在视频编解码期间用于滤波的多个神经网络模型的制作方法

在视频编解码期间用于滤波的多个神经网络模型
1.相关申请的交叉引用
2.本技术要求于2021年12月30日提交的美国专利申请第17/566，282号和于2021年1月4日提交的美国临时申请第63/133，733号的优先权，这些申请的全部内容通过引用并入本文。于2021年12月30日提交的美国专利申请第17/566，282号要求于2021年1月4日提交的美国临时申请第63/133，733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)、膝上型或桌上型计算机、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、蜂窝或卫星无线电电话、所谓的“智能电话”、视频电话会议设备、视频流传输设备等。数字视频设备实施视频编解码技术，诸如在由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)所定义的标准以及这些标准的扩展中所描述的那些技术。通过实施此类视频编解码技术，视频设备可以更有效地发送、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(图片内)预测和/或时域(图片间)预测来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)可以被分割为视频块，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相邻块中的参考样点的空域预测来进行编码。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：

6.一般而言，本公开描述了用于对可能失真的经解码的图片进行滤波的技术。滤波过程可以基于神经网络技术。滤波过程可以用于高级视频编解码器的环境中，诸如itu-t h.266/通用视频编解码(vvc)的扩展、或者视频编解码标准的后续代，以及任何其它视频编解码器。在一个示例中，神经网络滤波单元可以接收由去方块滤波器计算的边界强度值，并使用边界强度值来进一步滤波去方块的视频数据，例如，使用一个或多个神经网络模型。
7.在一个示例中，一种对经解码的视频数据进行滤波的方法包括：由视频解码设备的神经网络滤波单元接收视频数据的经解码的图片的数据；由神经网络滤波单元接收来自视频解码设备的一个或多个其它单元的数据，该来自一个或多个其它单元的数据不同于经解码的图片的数据，并且其中接收来自视频解码设备的一个或多个其它单元的数据包括接
收来自视频解码设备的去方块单元的边界强度数据；由神经网络滤波单元确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及由神经网络滤波单元使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元、包括边界强度数据的数据对经解码的图片的一部分进行滤波。
8.在另一示例中，一种用于对经解码的视频数据进行滤波的设备包括：存储器，其被配置为存储视频数据的经解码的图片；以及一个或多个处理器，其在电路中实施并被配置为运行神经网络滤波单元以：接收来自设备的一个或多个其它单元的数据，该来自设备的一个或多个其它单元的数据不同于经解码的图片的数据，并且其中为了接收来自设备的一个或多个其它单元的数据，一个或多个处理器被配置为运行神经网络滤波单元以接收来自设备的去方块单元的边界强度数据；确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及使用一个或多个神经网络模型和来自设备的一个或多个其它单元、包括边界强度数据的数据对经解码的图片的一部分进行滤波。
9.在另一示例中，一种其上存储有指令的计算机可读存储介质，指令当被运行时，使得视频解码设备的处理器运行神经网络滤波单元以：接收视频数据的经解码的图片的数据；接收来自视频解码设备的一个或多个其它单元的数据，该来自视频解码设备的一个或多个其它单元的数据不同于经解码的图片的数据，并且其中使得处理器接收来自视频解码设备的一个或多个其它单元的数据的指令包括使得处理器接收来自视频解码设备的去方块单元的边界强度数据的指令；确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元、包括边界强度数据的数据来对经解码的图片的一部分进行滤波。
10.在另一示例中，一种用于对经解码的视频数据进行滤波的设备，该设备包括滤波单元，该滤波单元包括：用于接收视频数据的经解码的图片的数据的部件；用于接收来自视频解码设备的一个或多个其它单元的数据的部件，该来自一个或多个其它单元的数据不同于经解码的图片的数据，并且其中用于接收来自视频解码设备的一个或多个其它单元的数据的部件包括用于接收来自视频解码设备的去方块单元的边界强度数据的部件；用于确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型的部件；以及用于使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元、包括边界强度数据的数据对经解码的图片的一部分进行滤波的部件。
11.在附图和以下描述中阐述本公开的一个或多个示例的细节。本公开的其它特征、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
12.图1是图示了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。
13.图2是图示了混合视频编解码框架的概念图。
14.图3是图示了使用16的图片组(gop)大小的分层预测结构的概念图。
15.图4是图示了具有四层的基于神经网络的滤波器的概念图。
16.图5是图示了包括边界、边界样点和内部样点的图片的示例部分的概念图。
17.图6是图示了可以执行本公开的技术的示例视频编码器的框图。
18.图7是图示了可以执行本公开的技术的示例视频解码器的框图。
19.图8是图示了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。
20.图9是图示了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。
21.图10是图示了根据本公开的技术对经解码的视频数据进行滤波的示例方法的流程图。
具体实施方式
22.视频编解码标准包括itu-t h.261、iso/iec mpeg-1可视化、itu-t h.262或iso/iec mpeg-2可视化、itu-t h.263、iso/iec mpeg-4可视化和itu-t h.264(也称为iso/iec mpeg-4avc)、高效视频编解码(hevc)或itu-t h.265(包括其范围扩展、多视图扩展(mv-hevc)和可缩放扩展(shvc))。另一示例视频编解码标准是通用视频编解码(vvc)或itu-t h.266，其由itu-t视频编解码专家组(vceg)和iso/iec运动图片专家组(mpeg)的联合视频专家组(jvet)开发。vvc规范的版本1(在下文中称为“vvc fdis”)可从http：//phenix.int-evry.fr/jvet/doc_end_user/documents/19_teleconference/wg11/jvet-s2001-v17.zip获得。
23.图1是图示了可以执行本公开的技术的示例视频编码和解码系统100的框图。本公开的技术通常针对编解码(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解码的视频、经编码的视频、经解码的(例如，经重构的)视频和视频元数据，诸如信令数据。
24.如图1中所示，在该示例中，系统100包括提供将由目的地设备116进行解码和显示的经编码的视频数据的源设备102。具体地，源设备102经由计算机可读介质110将视频数据提供给目的地设备116。源设备102和目的地设备116可以包括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和目的地设备116可以被配备用于无线通信，并且从而可以被称为无线通信设备。
25.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。目的地设备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和目的地设备116的视频解码器300可以被配置为应用使用多个神经网络模型进行滤波的技术。从而，源设备102表示视频编码设备的示例，而目的地设备116表示视频解码设备的示例。在其它示例中，源设备和目的地设备可以包括其它组件或布置。例如，源设备102可以从诸如外部相机的外部视频源接收视频数据。类似地，目的地设备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。
26.如图1中所示的系统100仅仅是一个示例。通常，任何数字视频编码和/或解码设备都可以执行使用多个神经网络模型来进行滤波的技术。源设备102和目的地设备116仅仅是此类编解码设备的示例，其中源设备102生成经编解码的视频数据以发送到目的地设备116。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和目的地设备116可以以基本上对称的方式操作，使得源设备102和目的地设备116中的每一个均包括视频编码和解码组件。因此，系统100可以(例如对于视频流传输、视频回放、视频广播或视频电话)支持源设备102与目的地设备116之间的单
向或双向视频传输。
27.通常，视频源104表示视频数据的源(即，原始的未经编解码的视频数据)，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存档和/或从视频内容提供商接收视频的视频馈送接口。作为进一步的替代，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、存档视频和计算机生成视频的组合。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可以将图片从所接收的顺序(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，用于由例如目的地设备116的输入接口122接收和/或检索。
28.源设备102的存储器106和目的地设备116的存储器120表示通用存储器。在一些示例中，存储器106、120可以存储原始视频数据，例如来自视频源104的原始视频和来自视频解码器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分离地示出存储器106和存储器120，但是应当理解的是，视频编码器200和视频解码器300也可以包括功能上类似或等同目的的内部存储器。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的一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。
29.计算机可读介质110可以表示能够将经编码的视频数据从源设备102传输到目的地设备116的任何类型的介质或设备。在一个示例中，计算机可读介质110表示通信介质，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的地设备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(诸如，局域网、广域网或全球网络(诸如，因特网))的一部分。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到目的地设备116的通信的任何其它设备。
30.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，目的地设备116可以经由输入接口122从存储设备112访问经编码的数据。存储设备112可以包括各种分布式或本地访问的数据存储介质中的任何一种，诸如，硬盘、蓝光光盘、dvd、cd-rom、闪存、易失性或非易失性存储器，或者用于存储经编码的视频数据的任何其它合适的数字存储介质。
31.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。目的地设备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。
32.文件服务器114可以是能够存储经编码的视频数据并向目的地设备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可以表示网页服务器(例如，用
于网站)、被配置为提供文件传输协议服务(诸如，文件传输协议(ftp)或单向传输文件递送(flute)协议)的服务器、内容递送网络(cdn)设备、超文本传输协议(http)服务器、多媒体广播多播服务(mbms)或增强型mbms(embms)服务器、和/或网络附属存储(nas)设备。文件服务器114可以附加地或可替代地实施一个或多个http流传输协议，诸如基于http的动态自适应流传输(dash)、http实况流传输(hls)、实时流传输协议(rtsp)、http动态流传输等。
33.目的地设备116可以通过任何标准数据连接(包括互联网连接)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)或者两者的组合，其适于访问存储在文件服务器114上的经编码的视频数据。输入接口122可以被配置为根据上述用于从文件服务器114检索或接收媒体数据的各种协议中的任何一种或多种或者用于检索媒体数据的其它此类的协议来操作。
