用档次指示符的最高值的数据。
[0285]
条款5：如条款1-4中的任一条款的方法，其中表示能力的信息包括指示视频解码器要支持的通用等级指示符的最高值的数据。
[0286]
条款6：一种编解码视频数据的方法，该方法包括：对语法元素的值进行编解码，该语法元素指示经编解码视频序列(cvs)中的所有层是否在不使用层间预测的情况下被独立编解码、cvs中的所有非基础层是否使用层间预测、以及每个层i是否是层i+1的直接参考层、以及除了最高层之外的所有层的子层是否用于层间预测、或者cvs中的一个或多个层是否可以使用层间预测；以及根据语法元素的值对cvs的层的图片进行编解码。
[0287]
条款7：如条款6的方法，还包括条款1-5中的任一条款的方法。
[0288]
条款8：如条款6或7中的任一条款的方法，其中语法元素包括第一语法元素，该方法还包括推断第二语法元素的值，该第二语法元素表示当第二语法元素没有根据第一语法元素的值被编解码时，层是否使用层间预测。
[0289]
条款9：如条款8的方法，其中推断第二语法元素的值包括：当第一语法元素的值为1时，推断第二语法元素的值为0；或者当第一语法元素的值为0时，推断第二语法元素的值为1。
[0290]
条款10：如条款8的方法，其中推断第二语法元素的值包括推断第二语法元素的值
为1减去第一语法元素的值。
[0291]
条款11：如条款8-10中的任一条款的方法，其中第二语法元素包括vps_independent_layer_flag[i]。
[0292]
条款12：如条款6-11中的任一条款的方法，其中对语法元素的值进行编解码包括对视频参数集(vps)中的值进行编解码。
[0293]
条款13：一种对视频数据进行编解码的方法，该方法包括：对语法元素的值进行编解码，该语法元素指示指示视频数据的层间参考图片的默认最大时域层标识符的值是否存在于视频比特流中；以及根据语法元素的值对视频比特流的图片进行编解码。
[0294]
条款14：如条款13的方法，还包括条款1-12中的任一条款的方法。
[0295]
条款15：如条款13或14中任一条款的方法，还包括当语法元素的值指示层间参考图片的默认最大时域层标识符的值不存在于视频比特流中时，对指示层间参考图片的实际最大时域层标识符的语法元素的值进行编解码。
[0296]
条款16：如条款13-15中任一条款的方法，还包括当语法元素的值指示默认最大时域层标识符的值存在于视频比特流中时，对默认最大时域层标识符的值进行编解码。
[0297]
条款17：一种编解码视频数据的方法，该方法包括：编解码指示为视频数据的非基础独立编解码层设置的输出层集的数据；以及根据所指示的输出层集对视频数据进行编解码。
[0298]
条款18：如条款17的方法，还包括条款1-16中任一条款的方法。
[0299]
条款19：一种编解码视频数据的方法，该方法包括：确定输出层集(ols)的数量等于视频比特流的档次、层级、等级(ptl)数据结构的数量；响应于确定ols的数量等于ptl数据结构的数量，在不编解码索引的值的情况下，推断ols和ptl数据结构之间的索引；以及根据推断的索引对视频数据进行编解码。
[0300]
条款20：如条款19的方法，还包括条款1-18中的任一条款的方法。
[0301]
条款21：一种编解码视频数据的方法，该方法包括：编解码视频比特流的序列参数集(sps)的语法元素的值，以防止仿真防止字节的编解码；以及根据sps对视频比特流进行编解码。
[0302]
条款22：如条款21的方法，还包括条款1-20中的任一条款的方法。
[0303]
条款23：如条款21或22中的任一条款的方法，其中对sps的语法元素的值进行编解码包括对至少一个语法元素的非零值进行编解码。
[0304]
条款24：如条款21-23中的任一条款的方法，其中对sps的语法元素的值进行编解码包括对sps的语法元素的值进行编解码，其表示在从1到视频参数集(vps)的、指示vps特定最大子层数的语法元素的值的范围内的sps特定最大子层数。
[0305]
条款25：如条款21-23中的任一条款的方法，其中对sps的语法元素的值进行编解码包括对sps的前11比特之后的二进制值“1111”进行编解码。