34.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它物理组件。在输出接口108和输入接口122包括无线组件的示例中，输出接口108和输入接口122可以被配置为根据诸如4g、4g-lte(长期演进)、高级lte、5g等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可以被配置为根据诸如ieee 802.11规范、ieee 802.15规范(例如，)、标准等的其它无线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/或目的地设备116可以包括相应的片上系统(soc)设备。例如，源设备102可以包括执行归于视频编码器200和/或输出接口108的功能的soc设备，并且目的地设备116可以包括执行归于视频解码器300和/或输入接口122的功能的soc设备。
35.本公开的技术可以被应用于视频编解码，以支持多种多媒体应用中的任何一种，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(诸如基于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它应用。
36.目的地设备116的输入接口122从计算机可读介质110(例如，通信介质、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以包括由视频编码器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它经编解码的单元(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的图片。显示设备118可以表示多种显示设备中的任何一种，诸如，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。
37.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/或音频解码器进行集成，并且可以包括适当的mux-demux单元或其它硬件和/或软件，来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)的其它协议。
38.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，其中任一者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。
39.视频编码器200和视频解码器300可以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))来操作。可替代地，视频编码器200和视频解码器300可以根据其它专有或工业标准(诸如通用视频编解码(vvc))来操作。在以下中描述了vvc标准的草案：bross等人的“versatile video coding(draft 9)(通用视频编解码(草案9))”，itu-t sg 16wp 3和iso/iec jtc 1/sc 29/wg 11的联合视频专家组(jvet)，第18次会议：4月15至24日，jvet-r2001-v8(下称“vvc草案9”)。然而，本公开的技术不限于任何具体的编解码标准。
40.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/或解码过程中以其它方式使用的数据)的结构。例如，块可以包括明亮度和/或色彩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可以对明亮度和色彩度分量进行编解码，而不是对图片的样点的红、绿和蓝(rgb)数据进行编解码，其中色彩度分量可以包括红色调和蓝色调色彩度分量两者。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。
41.本公开通常可以涉及图片的编解码(例如，编码和解码)，包括编码或解码图片的数据的过程。类似地，本公开可以涉及图片的块的编解码，包括编码或解码块的数据的过程，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，提及编解码图片或块通常应被理解为编解码形成图片或块的语法元素的值。
42.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是四个子节点。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，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。
43.作为另一示例，视频编码器200和视频解码器300可以被配置为根据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可以根据树结构(诸如，四叉树-二叉树(qtbt)结构或多类型树(mtt)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结构包括两个级别：根据四叉树分割来分割的第一级别和根据二叉树分割来分割的第二级别。qtbt结构的根节点对应于ctu。二叉树的叶节点对应于编解码单元(cu)。
44.在mtt分割结构中，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))分割来对块进行分割。三叉树或三元树分割是将块划分为三个子块的分割。在一些示例中，三叉树或三元树分割在不通过中心来划分原始块的情况下将块划分为三个子块。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。
45.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结构来表示明亮度分量和色彩度分量中的每一者，而在其它示例中，视频编码器200和视频解码器300可以使用两个或多个qtbt或mtt结构，诸如，一个qtbt/mtt结构用于明亮度分量，而另一qtbt/mtt结构用于两个色彩度分量(或者两个qtbt/mtt结构用于相应的色彩度分量)。
46.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分割或其它分割结构。出于解释的目的，本公开的技术的描述是相对于qtbt分割来呈现的。然而，应当理解的是，本公开的技术也可以被应用于被配置为使用四叉树分割或其它类型的分割的视频编解码器。
47.在一些示例中，ctu包括具有三个样点阵列的图片的亮度样点的编解码树块(ctb)、色度样点的两个对应ctb或者单色图片或使用三个分离的颜色平面来编解码的图片的样点的ctb和被用于编解码样点的语法结构。ctb可以是n的某个值的n
×
n样点块，使得将分量划分为ctb是一种分割。分量可以是来自4:2:0、4:2:2、4:4:4颜色格式的图片的三个阵列(亮度和两个色度)之一的阵列或单个样点，或者单色格式的图片的阵列或阵列的单个样点。在一些示例中，编解码块是m和n的一些值的m
×
n样点块，使得将ctb划分为编解码块是一种分割。
48.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，其高度等于图片的高度，并且其宽度由语法元素(例如，诸如在图片参数集中的语法元素)指定。片行是指ctu的矩形区域，其高度由语法元素(例如，诸如在图片参数集中的语法元素)指定，并且其宽度等于图片的宽度。
49.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以被称为图块。然而，作为片的真子集的图块不可以被称为片。
50.图片中的图块也可以以切片进行布置。切片可以是可以排他地被包含在单个网络抽象层(nal)单元中的图片的整数个图块。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。
51.本公开可以互换地使用“n
×
n”和“n乘n”来表示块(诸如，cu或其它视频块)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个样点并且在水平方向上具有n个样点，其中n表示非负整数值。cu中的样点可以以行和列进行布置。此外，cu不一定需要在水平方向具有与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。
52.视频编码器200对表示预测和/或残差信息以及其它信息的cu的视频数据进行编码。预测信息指示将如何预测cu，以便形成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。
53.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矢量来生成预测块。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可以使用绝对差之和(sad)、平方差之和(ssd)、平均绝对差(mad)、均方差(msd)或其它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。
54.vvc的一些示例也提供仿射运动补偿模式，其可以被认为是帧间预测模式。在仿射运动补偿模式中，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、透视运动或其它不规则运动类型)的两个或多个运动矢量。
55.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选择描述从当前块(例如，cu的块)的相邻样点预测当前块的样点的帧内预测模式。假设视频编码器200以光栅扫描顺序(从左到右、从上到下)来编解码ctu和cu，则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、上方到左侧或左侧。
56.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，以及对用于对应的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可以使用高级运动矢量预测(amvp)或合并模式来对运动矢量进行编码。视频编码器200可以使用类似模式来编码用于仿射运动补偿模式的运动矢量。
57.在预测(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的预测模式形成的。视频编码器200可以对残差块应用一个或多个变换，以产生在变换域而不是样点域中的经变换的数据。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。附加地，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。
58.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。量化通常是指其中变换系数被量化以可能地减少用来表示变换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可以减少与一些或所有变换系数相关联的比特深度。例如，视频编码器200可以在量化期间将n比特值舍入到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可以执行待量化的值的逐位右移位。
59.在量化之后，视频编码器200可以扫描变换系数，从包括经量化的变换系数的二维矩阵中产生一维矢量。扫描可以被设计成将较高能量(并且因此较低频率的)的变换系数放置在矢量的前面，并且将较低能量(并且因此较高频率的)的变换系数放置在矢量的后面。在一些示例中，视频编码器200可以利用预定义的扫描顺序来扫描经量化的变换系数，以产生经串行化的矢量，并且然后对矢量的经量化的变换系数进行熵编码。在其它示例中，视频编码器200可以执行自适应扫描。在扫描经量化的变换系数以形成一维矢量之后，视频编码
器200可以(例如根据上下文自适应二进制算术编解码(cabac))对一维矢量进行熵编码。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、供视频解码器300在对视频数据进行解码时使用的元数据的语法元素的值进行熵编码。
60.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派给待发送的符号。上下文可以涉及例如，符号的相邻值是否为零值。概率确定可以基于被分派给符号的上下文。
61.视频编码器200还可以例如，在图片标头、块标头、切片标头或其它语法数据中(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可以类似地解码此语法数据，以确定如何解码对应的视频数据。
62.以这种方式，视频编码器200可以生成比特流，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。
63.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(尽管与之互逆)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。
64.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使用被信令通知的预测模式(帧内预测或帧间预测)和相关的预测信息(例如，用于帧间预测的运动信息)来形成块的预测块。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。
65.本公开通常可以涉及“信令通知”某些信息，诸如语法元素。术语“信令通知”通常可以指用来解码经编码的视频数据的语法元素和/或其它数据的值的传达。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以供稍后由目的地设备116检索时发生)将比特流传输到目的地设备116。
66.图2是图示了混合视频编解码框架的概念图。自h.261以来，视频编解码标准一直基于所谓的混合视频编解码原理，如图2中所图示的。术语“混合”是指减少视频信号中冗余的两种手段的组合，即预测和具有预测残差的量化的变换编解码。尽管预测和变换通过去相关来减少视频信号中的冗余，但是量化通过降低其精度来减少变换系数表示的数据，理想的是通过仅移除不相关的细节。这种混合视频编解码设计原理也被用于最近的两个标准，itu-t h.265/hevc和itu-t h.266/vvc。
67.如图2中所示，现代混合视频编解码器130通常执行块分割、运动补偿或图片间预测、图片内预测、变换、量化、熵编码和环路后/内滤波。在图2的示例中，视频编解码器130包括求和单元134、变换单元136、量化单元138、熵编解码单元140、逆量化单元142、逆变换单
元144、求和单元146、环路滤波器单元148、经解码图片缓冲器(dpb)150、帧内预测单元152、帧间预测单元154和运动估计单元156。
68.通常，视频编解码器130可以在编码视频数据时接收输入视频数据132。块分割被用于将接收到的视频数据的图片(图像)划分成较小的块，用于预测和变换过程的操作。早期的视频编解码标准使用固定的块大小，通常为16
×
16个样点。最近的标准(诸如hevc和vvc)采用基于树的分割结构来提供灵活的分割。
69.运动估计单元156和帧间预测单元154可以(例如)从dpb 150的先前经解码的数据预测输入视频数据132。运动补偿或图片间预测利用了视频序列的图片之间(因此称为“帧间”)存在的冗余。根据在所有现代视频编解码器中使用的基于块的运动补偿，从一个或多个先前经解码的图片(即，(一个或多个)参考图片)中获得预测。生成帧间预测的对应区域由运动信息指示，包括运动矢量和参考图片索引。
70.求和单元134可以将残差数据计算为输入视频数据132与来自帧内预测单元152或帧间预测单元154的预测数据之间的差。求和单元134将残差块提供给变换单元136，变换单元136将一个或多个变换应用于残差块以生成变换块。量化单元138量化变换块以形成经量化的变换系数。熵编解码单元140对经量化的变换系数以及其它语法元素(诸如，运动信息或帧内预测信息)进行熵编码，以生成输出比特流158。
71.同时，逆量化单元142对经量化的变换系数进行逆量化，并且逆变换单元144对变换系数进行逆变换，以重现残差块。求和单元146将残差块与预测块组合(在逐样点的基础上)以产生视频数据的经解码的块。环路滤波器单元148将一个或多个滤波器(例如，基于神经网络的滤波器、基于神经网络的环路滤波器、基于神经网络的环路后滤波器、自适应环路内滤波器或预定义自适应环路内滤波器中的至少一个)应用于经解码的块以产生经滤波的经解码的块。
72.根据本公开的技术，环路滤波器单元148的神经网络滤波单元可以从求和单元146和混合视频编解码器130的一个或多个其它单元(例如，变换单元136、量化单元138、帧内预测单元152、帧间预测单元154、运动估计单元156和/或环路滤波器单元148内的一个或多个其它滤波单元)接收视频数据的经解码的图片的数据。例如，神经网络滤波单元可以从环路滤波器单元148的去方块滤波单元(也称为“去方块单元”)接收数据。神经网络滤波单元可以接收(例如)表示特定边界是否要被滤波以去方块的边界强度值，并且如果是，则表示该边界将被滤波的程度。例如，边界强度值可以对应于要修改的边界的任一侧的样点数量和/或样点要修改的程度。
73.在其它示例中，除了边界强度值之外或作为边界强度值的替代，神经网络滤波单元可以接收编解码单元(cu)分割数据、预测单元(pu)分割数据、变换单元(tu)分割数据、去方块滤波数据、量化参数(qp)数据、帧内预测数据、帧间预测数据、表示经解码的图片和一个或多个参考图片之间的距离的数据、或经解码的图片的一个或多个经解码的块的运动信息中的任何或全部。去方块滤波数据还可以包括长滤波器还是短滤波器被用于去方块或者强滤波器还是弱滤波器被用于去方块中的一个或多个。表示经解码的图片和参考图片之间的距离的数据可以表示为图片的图片顺序计数(poc)值之间的poc差。
74.神经网络滤波单元可以确定用于对经解码的图片的至少一部分进行滤波的一个或多个神经网络模型。神经网络滤波单元还可以使用所确定的一个或多个神经网络模型和
来自其它单元的数据(包括边界强度数据)来对经解码的图片的至少一部分进行滤波。例如，神经网络滤波单元可以将附加数据作为一个或多个附加输入平面提供给卷积神经网络(cnn)。
75.视频数据的块(诸如，ctu或cu)实际上可与包括多个色彩分量，例如，明亮度或“亮度”分量、蓝色色调色彩度或“色度”分量，以及红色色调色彩度(色度)分量。亮度分量可以具有比色度分量更大的空域分辨率，并且色度分量之一可以具有比另一色度分量更大的空域分辨率。可替代地，亮度分量可以具有比色度分量更大的空域分辨率，并且两个色度分量可以具有彼此相等的空域分辨率。例如，在4:2:2格式中，亮度分量在水平方向上可以是色度分量的两倍，而在垂直方向上等于色度分量。作为另一示例，在4:2:0格式中，亮度分量在水平方向和垂直方向上可以是色度分量的两倍。以上讨论的各种操作通常可以单独地应用于亮度和色度分量中的每一个(尽管可以针对亮度分量确定某些编解码信息(诸如运动信息或帧内预测方向)并由对应的色度分量继承)。
76.图3是图示了使用16的图片组(gop)大小的分层预测结构166的概念图。在最近的视频编解码器中，应用图片组(gop)内的分层预测结构来提高编解码效率。
77.再次参考图2，通过从已经编解码/解码的空域相邻(参考)样点中导出块的预测，图片内预测利用了图片内存在的空域冗余(因此称为“图片内”)。方向角预测、dc预测和平面或平面的预测被用在最新的视频编解码器中，包括avc、hevc和vvc。
78.混合视频编解码标准将块变换应用于预测残差(不管它是来自图片间预测还是图片内预测)。在早期的标准中，包括h.261、h.262和h.263，采用了离散余弦变换(dct)。在hevc和vvc中，为了解决特定视频信号中的不同统计，除了dct之外，还应用了更多的变换核。
79.量化旨在降低输入值或输入值集的精度，以便减少表示这些值所需要的数据量。在混合视频编解码中，量化通常被应用于单独的经变换的残差样点，即，应用于变换系数，从而产生整数系数级别。在最近的视频编解码标准中，步长是从控制保真度和比特率的所谓的量化参数(qp)中导出的。较大的步长降低了比特率，但也恶化了质量，例如，其使得视频图片呈现块伪像和模糊的细节。
80.由于其高效率，上下文自适应二进制算术编解码(cabac)是在最近的视频编解码器(例如，avc、hevc和vvc)中使用的熵编码的形式。
81.环路后/内滤波是一种应用于经重构的图片以减少编解码伪像的滤波过程(或这些过程的组合)。滤波过程的输入通常是经重构的图片，该图片是经重构的残差信号(其包括量化误差)和预测的组合。如图2中所示，环路内滤波后的经重构的图片被存储并用作后续图片的图片间预测的参考。编解码伪像主要由qp决定，因此qp信息通常被用于滤波过程的设计。在hevc中，环路内滤波器包括去方块滤波和样点自适应偏移(sao)滤波。在vvc标准中，引入了自适应环路滤波器(alf)作为第三滤波器。alf的滤波过程如下所示：
82.r
′
(i，j)＝r(i，j0+((∑
k≠0
∑
l≠0
f(k，l)
×
k(r9i+k，j+l)-r(i，j)，c9k，l))+64)＞＞7)
ꢀꢀ
(1)
83.其中r(i，j)是滤波过程之前的样点集，r
′
(i，j)是滤波过程之后的样点值。f(k，l)表示滤波器系数，k(x，y)是限幅函数，而c(k，l)表示限幅参数。变量k和l在和之间变
化，其中l表示滤波器长度。限幅函数k(x，y)＝min(y，max(-y，x))，其对应于函数clip3(-y，y，x)。限幅操作引入了非线性，通过减少与当前样点值相差太大的相邻样点值的影响使alf更有效。在vvc中，滤波参数可以在比特流中被信令通知，它可以从预定义的滤波器集中选择。alf滤波过程也可以使用下面的公式来总结：
84.r
′
(i，j)＝r(i，j)+alf_residual_ouput(r)
ꢀꢀꢀ
(2)
85.图4是图示了具有四层的基于神经网络的滤波器170的概念图。各种研究已经表明，将神经网络(nn)嵌入到例如图2的混合视频编解码框架中，可以提高压缩效率。在帧内预测和帧间预测模块中已经使用了神经网络来提高预测效率。基于nn的环路内滤波也是近年来的研究热点。有时，滤波过程被作为环路后滤波来应用。在这种情况下，滤波处理仅应用于输出图片，而未经滤波的图片被用作参考图片。
86.除了现有的滤波器(诸如去方块滤波器、样点自适应偏移(sao)和/或自适应环路滤波(alf))之外，还可以应用基于nn的滤波器170。基于nn的滤波器也可以被排他地应用，其中基于nn的滤波器被设计来替换所有现有的滤波器。附加地或可替代地，基于nn的滤波器(诸如基于nn的滤波器170)可以被设计为补充、增强或替代任何或所有其它滤波器。
87.如图4中所示，基于nn的滤波过程可以将经重构的样点作为输入，并且中间输出是残差样点，这些残差样点被加回到输入中以细化输入样点。nn滤波器可以使用所有色彩分量(例如，y、u和v，或者y、cb和cr，即明亮度、蓝色色彩度和红色色彩度)作为输入，以利用跨分量相关性。不同色彩分量可以共享相同的滤波器(包括网络结构和模型参数)，或者每个分量可以具有其自己的特定滤波器。
88.滤波过程也可以概括如下：r
′
(i，j)＝r(i，j)+nn_filter_residual_output(r)。(一个或多个)基于nn的滤波器的模型结构和模型参数可以被预定义并存储在编码器和解码器中。也可以在比特流中信令通知滤波器。
89.本公开认识到，在一些情况下，当视频编解码器(诸如图1的视频编码器200或视频解码器300)应用基于神经网络(nn)的滤波作为附加模块时，视频编解码器可以生成不同种类的信息，这些信息可以由基于nn的滤波器使用以进一步改善滤波性能。
90.一般来说，根据本公开的技术，视频编码器200和视频解码器300可以包括被配置为执行基于nn的滤波的相应滤波单元。当执行基于nn的滤波过程时，滤波单元可以使用由其它单元生成的信息(例如，块分割信息、运动信息、去方块滤波器信息或其它此类信息)。
91.当应用nn滤波器时，滤波单元可以使用由其它单元或模块生成的任何可用信息。可以生成可以由滤波单元使用的信息的此类单元或模块的示例包括帧内预测单元、帧间预测单元、变换处理单元、量化单元、环路滤波单元(例如，去方块滤波器单元、样点自适应偏移(sao)单元、自适应环路滤波器(alf)单元等)、预处理单元(例如，运动补偿时域滤波单元)和/或与nn滤波单元或模块共存的另一基于nn的模块或单元。
92.视频编码器200和/或视频解码器300可以包括多个基于nn的滤波单元，其中一个在另一(当前的)基于nn的滤波单元之前执行基于nn的滤波，例如，如图4中所示。在这种情况下，当执行nn滤波时，当前的基于nn的滤波单元可以使用由一个或多个先前的基于nn的滤波单元生成的信息。
93.在各种示例中，当执行基于nn的滤波时，(一个或多个)基于nn的滤波单元可以使用以下信息中的任何或全部：cu、pu和/或tu分割信息，去方块滤波信息(例如，用于去方块
滤波过程的边界强度值、长或短滤波器、强或弱滤波器等)，用于当前图片/块和/或(一个或多个)参考图片的量化参数(qp)，帧内和/或帧间预测模式信息，当前图片和用于预测当前图片的参考图片之间的距离(例如，图片顺序计数(poc)值差)，和/或编解码块的运动信息。边界强度值也可以被称为边界滤波强度。通常，边界强度值或边界滤波强度值可以表示特定块边界是否要被去方块，如果是，则表示要应用的去方块的程度。例如，与相对弱的去方块滤波器相比，相对强的去方块滤波器可以修改块边界的任一侧的样点的更多值，并且修改的程度更大。
94.在一些示例中，当基于nn的滤波单元使用来自其它单元或模块的信息时，基于nn的滤波单元可以提供由其它单元或模块提供的一些类似功能。在这样的示例中，基于nn的滤波单元可以修改其它单元或模块的元素，以改善基于nn的滤波单元和其它单元或模块之间的合作。例如，基于nn的滤波单元可以与去方块滤波器接口连接。在这样的示例中，去方块滤波器单元可以生成边界强度信息，但不执行实际的滤波。基于nn的滤波单元可以从去方块滤波器单元接收边界强度信息，并将接收到的边界强度信息作为输入提供给基于nn的滤波器。
95.基于nn的滤波单元可以以各种方式使用从其它单元或模块接收的信息。例如，基于nn的滤波单元可以使用信息作为卷积神经网络(cnn)的附加输入平面。作为另一示例，基于nn的滤波单元可以使用信息来修改或调整基于nn的滤波器的输出。例如，在将基于nn的滤波器应用于图片以形成经滤波的图片之后，视频编码器200或视频解码器300还可以基于其它信息(诸如，qp)来调整经滤波的图片。
96.来自其它单元或模块的信息可以被转换为更适合于基于nn的滤波单元。例如，基于nn的滤波单元可以在整数和浮点值之间转换值，将值缩放到更适合nn滤波器的范围(例如，去方块滤波器的边界强度值可以被缩放到与输入像素相同的范围)，或者将值缩放到任何其它范围(其中该范围可以被预定义或者在比特流中被信令通知)。