[0306]
条款26：一种对视频数据进行编解码的方法，该方法包括：从序列参数集(sps)的对应的一致性窗口语法元素中推断图片参数集(pps)的一致性窗口语法元素的值，而不对视频比特流的pps的一致性窗口语法元素的值进行编解码；以及根据推断值对视频比特流的视频数据进行编解码。
[0307]
条款27：如条款26的方法，还包括条款1-25中的任一条款的方法。
[0308]
条款28：如条款26或27中任一条款的方法，其中推断值包括当指示视频比特流的图片尺寸的语法元素的值指示该图片尺寸等于视频比特流的最大可能图片尺寸时，推断该值。
[0309]
条款29：如条款27的方法，还包括对定义最大可能图片尺寸的语法元素的值进行编解码。
[0310]
条款30：一种对视频数据进行编解码的方法，该方法包括：对图片参数集(pps)的语法元素的值进行编解码，该语法元素指示参考pps的图片的图片分辨率是否可以改变；当语法元素的值指示图片分辨率不能改变时，从对应的序列参数集(sps)的语法元素的对应的值推断定义参考pps的图片的图片分辨率的pps的语法元素的值，而不对pps的语法元素的值进行编解码；以及根据pps的语法元素的值对参考pps的图片进行编解码。
[0311]
条款31：如条款30的方法，还包括条款1-29中的任一条款的方法。
[0312]
条款32：如条款30和31中任一条款的方法，其中pps的语法元素包括pps_res_change_allowed_flag。
[0313]
条款33：如条款30-32中的任一条款的方法，其中推断语法元素的值包括推断pps_conformance_window_flag和scaling_window_explicit_signaling标志的值。
[0314]
条款34：一种对视频数据进行编解码的方法，该方法包括：对单个语法元素的值进行编解码，该单个语法元素指示将存在于视频比特流的图片标头中的图片顺序计数(poc)最高有效比特(msb)的比特长度；根据单个语法元素的值来编解码图片标头的poc msb；以及使用poc msb对与图片标头对应的图片进行编解码。
[0315]
条款35：如条款34的方法，还包括条款1-33中的任一条款的方法。
[0316]
条款36：一种对视频数据进行编解码的方法，该方法包括：对语法元素的值进行编解码，该语法元素指示包含多于一个矩形切片的视频数据的当前片中被显式地提供的切片高度的数量，该值在从1到行中的当前片的高度的范围内；以及根据语法元素的值对当前片的视频数据进行编解码。
[0317]
条款37：如条款36的方法，还包括条款1-35中的任一条款的方法。
[0318]
条款38：如条款6-37中的任一条款的方法，其中编解码包括解码。
[0319]
条款39：如条款6-38中的任一条款的方法，其中编解码包括编码。
[0320]
条款40：一种用于处理或编解码视频数据的设备，该设备包括用于执行条款1-39中任一条款的方法的一个或多个部件。
[0321]
条款41：如条款40的设备，其中一个或多个部件包括在电路中实施的一个或多个处理器。
[0322]
条款42：如条款40的设备，还包括被配置为显示经解码的视频数据的显示器。
[0323]
条款43：如条款40的设备，其中该设备包括相机、计算机、移动设备、广播接收器设备或机顶盒中的一个或多个。
[0324]
条款44：如条款40的设备，还包括被配置为存储视频数据的存储器。
[0325]
条款45：一种在其上存储有指令的计算机可读存储介质，该指令在被运行时使得用于处理或编解码视频数据的设备的处理器执行条款1-39中的任一条款的方法。
[0326]
条款46：一种解码视频数据的方法，该方法包括：确定表示比特流的视频参数集(vps)中的档次-层级-等级(ptl)数据结构的数量的语法元素的值等于为vps指定的输出层
集(ols)的总数；响应于确定表示vps中的档次-层级-等级数据结构的数量的语法元素的值等于为vps指定的ols的总数，推断ols ptl索引值的值，而不显式地解码ols ptl索引值的值；以及根据ols ptl索引值的推断值，使用vps中的ptl数据结构中的对应的ptl数据结构来解码一个或多个ols的视频数据。