97.图5是图示了包括边界、边界样点和内部样点的图片180的示例部分的概念图。具体地，图片180的一部分包括垂直边界182a-182d(垂直边界182)和水平边界184a-184c(水平边界184)。如图5中的示例所示，两个邻接边界样点(在图5中标记为
‘
n’和灰色阴影)定义了两个边界样点之间的相应边界182、184(在图5中由黑色实线表示)。内部(即，非边界)样点在图5中被标记为“m”，并且没有阴影。边界可以是cu、pu和/或tu边界。当执行基于nn的滤波时，基于nn的滤波单元可以使用图5中所描绘的内部/边界样点和边界位置的信息。
98.例如，基于nn的滤波单元可以使用cu、pu和tu分割信息作为基于cnn的滤波器的一个或多个附加输入平面。首先，视频编码器200和/或视频解码器300可以通过将边界样点设定为与图5中所示的内部样点(例如，m)不同的值(例如，预定义值n)来将分割信息(用于cu、pu和/或tu)转换成平面。在一个示例中，视频编码器200和视频解码器300可以设置n＝1和m＝0的值。
99.视频编码器200和视频解码器300可以生成多个分割平面，例如，cu分割、pu分割和/或tu分割各一个。在一些示例中，可以组合平面，例如，一个平面用于cu分割，另一个平面用于pu和tu分割。在启用“双树”分割的情况下，其中亮度和色度分量可以被不同地分割(和/或两个色度分量可以被彼此不同地分割)，不同的色彩分量可以具有不同的分割平面。基于nn的滤波器可以使用任何或所有这些不同的平面作为基于cnn的滤波器的输入平面。
处理多个分割平面的各种示例包括：使用分割平面作为基于cnn的滤波器的分离输入平面；将多个分割平面组合成一个平面(例如，对于位置(i，j)处的每个像素样点，plane
combined
(i，j)＝max(planea(i，j)，planeb(i，j)，
…
))；或者分离的和/或组合的分割平面的组合(例如，将每个色彩分量的cu和tu分割平面组合成一个平面，并且使用每个色彩的多个组合的平面作为基于cnn的滤波器的输入)。也就是说，在一个示例中，为了组合平面以形成组合的输入平面，对于输入平面的每个位置(i，j)，视频编码器200和视频解码器300可以将组合的输入平面的位置(i，j)的值设置为等于多个输入平面的位置(i，j)处的值中的最大值。
100.在创建(一个或多个)平面之后，在将平面的值用作基于cnn的滤波器的输入之前，在各种示例中，可以根据需要转换这些值。例如，值可以在整数和浮点之间转换，值可以被缩放以具有与输入像素值相同的范围，和/或值可以被缩放到任何其它范围，其可以是预定义的或在比特流中被信令通知的。
101.如上所述，在一些示例中，去方块滤波器的边界强度计算逻辑可以用于导出边界强度参数。基于nn的滤波单元可以使用边界强度参数作为基于cnn的滤波器的(一个或多个)附加输入平面(例如，db滤波器的vvc边界强度计算)。当应用cnn滤波器时，去方块滤波器的实际滤波过程可能被禁用。
102.首先，去方块滤波单元可以导出符合去方块滤波的边缘的边界强度值。转换可以根据本公开的技术的示例的需要来进行应用(例如，整数和浮点值类型之间的转换，缩放值以具有与输入像素相同的范围或被认为适合cnn滤波器使用的任何其它范围等)。
103.基于nn的滤波单元或视频编解码器的另一单元可以将边界强度值转换成可以与其它输入平面一起用作基于cnn的滤波器的输入的(一个或多个)平面。这种转换的一个示例类似于上面关于图5描述的，其中边界样点可以被设置为边界强度值，而非边界样点可以被设置为0。在vvc的情况下，边界样点的范围是[0，2]。
[0104]
由于可以分离地计算不同色彩分量的边界强度，因此也可以分离地计算水平和垂直边界。对于图片或经编解码的区域，可以生成多个边界强度平面。类似于上面的讨论，在一个示例中，基于nn的滤波单元可以选择使用单个输入平面或多个输入平面。当使用多个平面时，可以应用不同的方式来组织平面。若干示例包括：使用平面作为基于cnn的滤波器的分离输入平面；将多个边界强度平面组合成一个平面；或者这些示例的组合。
[0105]
作为组合两个平面的示例，对于每个样点位置(i，j)，plane
combined
(i，j)＝max(planea(i，j)，planeb(i，j))。作为另一示例，给定2个平面a和b，plane
combined
(i，j)＝planea(i，j)+planeb(i，j)。作为另一示例，给定2个平面a和b，令rb是平面b中的值的范围；对于每个样点位置(i，j)，plane
combined
(i，j)＝rb*planea(i，j)+planeb(i，j)。在该示例中，可以认为效果类似于使用planea作为主因子，而使用planeb作为细化。为了组合超过两个的平面，可以多次应用上述技术。并且上述技术可以在不同阶段使用。例如，对于平面a、b和c，使用上面的一种技术得到组合的平面ab，而使用上面的另一种技术将ab与c组合得到abc。
[0106]
为了组合上述技术，在一个示例中，可以使用上述各种技术中的任何一种来组合垂直和水平平面的边界强度平面，然后可以将不同色彩分量的边界强度平面作为分离的输入平面提供给基于cnn的滤波器。如上所述，可以根据需要转换平面的值，例如整数和浮点之间的转换和/或缩放到特定范围，该特定范围可以预先确定或在比特流中被信令通知。
[0107]
在一些示例中，长/短滤波器的信息可以用作基于cnn的滤波器的(一个或多个)附
加或替代输入平面。类似于使用边界强度的情况，使用长或短去方块滤波器的信息可以被生成以供(一个或多个)基于cnn的滤波器使用，多个平面可以被用作分离的平面或者在用作cnn滤波器输入之前被组合。
[0108]
在一些示例中，强/弱滤波器的信息可以用作基于cnn的滤波器的附加或替代输入平面。类似于使用边界强度的情况，使用强或弱去方块滤波器的信息可以被生成以供(一个或多个)基于cnn的滤波器使用，多个平面可以被用作分离的平面或者在用作cnn滤波器输入之前被组合。
[0109]
上面讨论的各种技术可以以各种方式组合。例如，可以在cnn滤波过程中生成和使用以下平面：边界强度(值的范围：0，1，2)、长/短和强/弱滤波器(值：2用于长&强滤波器，1用于短&强滤波器，0用于短&弱滤波器(在vvc中，必须满足强滤波器条件以具有长滤波器))。类似于上面讨论的其它示例，生成的平面可以用作cnn滤波器的分离输入平面，或者一些/所有平面可以组合在一起。
[0110]
为了将图片或经编解码的区域馈送到cnn滤波器，可能发生下采样/上采样。例如，在yuv 420、yuv422色彩格式视频等中，亮度和色度分量具有不同的分辨率。在这种情况下，可能需要色彩分量的下采样/上采样来创建cnn滤波器的输入平面。一些技术包括：上采样色度分量以具有与亮度分量相同的分辨率；对亮度分量进行下采样，以具有与色度分量相同的分辨率；或者将一个亮度像素平面转换成与色度平面大小相同的几个较小的像素平面。
[0111]
当需要色彩平面的下采样/上采样时，在本公开中引入的对应信息平面也可以被下采样/上采样。下采样/上采样可以遵循与对应的像素平面相同的规则。在一个示例中，在将一个亮度像素平面转换成若干更小的像素平面以使大小与色度对准的情况下，视频编码器200或视频解码器300可仅保持一个下采样平面，而不是像亮度像素那样保持所有平面。
[0112]
图6是图示了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6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，itu-h.265/hevc视频编解码标准和正在开发的vvc视频编解码)的上下文中描述了视频编码器200。然而，本公开的技术不限于这些视频编解码标准，并且通常适用于其它视频编码和解码标准。
[0113]
在图6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、经解码的图片缓冲器(dpb)218和熵编码单元220。视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波器单元216、dpb 218和熵编码单元220中的任何或全部可以在一个或多个处理器或处理电路中实施。例如，视频编码器200的单元可以被实施为作为硬件电路的一部分或作为处理器、asic或fpga的一部分的一个或多个电路或逻辑元件。此外，视频编码器200可以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它功能。
[0114]
视频数据存储器230可以存储将由视频编码器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，供视频编码器200在预测后续视频数
据中使用。视频数据存储器230和dpb 218可以由各种存储器设备中的任何一种形成，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)或其它类型的存储器设备。视频数据存储器230和dpb 218可以由相同的存储器设备或分离的存储器设备提供。在各种示例中，视频数据存储器230可以与视频编码器200的其它组件在芯片上(如所图示的)，或者相对于那些组件在芯片外。
[0115]
在本公开中，提及视频数据存储器230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，提及视频数据存储器230应该被理解为提及存储视频编码器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)的存储器。图1的存储器106还可以提供对来自视频编码器200的各种单元的输出的临时存储。
[0116]
图示了图6的各种单元以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预设了能够被执行的操作的电路。可编程电路是指可以被编程以执行各种任务并且在能够被执行的操作中提供灵活功能的电路。例如，可编程电路可以运行软件或固件，其使得可编程电路按由软件或固件的指令所定义的方式来操作。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的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(固定功能或可编程的)电路块，并且在一些示例中，一个或多个单元可以是集成电路。
[0117]
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指令(例如，目标代码)，或者视频编码器200内的另一存储器(未示出)可以存储这样的指令。
[0118]
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。
[0119]
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，以根据其它预测模式来执行视频预测。作为示例，模式选择单元202可以包括调色板单元、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。
[0120]
模式选择单元202通常协调多个编码遍历(pass)，以测试编码参数的组合以及用于此类组合的所得率失真(rd)值。编码参数可以包括ctu到cu的分割、cu的预测模式、cu的残差数据的变换类型、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它经测试的组合更好的率失真值的编码参数的组合。
[0121]
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。这种cu通常也可以被称为“视频块”或“块”。
[0122]
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dpb 218中的一个或多个经先前编解码的图片)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，根据绝对差之和(sad)、平方差之和(ssd)、平均绝对差(mad)、均方差(msd)等来计算表示潜在参考块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考虑中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。
[0123]
运动估计单元222可以形成一个或多个运动矢量(mv)，该运动矢量定义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。运动估计单元222然后可以将运动矢量提供给运动补偿单元224。例如，对于单向帧间预测，运动估计单元222可以提供单个运动矢量，而对于双向帧间预测，运动估计单元222可以提供两个运动矢量。运动补偿单元224然后可以使用运动矢量来生成预测块。例如，运动补偿单元224可以使用运动矢量来检索参考块的数据。作为另一示例，如果运动矢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矢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。
[0124]
作为另一示例，对于帧内预测或帧内预测编解码，帧内预测单元226可以从当前块的相邻样点来生成预测块。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，并在跨当前块的定义的方向上填充这些计算出的值，以产生预测块。作为另一示例，对于dc模式，帧内预测单元226可以计算当前块的相邻样点的平均值，并且生成预测块以包括预测块的每个样点所得到的该平均值。
[0125]
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、未经编解码的版本，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，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。
[0126]
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可以支持具有各种大小的pu。如上所指示，cu的大小可以指cu的亮度编解码块的大小，而pu的大小可以指pu的亮度预测单元的大小。假设特定cu的大小为2nx2n，视频编码器200可支持用于帧内预测的2nx2n或nxn的pu大小，以及用于帧间预测的2nx2n、2nxn、nx2n、nxn或类似的对称pu大小。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。
[0127]
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的大小可以指cu的亮度编解码块的大小。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。
[0128]
对于其它视频编解码技术，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，作为一些示例，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。
[0129]
如上所述，残差生成单元204接收当前块和对应的预测块的视频数据。然后，残差生成单元204生成当前块的残差块。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。
[0130]
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。
[0131]
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。
[0132]
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可以基于经重构的残差块和由模式选择单元202生成的预测块来产生对应于当前块的经重构的块(尽管可能具有一定程度的失真)。例如，重构单元214可以将经重构残差块的样点添加到从由模式选择单元202生成的预测块的对应的样点中，以产生经重构的块。
[0133]
滤波器单元216可以对经重构的块执行一个或多个滤波操作。例如，滤波器单元216可以执行去方块操作来减少沿cu的边缘的块效应伪影。当执行去方块操作时，滤波器单元216(或其去方块滤波器单元)可以首先计算边界强度值。滤波器单元216的去方块滤波器单元然后可以使用边界强度值来确定其它去方块参数，诸如tc和beta(β)，其通常可以表示用于去方块和/或去方块决策函数的滤波强度和系数。在一些示例，可以跳滤波波器单元216的操作。
[0134]
滤波器单元216可以被配置为执行本公开的各种技术，例如，确定将用于对经解码的图片进行滤波的一个或多个神经网络模型(nn模型)232和/或是否应用nn模型滤波。模式选择单元202可以使用经滤波和未经滤波的图片两者来执行rd计算以确定rd成本，从而确定是否执行nn模型滤波，并且然后将数据提供到熵编码单元220，该数据表示(例如)是否执行nn模型滤波、用于当前图片的一个或多个nn模型232等。
[0135]
具体地，滤波器单元216可以从重构单元214接收经解码(经重构)的图片。滤波器单元216还可以从一个或多个其它单元(例如，模式选择单元202、运动估计单元222、运动补偿单元224、帧内预测单元226、变换处理单元206、量化单元208、另一滤波单元(例如，与滤波器单元216分离或包含在滤波器单元216内)等)获得(例如，接收)附加数据。例如，滤波器
单元216可以执行基于nn的滤波和其它类型的滤波，诸如去方块滤波、sao滤波、alf滤波等。滤波器单元216因此可以获得当前图片的块的去方块参数，诸如边界强度值。滤波器单元216可以向滤波器单元216的nn滤波单元提供边界强度值(和/或其它接收的数据)。
[0136]
nn滤波单元可以使用附加数据(例如，从视频编码器200的其它单元接收的边界强度值和/或其它数据)来从用于执行基于nn的滤波的nn模型232中选择nn模型并执行实际的基于nn的滤波。例如，滤波器单元216的nn滤波单元可以以附加输入层的形式向nn模型232的所选择的一个或多个nn模型提供附加数据(例如，边界强度值)。在一些示例中，滤波器单元216可以修改附加数据，例如，通过转换表示格式(诸如在浮点和十进制之间)或修改附加值的范围以对应于输入样点范围。
[0137]
视频编码器200将经重构的块存储在dpb 218中。例如，在不需要滤波器单元216的操作的示例中，重构单元214可以将经重构的块存储到dpb 218。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的块存储到dpb 218。运动估计单元222和运动补偿单元224可以从dpb 218中检索由经重构(并且可能经滤波的)块形成的参考图片，以对随后的编码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中的经重构的块来对当前图片中的其它块进行帧内预测。
[0138]
通常，熵编码单元220可以对从视频编码器200的其它功能组件所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编码操作或另一类型的熵编码操作。在一些示例中，熵编码单元220可以在不对语法元素进行熵编码的旁路模式下操作。
[0139]
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。
[0140]
上述操作是相对于块来描述的。这样的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。
[0141]
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，识别亮度编解码块的运动矢量(mv)和参考图片的操作不需要重复用于识别色度块的mv和参考图片。相反，亮度编解码块的mv可以被缩放以确定色度块的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。
[0142]
图7是图示了可以执行本公开的技术的示例视频解码器300的框图。提供图7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(itu-t h.265)的技术描述了视频解码器300。然而，本公开的技术可以由被配置
为其它视频编解码标准的视频编解码设备来执行。
[0143]
在图7的示例中，视频解码器300包括经编解码的图片缓冲器(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和经解码的图片缓冲器(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中的任何或全部可以在一个或多个处理器或处理电路中实施。例如，视频编码器300的单元可以被实施为作为硬件电路的一部分或作为处理器、asic或fpga的一部分的一个或多个电路或逻辑元件。此外，视频解码器300可以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它功能。
[0144]
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它预测模式来执行预测。作为示例，预测处理单元304可以包括调色板单元、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。在其它示例中，视频解码器300可以包括更多、更少或不同的功能组件。
[0145]
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通常存储经解码的图片，视频解码器300可以输出该经解码的图片和/或在解码经编码的视频比特流的后续数据或图片时，将其用作参考视频数据。cpb存储器320和dpb 314可以由各种存储器设备中的任何一种形成，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)或其它类型的存储器设备。cpb存储器320和dpb 314可以由同一存储器设备或分离的存储器设备提供。在各种示例中，cpb存储器320可以与视频解码器300的其它组件在芯片上，或者相对于那些组件在芯片外。
[0146]
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。同样地，当视频解码器300的一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。
[0147]
图示了图7中所示出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6，固定功能电路是指提供特定功能并且预设了能够被执行的操作的电路。可编程电路是指可以被编程以执行各种任务并且在能够被执行的操作中提供灵活功能的电路。例如，可编程电路可以运行软件或固件，其使得可编程电路按由软件或固件的指令所定义的方式来操作。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的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。
[0148]
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)。
[0149]
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。
[0150]
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(即被解码)的块可以被称为“当前块”)。
[0151]
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，并且同样地，确定供逆量化单元306应用的逆量化程度。逆量化单元306可以例如，执行逐位左移位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。
[0152]
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。
[0153]
此外，预测处理单元304根据由熵解码单元302进行熵解码的预测信息语法元素来生成预测块。例如，如果预测信息语法元素指示当前块是经帧间预测的，则运动补偿单元316可以生成预测块。在这种情况下，预测信息语法元素可以指示从中检索参考块的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矢量。运动补偿单元316通常可以以与关于运动补偿单元224(图6)所描述的方式基本上相似的方式来执行帧间预测过程。
[0154]
作为另一示例，如果预测信息语法元素指示当前块是经帧内预测的，则帧内预测单元318可以根据由预测信息语法元素所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6)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。
[0155]
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的样点中，以重构当前块。
[0156]
滤波器单元312可以对经重构的块执行一个或多个滤波操作。例如，滤波器单元312可以执行去方块操作来减少沿经重构的块的边缘的块效应伪影。滤波器单元312的操作不一定在所有示例中都执行。例如，视频解码器300可以显式地或隐式地确定是否使用nn模型322来执行神经网络模型滤波，例如，使用本文中所讨论的各种技术中的任何一种或全部。此外，视频解码器300可以显式地或隐式地确定一个或多个nn模型322和/或要解码和滤波的当前图片的网格大小。相应地，当滤波被开启时，滤波器单元312可以使用一个或多个nn模型322来对当前经解码的图片的一部分进行滤波。
[0157]
在一些示例中，滤波器单元312可以执行去方块操作以减少沿cu、pu或tu的边缘的块效应伪影。当执行去方块操作时，滤波器单元312(或其去方块滤波器单元)可以首先计算边界强度值。滤波器单元312的去方块滤波器单元然后可以使用边界强度值来确定其它去方块参数，诸如tc和beta(β)，其通常可以表示用于去方块和/或去方块决策函数的滤波强度和系数。在一些示例，可以跳滤波波器单元312的操作。
[0158]
滤波器单元312可以被配置为执行本公开的各种技术，例如，确定将用于对经解码
的图片进行滤波的一个或多个神经网络模型(nn模型)322和/或是否应用nn模型滤波。熵解码单元302可以解码表示是否对特定图片、切片、片或其它单元的块执行边界滤波的数据。
[0159]