[0327]
条款47：如条款46的方法，其中推断ols ptl索引值的值包括：对于0和ols总数之间的所有i值，确定ols ptl索引值的第i个ols ptl索引值等于i。
[0328]
条款48：如条款46和47中的任一条款所述的方法，其中解码一个或多个ols的视频数据包括：对于0和ols总数之间的任何i值，使用第i个ptl数据结构来解码第i个ols。
[0329]
条款49：如条款46-48中的任一条款的方法，其中表示vps中的ptl数据结构的数量的语法元素包括vps_num_ptls_minus1。
[0330]
条款50：如条款46-49中的任一条款的方法，还包括确定ols的总数，包括：当vps的最大层数减1等于零时，确定ols的总数等于1；当以下至少一个时：1)vps的每个层是ols、2)ols模式指示符值等于0、或3)ols模式指示符值等于1，确定ols的总数等于vps的最大层数；或者当ols模式指示符值等于2时，确定ols的总数等于独立层的数量加上指示ols数量的vps的语法元素的值。
[0331]
条款51：如条款46-50中任一条款的方法，还包括：响应于确定表示比特流的图片参数集(pps)中的图片宽度的语法元素的值是最大图片宽度值，并且确定表示pps中的图片高度的语法元素的值是最大图片高度值，确定一致性窗口值等于零。
[0332]
条款52：如条款51的方法，还包括，响应于确定图片参数集(pps)中的一致性窗口值等于零，推断pps的一致性窗口偏移的值等于序列参数集(sps)的一致性窗口偏移的对应值。
[0333]
条款53：一种用于解码视频数据的设备，该设备包括：被配置为存储视频数据的存储器；以及在电路中实施并被配置为进行以下操作的一个或多个处理器，：确定表示比特流的视频参数集(vps)中的档次-层级-等级(ptl)数据结构的数量的语法元素的值等于为vps指定的输出层集(ols)的总数；响应于确定表示vps中的档次-层级-等级数据结构的数量的语法元素的值等于为vps指定的ols的总数，推断ols ptl索引值的值，而不显式地解码ols ptl索引值的值；以及根据ols ptl索引值的推断值，使用vps中ptl数据结构中的对应的ptl数据结构来解码一个或多个ols的视频数据。
[0334]
条款54：如条款53的设备，其中为了推断ols ptl索引值的值，一个或多个处理器被配置为：对于0和ols的总数之间的所有i值，确定ols ptl索引值的第i个ols ptl索引值等于i。
[0335]
条款55：如条款53和54中的任一条款的设备，其中为了解码一个或多个ols的视频数据，一个或多个处理器被配置为：对于0和ols总数之间的任何i值，使用ptl数据结构中的第i个来解码ols中的第i个。
[0336]
条款56：如条款53-55中的任一条款的设备，其中表示vps中的ptl数据结构的数量的语法元素包括vps_num_ptls_minus1。
[0337]
条款57：如条款53-56中的任一条款的设备，其中一个或多个处理器还被配置为确定ols的总数，包括：当vps的最大层数减1等于零时，确定ols的总数等于1；当以下至少一个时：1)vps的每个层是ols、2)ols模式指示符值等于0、或3)ols模式指示符值等于1，确定ols
的总数等于vps的最大层数；或者当ols模式指示符值等于2时，确定ols的总数等于独立层的数量加上指示ols数量的vps的语法元素的值。
[0338]
条款58：如条款53-57中的任一条款的设备，其中一个或多个处理器还被配置为，响应于确定比特流的图片参数集(pps)中表示图片宽度的语法元素的值是最大图片宽度值以及pps中表示图片高度的语法元素的值是最大图片高度值，确定一致性窗口值等于零。
[0339]
条款59：如条款58的设备，其中一个或多个处理器还被配置为，响应于确定图片参数集(pps)中的一致性窗口值等于零，将pps的一致性窗口偏移的值推断为等于序列参数集(sps)的一致性窗口偏移的对应值。
[0340]