滤波器单元312可以从重构单元310接收经解码(经重构)的图片。滤波器单元312还可从一个或多个其它单元(例如，预测处理单元304、运动补偿单元316、帧内预测单元318、逆变换处理单元308、逆量化单元306、另一滤波器单元(例如，与滤波器单元312分离或包含在滤波器单元312内)等)获得(例如，接收)附加数据。例如，滤波器单元312可以执行基于nn的滤波和其它类型的滤波(诸如去方块滤波、sao滤波、alf滤波等)两者。滤波器单元312因此可以获得当前图片的块的去方块参数，诸如边界强度值。滤波器单元312可以向滤波器单元312的nn滤波单元提供边界强度值(和/或其它接收的数据)。
[0160]
nn滤波单元可以使用附加数据(例如，从视频解码器300的其它单元接收的边界强度值和/或其它数据)来从用于执行基于nn的滤波的nn模型322中选择nn模型并执行实际的基于nn的滤波。例如，滤波器单元312的nn滤波单元可以以附加输入层的形式向nn模型322的所选择的一个或多个nn模型提供附加数据(例如，边界强度值)。在一些示例中，滤波器单元312可以修改附加数据，例如，通过转换表示格式(诸如在浮点和十进制之间)或修改附加值的范围以对应于输入样点范围。
[0161]
视频解码器300可以在dpb 314中存储经重构的(和经滤波的)块。例如，在不执行滤波器单元312的操作的示例中，重构单元310可以将经重构的块存储到dpb 314。在执行滤波器单元312的操作的示例中，滤波器单元312可以将经滤波的经重构的块存储到dpb 314。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和用于后续运动补偿的先前经解码的图片的样点。此外，视频解码器300可以输出来自dpb 314的经解码的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。
[0162]
图8是图示了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。当前块可以包括当前cu。尽管关于视频编码器200(图1和图3)进行了描述，但是应当理解，其它设备也可以被配置为执行类似于图8的方法。
[0163]
在该示例中，视频编码器200首先预测当前块(350)。例如，视频编码器200可以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、未经编解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可以扫描残差块的经量化的变换系数(356)。在扫描期间或在扫描之后，视频编码器200可以对变换系数进行熵编码(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然后可以输出块的经熵编码的数据(360)。
[0164]
视频编码器200还可以在编码当前块之后解码当前块，以使用当前块的经解码的版本作为后续经编解码的数据的参考数据(例如，在帧间或帧内预测模式中)。因此，视频编码器200可以逆量化和逆变换系数以重现残差块(362)。视频编码器200可以将残差块与预测块组合以形成经解码的块(364)。视频编码器200可以以这种方式解码当前图片的所有块，从而形成完全经解码的图片。视频编码器200还可以根据本公开的各种技术中的任何一种对包括经解码的块的经解码的图片进行滤波(366)。视频编码器200然后可以将经解码的图片存储在dpb 218中(368)。
[0165]
图9是图示了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。当前块
可以包括当前cu。尽管关于视频解码器300(图1和图4)进行了描述，但是应当理解，其它设备可以被配置成执行类似于图9的方法。
[0166]
视频解码器300可以接收当前块的经熵编码的数据，诸如，经熵编码的预测信息和与当前块相对应的残差块的系数的经熵编码的数据(370)。视频解码器300可以对经熵编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然后可以逆扫描经重现的系数(376)，以创建经量化的变换系数的块。视频解码器300然后可以对经量化的变换系数进行逆量化和逆变换，以产生残差块(378)。视频解码器300最终可以通过组合预测块和残差块来解码当前块(380)。视频解码器300还可以对经解码的视频数据进行滤波(382)，例如，使用以上根据本公开的技术讨论的一个或多个nn模型。视频解码器300还可以将(经滤波的)经解码的视频数据存储在(例如)dpb 314中(384)。
[0167]
图10是图示了根据本公开的技术对经解码的视频数据进行滤波的示例方法的流程图。图10的方法可以由视频编码器200或视频解码器300来执行。例如，图10的方法可以由视频编码器200的滤波器单元216的神经网络(nn)滤波单元来执行，例如，在图8的方法的步骤366期间。作为另一示例，图10的方法可以由视频解码器300的滤波器单元312的nn滤波单元执行，例如，在图9的方法的步骤382期间。出于示例和解释的目的，关于视频解码器300(并且具体地，视频解码器300的滤波器单元312的nn滤波单元)来解释图10的方法。
[0168]
首先，滤波器单元312的nn滤波单元接收经解码的视频数据(400)。经解码的视频数据可以是图片的至少一部分，例如，块集、切片、一个或多个切片、一个或多个片、子图片或整个图片。
[0169]
虽然图10的示例中未示出，但滤波器单元312的去方块滤波器和/或其它滤波单元(诸如，sao滤波器、alf滤波器和/或另一nn滤波单元)可以首先对经解码的视频数据进行滤波。因此，所接收的经解码的视频数据可能在由执行如本文所讨论的图10的方法的nn滤波单元接收之前已经被预先滤波(例如，去方块、sao滤波、alf滤波和/或nn滤波)。如此，术语“经解码的视频数据”应该被理解为包括经滤波的、经解码的视频数据(其可以包括例如经去方块的、经解码的视频数据)。
[0170]
相应地，该至少一部分可以包括多个块，该多个块包括经去方块的边缘，例如，由滤波器单元312的去方块滤波器去方块的边缘。去方块滤波器可以计算块之间边界的边界强度值。边界强度值通常可以表示块边界附近的样点是否被去方块滤波器修改以及修改到什么程度。
[0171]
滤波器单元312的nn滤波单元可以从视频解码器300的一个或多个其它单元接收附加数据(402)。例如，滤波器单元312的nn滤波单元可以从滤波器单元312的去方块滤波器接收边界强度值。滤波器单元312的nn滤波单元可以附加地或可替代地从其它单元接收其它数据，诸如编解码单元(cu)分割数据、预测单元(pu)分割数据、变换单元(tu)分割数据、去方块滤波数据、量化参数(qp)数据、帧内预测数据、帧间预测数据、表示经解码的图片与一个或多个参考图片之间的距离(例如，poc距离)的数据或经解码的图片的一个或多个经解码块的运动信息。
[0172]
滤波器单元312的nn滤波单元然后可以确定用于对当前图片的至少一部分进行滤
波的神经网络(nn)模型322中的一个或多个nn模型(404)。滤波器单元312的nn滤波单元然后可以使用所接收的附加数据和所确定的一个或多个nn模型来对当前图片的至少一部分进行滤波(406)。在一些示例中，滤波器单元312的nn滤波单元可以修改附加数据，例如，通过调整附加数据的值的范围以符合输入样点值的范围和/或通过将附加数据的值转换成不同格式，诸如整数或浮点。滤波器单元312的nn滤波单元可以将附加数据转换到一个或多个输入平面，类似于待滤波的明亮度和/或色彩度平面。
[0173]
以这样方式，图10的方法表示对经解码的视频数据进行滤波的方法的示例，包括：由视频解码装置的神经网络滤波单元接收视频数据的经解码的图片的数据；由神经网络滤波单元接收来自视频解码设备的一个或多个其它单元的数据，该来自一个或多个其它单元的数据不同于经解码的图片的数据，并且其中接收来自一个或多个其它单元的数据包括接收来自去方块单元的边界强度数据；由神经网络滤波单元确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及由神经网络滤波单元使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元、包括边界强度数据的数据对经解码的图片的一部分进行滤波。
[0174]
本公开的技术的某些示例总结在以下条款中：
[0175]
条款1：一种对经解码的视频数据进行滤波的方法，该方法包括：由视频解码设备的滤波单元接收来自视频解码设备的一个或多个其它单元的数据；由滤波单元确定将用于对视频数据的经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及由滤波单元使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据对经解码的图片的一部分进行滤波。
[0176]
条款2：根据条款1的方法，其中接收来自一个或多个其它单元的数据包括接收来自以下一个或多个单元的数据：视频解码设备的帧内预测单元；视频解码设备的帧间预测单元；视频解码设备的变换处理单元；视频解码设备的量化单元；视频解码设备的环路滤波器单元；视频解码设备的预处理单元；或视频解码设备的第二滤波单元。
[0177]
条款3：根据条款2的方法，其中滤波单元包括基于第一神经网络的滤波单元。
[0178]
条款4：根据条款2和3中任何一项的方法，其中环路滤波器单元包括去方块滤波单元、样点自适应偏移(sao)滤波单元或自适应环路滤波(alf)单元中的至少一个。
[0179]
条款5：根据条款1-4中任何一项的方法，其中接收数据包括接收编解码单元(cu)分割数据、预测单元(pu)分割数据、变换单元(tu)分割数据、去方块滤波数据、量化参数(qp)数据、帧内预测数据、帧间预测数据、表示经解码的图片和一个或多个参考图片之间的距离的数据、或经解码的图片的一个或多个经解码的块的运动信息中的一个或多个。
[0180]
条款6：根据条款5的方法，其中去方块滤波数据包括边界强度值、是长还是短滤波器用于去方块或者是强还是弱滤波器用于去方块中的一个或多个。
[0181]
条款7：根据条款5和6中任何一项的方法，其中帧内预测数据包括帧内预测模式。
[0182]
条款8：根据条款5-7中任何一项的方法，其中表示距离的数据包括表示经解码的图片的图片顺序计数(poc)值和用于预测经解码的图片的块的参考图片的poc值之间的差的数据。
[0183]
条款9：根据条款1-8中任何一项的方法，还包括通过滤波单元执行归属于一个或多个其它单元的功能。
[0184]
条款10：根据条款1-9中任何一项的方法，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括将来自视频解码设备的一个或多个其它单元的数据作为一个或多个附加输入平面提供给卷积神经网络(cnn)。
[0185]
条款11：根据条款1-10中任何一项的方法，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括使用来自视频解码设备的一个或多个其它单元的数据来调整一个或多个神经网络模型的输出。
[0186]
条款12：根据条款1-11中任何一项的方法，还包括在对经解码的图片的一部分进行滤波之前，调整来自视频解码设备的一个或多个其它单元的数据。
[0187]
条款13：根据权利要求12的方法，其中调整数据包括在整数表示和浮点表示之间转换数据的值。
[0188]
条款14：根据条款12和13中任何一项的方法，其中调整数据包括将数据的值缩放到适合于一个或多个神经网络模型的值的范围内。
[0189]
条款15：根据条款1-14中任何一项的方法，其中接收数据包括接收经解码的图片的分割数据，并且其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括：将输入平面中与如分割数据所指示的定义经解码的图片中的分割边界的边界样点的位置并置的位置处的值设置为第一值；将输入平面中与作为非边界样点的内部样点的位置并置的位置处的值设置为第二值；以及使用输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0190]
条款16：根据条款15的方法，其中第一值包括1并且第二值包括0。
[0191]
条款17：根据条款15和16中任何一项的方法，其中分割数据包括编解码单元(cu)分割数据，并且输入平面包括第一分割平面，该方法还包括：接收预测单元(pu)分割数据；使用pu分割数据形成第二输入平面；接收变换单元(tu)分割数据；以及使用tu分割数据形成第三输入平面，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括使用第一输入平面、第二输入平面和第三输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0192]
条款18：根据条款1-14中任何一项的方法，其中接收数据包括接收经解码的图片的去方块滤波器数据，并且其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据对经解码的图片的一部分进行滤波包括：将经解码的图片的去方块滤波器数据转换到一个或多个神经网络模型中的至少一个的一个或多个输入平面；以及使用一个或多个输入平面作为一个或多个神经网络模型中的至少一个的输入对经解码的图片的一部分进行滤波。
[0193]
条款19：根据条款18的方法，其中去方块滤波器数据包括边界强度数据、长或短滤波器数据、或者强或弱滤波器数据中的一个或多个。
[0194]
条款20：根据条款10或15-19中任何一项的方法，还包括对(一个或多个)输入平面的数据进行上采样或下采样。
[0195]
条款21：根据条款1-20中任何一项的方法，还包括：编码当前图片；以及解码当前图片以形成经解码的图片。
[0196]
条款22：根据条款21的方法，其中进行确定包括根据率失真计算来进行确定。
[0197]
条款23：一种用于对经解码的视频数据进行滤波的设备，该设备包括用于执行条款1-22中任何一项的方法的一个或多个部件。
[0198]
条款24：根据条款23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。
[0199]
条款25：根据条款23的设备，还包括被配置为显示经解码的视频数据的显示器。
[0200]
条款26：根据条款23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。
[0201]
条款27：根据条款23的设备，还包括被配置为存储视频数据的存储器。
[0202]
条款28：一种其上存储有指令的计算机可读存储介质，当这些指令被运行时，使得处理器执行条款1-22中任何一项的方法。
[0203]
条款29：一种用于对经解码的视频数据进行滤波的设备，该设备包括滤波单元，该滤波单元包括：用于接收来自视频解码设备的除了滤波单元之外的一个或多个单元的数据的部件；用于确定用于对视频数据的经解码的图片的一部分进行滤波的一个或多个神经网络模型的部件；以及用于使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波的部件。
[0204]
条款30：一种对经解码的视频数据进行滤波的方法，该方法包括：由视频解码设备的神经网络滤波单元接收视频数据的经解码的图片的数据；由神经网络滤波单元接收来自视频解码设备的一个或多个其它单元的数据，来自一个或多个其它单元的数据不同于经解码的图片的数据，并且其中接收来自视频解码设备的一个或多个其它单元的数据包括接收来自视频解码设备的去方块单元的边界强度数据；由神经网络滤波单元确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及由神经网络滤波单元使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元、包括边界强度数据的数据对经解码的图片的一部分进行滤波。
[0205]
条款31：根据条款30的方法，其中接收来自视频解码设备的一个或多个其它单元的数据还包括接收来自以下一个或多个单元的数据：视频解码设备的帧内预测单元；视频解码设备的帧间预测单元；视频解码设备的变换处理单元；视频解码设备的量化单元；视频解码设备的环路滤波器单元；视频解码设备的预处理单元；或者视频解码设备的第二神经网络滤波单元。
[0206]
条款32：根据条款31的方法，其中环路滤波器单元包括样点自适应偏移(sao)滤波单元或自适应环路滤波(alf)单元中的至少一个。
[0207]
条款33：根据条款32的方法，其中接收数据还包括接收编解码单元(cu)分割数据、预测单元(pu)分割数据、变换单元(tu)分割数据、去方块滤波数据、量化参数(qp)数据、帧内预测数据、帧间预测数据、表示经解码的图片和一个或多个参考图片之间的距离的数据、或经解码的图片的一个或多个经解码的块的运动信息中的一个或多个。
[0208]
条款34：根据条款33的方法，其中去方块滤波数据包括是长还是短滤波器用于去方块或者是强还是弱滤波器用于去方块中的一个或多个。
[0209]
条款35：根据条款33的方法，其中帧内预测数据包括帧内预测模式。
[0210]
条款36：根据条款33的方法，其中表示距离的数据包括表示经解码的图片的图片顺序计数(poc)值和用于预测经解码的图片的块的参考图片的poc值之间的差的数据。
[0211]
条款37：根据条款30的方法，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括将来自视频解码设备的一个或多个其它单元的数据作为一个或多个附加输入平面提供给卷积神经网络(cnn)。
[0212]
条款38：根据条款30的方法，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括使用来自视频解码设备的一个或多个其它单元的数据来调整一个或多个神经网络模型的输出。
[0213]
条款39：根据条款30的方法，还包括在对经解码的图片的一部分进行滤波之前，调整来自视频解码设备的一个或多个其它单元的数据。
[0214]
条款40：根据条款39的方法，其中调整数据包括在整数表示和浮点表示之间转换数据的值。
[0215]
条款41：根据条款39的方法，其中调整数据包括将数据的值缩放到适合于一个或多个神经网络模型的值的范围内。
[0216]
条款42：根据条款30的方法，其中接收数据包括接收经解码的图片的分割数据，并且其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括：将输入平面中与如分割数据所指示的定义经解码的图片中的分割边界的边界样点的位置并置的位置处的值设置为第一值；将输入平面中与作为非边界样点的内部样点的位置并置的位置处的值设置为第二值；以及使用输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0217]
条款43：根据条款42的方法，其中第一值包括1并且第二值包括0。
[0218]
条款44：根据条款42的方法，其中分割数据包括编解码单元(cu)分割数据，并且输入平面包括第一分割平面，该方法还包括：接收预测单元(pu)分割数据；使用pu分割数据形成第二输入平面；接收变换单元(tu)分割数据；以及使用tu分割数据形成第三输入平面，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括使用第一输入平面、第二输入平面和第三输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0219]
条款45：根据条款30的方法，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据对经解码的图片的一部分进行滤波包括：将来自去方块单元的经解码的图片的去方块滤波器数据转换到一个或多个神经网络模型中的至少一个的一个或多个输入平面；以及使用一个或多个输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0220]
条款46：根据条款30的方法，还包括：编码当前图片；以及解码当前图片以形成经解码的图片。
[0221]
条款47：根据条款46的方法，其中确定一个或多个神经网络模型包括根据率失真计算来确定一个或多个神经网络模型。
[0222]
条款48：一种用于对经解码的视频数据进行滤波的设备，该设备包括：存储器，其
被配置为存储视频数据的经解码的图片；以及一个或多个处理器，其在电路中实施并被配置为运行神经网络滤波单元以：接收来自设备的一个或多个其它单元的数据，来自设备的一个或多个其它单元的数据不同于经解码的图片的数据，并且其中为了接收来自设备的一个或多个其它单元的数据，一个或多个处理器被配置为运行神经网络滤波单元以接收来自设备的去方块单元的边界强度数据；确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及使用一个或多个神经网络模型和来自设备的一个或多个其它单元、包括边界强度数据的数据对经解码的图片的一部分进行滤波。
[0223]
条款49：根据条款48的设备，其中为了接收来自设备的一个或多个其它单元的数据，一个或多个处理器还被配置为运行神经网络滤波单元以接收来自以下一个或多个单元的数据：设备的帧内预测单元；设备的帧间预测单元；设备的变换处理单元；设备的量化单元；设备的环路滤波器单元；设备的预处理单元；或者设备的第二神经网络滤波单元。
[0224]
条款50：根据条款48的设备，其中为了接收来自设备的一个或多个其它单元的数据，一个或多个处理器还被配置为运行神经网络滤波单元以接收编解码单元(cu)分割数据、预测单元(pu)分割数据、变换单元(tu)分割数据、去方块滤波数据、量化参数(qp)数据、帧内预测数据、帧间预测数据、表示经解码的图片和一个或多个参考图片之间的距离的数据、或经解码的图片的一个或多个经解码的块的运动信息中的一个或多个。
[0225]
条款51：根据条款48的设备，其中为了使用一个或多个神经网络模型和来自设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波，一个或多个处理器被配置为运行神经网络滤波单元以将来自设备的一个或多个其它单元的数据作为一个或多个附加输入平面提供给卷积神经网络(cnn)。
[0226]
条款52：根据条款48的设备，其中为了使用一个或多个神经网络模型和来自设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波，一个或多个处理器被配置为运行神经网络滤波单元以使用来自设备的一个或多个其它单元的数据来调整一个或多个神经网络模型的输出。
[0227]
条款53：根据条款48的设备，其中为了使用一个或多个神经网络模型和来自设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波，一个或多个处理器被配置为运行神经网络滤波单元以在对经解码的图片的一部分进行滤波之前调整来自设备的一个或多个其它单元的数据。
[0228]
条款54：如条款48的设备，其中为了使用一个或多个神经网络模型和来自设备的一个或多个其它单元的数据对经解码的图片的一部分进行滤波，一个或多个处理器被配置为运行神经网络滤波单元以：将来自去方块单元的经解码的图片的去方块滤波器数据转换到一个或多个神经网络模型中的至少一个的一个或多个输入平面；以及使用一个或多个输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0229]
条款55：根据条款48的设备，还包括显示器，其被配置为显示视频数据的经解码的图片。
[0230]
条款56：根据条款48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。
[0231]
条款57：一种其上存储有指令的计算机可读存储介质，指令当被运行时，使得视频
解码设备的处理器运行神经网络滤波单元以：接收视频数据的经解码的图片的数据；接收来自视频解码设备的一个或多个其它单元的数据，来自视频解码设备的一个或多个其它单元的数据不同于经解码的图片的数据，并且其中使得处理器接收来自视频解码设备的一个或多个其它单元的数据的指令包括使得处理器接收来自视频解码设备的去方块单元的边界强度数据的指令；确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元、包括边界强度数据的数据来对经解码的图片的一部分进行滤波。
[0232]
条款58：一种用于对经解码的视频数据进行滤波的设备，该设备包括滤波单元，该滤波单元包括：用于接收视频数据的经解码的图片的数据的部件；用于接收来自视频解码设备的一个或多个其它单元的数据的部件，来自一个或多个其它单元的数据不同于经解码的图片的数据，并且其中用于接收来自视频解码设备的一个或多个其它单元的数据的部件包括用于接收来自视频解码设备的去方块单元的边界强度数据的部件；用于确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型的部件；以及用于使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元、包括边界强度数据的数据对经解码的图片的一部分进行滤波的部件。
[0233]
条款59：一种对经解码的视频数据进行滤波的方法，该方法包括：由视频解码设备的神经网络滤波单元接收视频数据的经解码的图片的数据；由神经网络滤波单元接收来自视频解码设备的一个或多个其它单元的数据，来自一个或多个其它单元的数据不同于经解码的图片的数据，并且其中接收来自视频解码设备的一个或多个其它单元的数据包括接收来自视频解码设备的去方块单元的边界强度数据；由神经网络滤波单元确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及由神经网络滤波单元使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元、包括边界强度数据的数据对经解码的图片的一部分进行滤波。
[0234]
条款60：根据条款59的方法，其中接收来自视频解码设备的一个或多个其它单元的数据还包括接收来自以下一个或多个单元的数据：视频解码设备的帧内预测单元；视频解码设备的帧间预测单元；视频解码设备的变换处理单元；视频解码设备的量化单元；视频解码设备的环路滤波器单元；视频解码设备的预处理单元；或者视频解码设备的第二神经网络滤波单元。
[0235]
条款61：根据条款60的方法，其中环路滤波器单元包括样点自适应偏移(sao)滤波单元或自适应环路滤波(alf)单元中的至少一个。
[0236]
条款62：根据条款59-61中任何一项的方法，其中接收数据包括接收编解码单元(cu)分割数据、预测单元(pu)分割数据、变换单元(tu)分割数据、去方块滤波数据、量化参数(qp)数据、帧内预测数据、帧间预测数据、表示经解码的图片和一个或多个参考图片之间的距离的数据、或经解码的图片的一个或多个经解码的块的运动信息中的一个或多个。
[0237]
条款63：根据条款62的方法，其中去方块滤波数据包括是长还是短滤波器用于去方块或者是强还是弱滤波器用于去方块中的一个或多个。
[0238]
条款64：根据条款62和63中任何一项的方法，其中帧内预测数据包括帧内预测模式。
[0239]
条款65：根据条款62-64中任何一项的方法，其中表示距离的数据包括表示经解码