条款60：如条款53的设备，还包括被配置为显示经解码的视频数据的显示器。
[0341]
条款61：如条款53的设备，其中该设备包括相机、计算机、移动设备、广播接收器设备或机顶盒中的一个或多个。
[0342]
条款62：一种在其上存储有指令的计算机可读存储介质，该指令在被运行时使得处理器：确定表示比特流的视频参数集(vps)中的档次-层级-等级(ptl)数据结构的数量的语法元素的值等于为vps指定的输出层集(ols)的总数；响应于确定表示vps中的档次-层级-等级数据结构的数量的语法元素的值等于为vps指定的ols的总数，推断ols ptl索引值的值，而不显式地解码ols ptl索引值的值；以及根据ols ptl索引值的推断值，使用vps中的ptl数据结构中的对应的ptl数据结构来解码一个或多个ols的视频数据。
[0343]
条款63：如条款62的计算机可读存储介质，其中使得处理器推断ols ptl索引值的值的指令包括使得处理器：对于0和ols总数之间的所有i值，确定ols ptl索引值的第i个ols ptl索引值等于i的指令。
[0344]
条款64：如条款62和63中的任一条款的计算机可读存储介质，其中使得处理器解码一个或多个ols的指令包括：对于0和ols总数之间的任何i值，使得处理器使用第i个ptl数据结构来解码第i个ols的指令。
[0345]
条款65：如条款62-64中的任一条款的计算机可读存储介质，其中表示vps中ptl数据结构的数量的语法元素包括vps_num_ptls_minus1。
[0346]
条款66：如条款62-65中的任一条款的计算机可读存储介质，还包括使得处理器确定ols的总数的指令，其包括使得处理器进行以下操作的指令：当vps的最大层数减1等于零时，确定ols的总数等于1；当以下至少一个时：1)vps的每个层是ols、2)ols模式指示符值等于0、或3)ols模式指示符值等于1，确定ols的总数等于vps的最大层数；或者当ols模式指示符值等于2时，确定ols的总数等于独立层的数量加上指示ols数量的vps的语法元素的值。
[0347]
条款67：如条款62-66中的任一条款的计算机可读存储介质，还包括使得处理器进行以下操作的指令：响应于确定比特流的图片参数集(pps)中表示图片宽度的语法元素的值是最大图片宽度值以及pps中表示图片高度的语法元素的值是最大图片高度值，确定一致性窗口值等于零。
[0348]
条款68：如条款67的计算机可读存储介质，还包括使得处理器进行以下操作的指令：响应于确定图片参数集(pps)中的一致性窗口值等于零，推断pps的一致性窗口偏移的值等于序列参数集(sps)的一致性窗口偏移的对应值。
[0349]
条款69：一种用于解码视频数据的设备，该设备包括：用于确定表示比特流的视频参数集(vps)中的档次-层级-等级(ptl)数据结构的数量的语法元素的值等于为vps指定的
输出层集(ols)的总数的部件；用于响应于确定表示vps中的档次-层级-等级数据结构的数量的语法元素的值等于为vps指定的ols的总数，推断ols ptl索引值的值，而不显式地解码ols ptl索引值的值的部件；以及用于根据ols ptl索引值的推断值，使用vps中ptl数据结构中的对应的ptl数据结构来解码一个或多个ols的视频数据的部件。
[0350]
条款70：如条款69的设备，其中用于推断ols ptl索引值的值的部件包括用于：对于0和ols总数之间的所有i值，确定ols ptl索引值的第i个ols ptl索引值等于i的部件。
[0351]
条款71：如条款69和70中的任一条款的设备，其中用于解码一个或多个ols的部件包括用于：对于0和ols总数之间的任何i值，使用第i个ptl数据结构来解码第i个ols的部件。
[0352]
条款72：如条款69-71中的任一条款的设备，其中表示vps中的ptl数据结构的数量的语法元素包括vps_num_ptls_minus1。
[0353]
条款73：如条款69-72中的任一条款的设备，还包括用于确定ols总数的部件，包括：用于当vps的最大层数减1等于零时确定ols总数等于1的部件；用于当以下至少一个时：1)vps的每个层是ols、2)ols模式指示符值等于0、或3)ols模式指示符值等于1，确定ols的总数等于vps的最大层数的部件；或者用于当ols模式指示符值等于2时，确定ols的总数等于独立层的数量加上指示ols数量的vps的语法元素的值的部件。
[0354]
条款74：如条款69-73中的任一条款的设备，还包括用于以下操作的部件：响应于确定比特流的图片参数集(pps)中表示图片宽度的语法元素的值是最大图片宽度值以及pps中表示图片高度的语法元素的值是最大图片高度值，确定一致性窗口值等于零。
[0355]
条款75：如条款74的设备，还包括用于以下操作的部件：响应于确定图片参数集(pps)中的一致性窗口值等于零，推断pps的一致性窗口偏移的值等于序列参数集(sps)的一致性窗口偏移的对应值。应当认识到，取决于示例，本文描述的任何技术的某些动作或事件可以以不同的顺序被执行，其可以被添加、合并或完全省去(例如，不是所有所描述的动作或事件对于技术的实践都是必要的)。而且，在某些示例中，动作或事件可以并发地被执行，例如通过多线程处理、中断处理或多处理器，而不是顺序地被执行。
[0356]
在一个或多个示例中，所描述的功能可以用硬件、软件、固件或其任何组合来实施。如果在软件中实施，这些功能可以作为一个或多个指令或代码存储或发送到计算机可读介质上并由基于硬件的处理单元运行。计算机可读介质可以包括与诸如数据存储介质的有形介质对应的计算机可读存储介质，或包括例如根据通信协议促进将计算机程序从一个地方转移到另一个地方的任何介质的通信介质。以这种方式，计算机可读介质通常可以对应于(1)非暂时性的有形计算机可读存储介质，或者(2)诸如信号或载波之类的通信介质。数据存储介质可以是可由一个或多个计算机或一个或多个处理器访问以检索指令、代码和/或数据结构以用于实施本公开中描述的技术的任何可用介质。计算机程序产品可以包括计算机可读介质。
[0357]
作为示例而非限制，这种计算机可读存储介质可以包括ram、rom、eeprom、cd-rom或其他光盘存储、磁盘存储或其他磁性存储设备、闪存或可以用于以指令或数据结构形式存储所需程序代码并且可以由计算机访问的任何其他介质。此外，任何连接都适当地被称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤电缆、双绞线、数字订户线(dsl)或无线技术(诸如，红外线、无线电以及微波)从网站、服务器或其他远程源发送的，则同轴
电缆、光纤电缆、双绞线、dsl或无线技术(诸如，红外线、无线电以及微波)都被包括在介质的定义中。然而，应当理解，计算机可读存储介质和数据存储介质不包括连接、载波、信号或其他暂时性介质，而是指向非暂时性有形存储介质。如本文所使用的磁盘和光盘包括致密光盘(cd)、激光光盘、光学光盘、数字多功能光盘(dvd)、软盘和蓝光光盘，其中，磁盘一般以磁性方式重现数据，而光盘用激光光学地重现数据。上述的组合也应包括在计算机可读介质的范围内。
[0358]
指令可以由一个或多个处理器运行，诸如一个或多个数字信号处理器(dsp)、通用微处理器、专用集成电路(asic)、现场可编程门阵列(fpga)或其他等效集成的或分立逻辑电路。因此，如本文中所使用的术语“处理器”和“处理电路”可指前述结构中的任一者或适于实施本文中所描述的技术的任何其他结构。另外，在一些方面，本文描述的功能可以在被配置为用于编码和解码的专用硬件和/或软件模块中提供，或者被结合在组合编解码器中。而且，这些技术可以完全在一个或多个电路或逻辑元件中实施。
[0359]
本公开的技术可以在很多种设备或装置中实施，包括无线手机、集成电路(ic)或ic组(例如，芯片组)。在本公开中描述了各种组件、模块或单元，以强调被配置为执行所公开的技术的设备的各功能方面，但是不一定要求通过不同的硬件单元来实施。相反，如上所述，各种单元可以组合在编解码器硬件单元中或者由包括如上所述的一个或多个处理器的互操作硬件单元的集，结合合适的软件和/或固件来提供。
[0360]
已经描述了各种示例。这些和其他示例都在所附权利要求的范围内。