的图片的图片顺序计数(poc)值和用于预测经解码的图片的块的参考图片的poc值之间的差的数据。
[0240]
条款66：根据条款59-65中任何一项的方法，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括将来自视频解码设备的一个或多个其它单元的数据作为一个或多个附加输入平面提供给卷积神经网络(cnn)。
[0241]
条款67：根据条款59-66中任何一项的方法，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括使用来自视频解码设备的一个或多个其它单元的数据来调整一个或多个神经网络模型的输出。
[0242]
条款68：根据条款59-67中任何一项的方法，还包括在对经解码的图片的一部分进行滤波之前，调整来自视频解码设备的一个或多个其它单元的数据。
[0243]
条款69：根据条款68的方法，其中调整数据包括在整数表示和浮点表示之间转换数据的值。
[0244]
条款70：根据条款68和69中任何一项的方法，其中调整数据包括将数据的值缩放到适合于一个或多个神经网络模型的值的范围内。
[0245]
条款71：根据条款59-70中任何一项的方法，其中接收数据包括接收经解码的图片的分割数据，并且其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括：将输入平面中与如分割数据所指示的定义经解码的图片中的分割边界的边界样点的位置并置的位置处的值设置为第一值；将输入平面中与作为非边界样点的内部样点的位置并置的位置处的值设置为第二值；以及使用输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0246]
条款72：根据条款71的方法，其中第一值包括1并且第二值包括0。
[0247]
条款73：根据条款71和72中任何一项的方法，其中分割数据包括编解码单元(cu)分割数据，并且输入平面包括第一分割平面，该方法还包括：接收预测单元(pu)分割数据；使用pu分割数据形成第二输入平面；接收变换单元(tu)分割数据；以及使用tu分割数据形成第三输入平面，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波包括使用第一输入平面、第二输入平面和第三输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0248]
条款74：根据条款59-73中任何一项的方法，其中使用一个或多个神经网络模型和来自视频解码设备的一个或多个其它单元的数据对经解码的图片的一部分进行滤波包括：将来自去方块单元的经解码的图片的去方块滤波器数据转换到一个或多个神经网络模型中的至少一个的一个或多个输入平面；以及使用一个或多个输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0249]
条款75：根据条款59-74中任何一项的方法，还包括：编码当前图片；以及解码当前图片以形成经解码的图片。
[0250]
条款76：根据条款59-75中任何一项的方法，其中确定一个或多个神经网络模型包
括根据率失真计算来确定一个或多个神经网络模型。
[0251]
条款77：一种用于对经解码的视频数据进行滤波的设备，该设备包括：存储器，其被配置为存储视频数据的经解码的图片；以及一个或多个处理器，其在电路中实施并被配置为运行神经网络滤波单元以：接收来自设备的一个或多个其它单元的数据，来自设备的一个或多个其它单元的数据不同于经解码的图片的数据，并且其中为了接收来自设备的一个或多个其它单元的数据，一个或多个处理器被配置为运行神经网络滤波单元以接收来自设备的去方块单元的边界强度数据；确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及使用一个或多个神经网络模型和来自设备的一个或多个其它单元、包括边界强度数据的数据对经解码的图片的一部分进行滤波。
[0252]
条款78：根据条款77的设备，其中为了接收来自设备的一个或多个其它单元的数据，一个或多个处理器还被配置为运行神经网络滤波单元以接收来自以下一个或多个单元的数据：设备的帧内预测单元；设备的帧间预测单元；设备的变换处理单元；设备的量化单元；设备的环路滤波器单元；设备的预处理单元；或者设备的第二神经网络滤波单元。
[0253]
条款79：根据条款77和78中任何一项的设备，其中为了接收来自设备的一个或多个其它单元的数据，一个或多个处理器还被配置为运行神经网络滤波单元以接收编解码单元(cu)分割数据、预测单元(pu)分割数据、变换单元(tu)分割数据、去方块滤波数据、量化参数(qp)数据、帧内预测数据、帧间预测数据、表示经解码的图片和一个或多个参考图片之间的距离的数据、或经解码的图片的一个或多个经解码的块的运动信息中的一个或多个。
[0254]
条款80：根据条款77-79中任何一项的设备，其中为了使用一个或多个神经网络模型和来自设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波，一个或多个处理器被配置为运行神经网络滤波单元以将来自设备的一个或多个其它单元的数据作为一个或多个附加输入平面提供给卷积神经网络(cnn)。
[0255]
条款81：根据条款77-80中任何一项的设备，其中为了使用一个或多个神经网络模型和来自设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波，一个或多个处理器被配置为运行神经网络滤波单元以使用来自设备的一个或多个其它单元的数据来调整一个或多个神经网络模型的输出。
[0256]
条款82：根据条款77-81中任何一项的设备，其中为了使用一个或多个神经网络模型和来自设备的一个或多个其它单元的数据来对经解码的图片的一部分进行滤波，一个或多个处理器被配置为运行神经网络滤波单元以在对经解码的图片的一部分进行滤波之前调整来自设备的一个或多个其它单元的数据。
[0257]
条款83：如条款77-82中任何一项的设备，其中为了使用一个或多个神经网络模型和来自设备的一个或多个其它单元的数据对经解码的图片的一部分进行滤波，一个或多个处理器被配置为运行神经网络滤波单元以：将来自去方块单元的经解码的图片的去方块滤波器数据转换到一个或多个神经网络模型中的至少一个的一个或多个输入平面；以及使用一个或多个输入平面作为一个或多个神经网络模型中的至少一个的输入来对经解码的图片的一部分进行滤波。
[0258]
条款84：根据条款77-83中任何一项的设备，还包括显示器，其被配置为显示视频数据的经解码的图片。
[0259]
条款85：根据条款77-84中任何一项的设备，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。
[0260]
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，可以被添加、合并或完全省略(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)。此外，在某些示例中，动作或事件可以被同时地执行(例如通过多线程处理、中断处理或多处理器)而不是被顺序地执行。
[0261]
在一个或多个示例中，所描述的功能可以在硬件、软件、固件或其任何组合中实施。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。
[0262]
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或其它光盘存储、磁盘存储或其它磁性存储设备、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它介质。此外，任何连接都被恰当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤电缆、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、服务器或其它远程源发送的，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，应当理解的是，计算机可读存储介质和数据存储介质不包括连接、载波、信号或其它暂时性介质，而是指向非暂时性有形存储介质。如本文所使用的磁盘和光盘，包括压缩光盘(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。上述的组合也应该被包括在计算机可读介质的范围内。
[0263]
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)或其它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”可以指前述结构中任何一种或适于实施本文中所描述的技术的任何其它结构。此外，在一些方面中，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。
[0264]
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现。相反，如上所述，各种单元可以被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。
[0265]
已经描述了各种示例。这些和其它示例都在所附权利要求的范围内。

技术特征：
1.一种对经解码的视频数据进行滤波的方法，所述方法包括：由视频解码设备的神经网络滤波单元接收视频数据的经解码的图片的数据；由所述神经网络滤波单元接收来自所述视频解码设备的一个或多个其它单元的数据，来自所述一个或多个其它单元的所述数据不同于所述经解码的图片的所述数据，并且其中接收来自所述视频解码设备的所述一个或多个其它单元的所述数据包括接收来自所述视频解码设备的去方块单元的边界强度数据；由所述神经网络滤波单元确定用于对所述经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及由所述神经网络滤波单元使用所述一个或多个神经网络模型和来自所述视频解码设备的一个或多个其它单元、包括所述边界强度数据的数据来对所述经解码的图片的所述一部分进行滤波。2.根据权利要求1所述的方法，其中接收来自所述视频解码设备的所述一个或多个其它单元的所述数据还包括接收来自以下各项中的一个或多个的数据：所述视频解码设备的帧内预测单元；所述视频解码设备的帧间预测单元；所述视频解码设备的变换处理单元；所述视频解码设备的量化单元；所述视频解码设备的环路滤波器单元；所述视频解码设备的预处理单元；或者所述视频解码设备的第二神经网络滤波单元。3.根据权利要求2所述的方法，其中所述环路滤波器单元包括样点自适应偏移sao滤波单元或自适应环路滤波alf单元中的至少一个。4.根据权利要求1所述的方法，其中接收所述数据还包括接收编解码单元cu分割数据、预测单元pu分割数据、变换单元tu分割数据、去方块滤波数据、量化参数qp数据、帧内预测数据、帧间预测数据、表示所述经解码的图片和一个或多个参考图片之间的距离的数据或所述经解码的图片的一个或多个经解码的块的运动信息中的一个或多个。5.根据权利要求4所述的方法，其中所述去方块滤波数据包括是使用长滤波器还是短滤波器进行去方块，或者是使用强滤波器还是弱滤波器进行去方块中的一个或多个。6.根据权利要求4所述的方法，其中所述帧内预测数据包括帧内预测模式。7.根据权利要求4所述的方法，其中表示所述距离的所述数据包括表示所述经解码的图片的图片顺序计数poc值和用于预测所述经解码的图片的块的参考图片的poc值之间的差的数据。8.根据权利要求1所述的方法，其中使用所述一个或多个神经网络模型和来自所述视频解码设备的所述一个或多个其它单元的所述数据来对所述经解码的图片的所述一部分进行滤波包括将来自所述视频解码设备的所述一个或多个其它单元的所述数据作为一个或多个附加输入平面提供给卷积神经网络cnn。9.根据权利要求1所述的方法，其中使用所述一个或多个神经网络模型和来自所述视频解码设备的所述一个或多个其它单元的所述数据来对所述经解码的图片的所述一部分进行滤波包括：
将多个输入平面组合成组合的输入平面，包括对于所述多个输入平面的每个位置(i，j)，将所述组合的输入平面的位置(i，j)的值设置为等于所述多个输入平面的位置(i，j)处的值中的最大值；以及将所述组合的输入平面提供给卷积神经网络cnn。10.根据权利要求1所述的方法，其中使用所述一个或多个神经网络模型和来自所述视频解码设备的所述一个或多个其它单元的所述数据来对所述经解码的图片的所述一部分进行滤波包括使用来自所述视频解码设备的所述一个或多个其它单元的所述数据来调整所述一个或多个神经网络模型的输出。11.根据权利要求1所述的方法，还包括在对所述经解码的图片的所述一部分进行滤波之前，调整来自所述视频解码设备的所述一个或多个其它单元的所述数据。12.根据权利要求11所述的方法，其中调整所述数据包括在整数表示和浮点表示之间转换所述数据的值。13.根据权利要求11所述的方法，其中调整所述数据包括将所述数据的值缩放到适合于所述一个或多个神经网络模型的值的范围内。14.根据权利要求1所述的方法，其中接收所述数据包括接收所述经解码的图片的分割数据，并且其中使用所述一个或多个神经网络模型和来自所述视频解码设备的所述一个或多个其它单元的所述数据来对所述经解码图片的所述一部分进行滤波包括：将输入平面中与如分割数据所指示的、定义所述经解码的图片中的分割边界的边界样点的位置并置的位置处的值设置为第一值；将所述输入平面中与作为非边界样点的内部样点的位置并置的位置处的值设置为第二值；以及使用所述输入平面作为所述一个或多个神经网络模型中的至少一个的输入来对所述经解码的图片的所述一部分进行滤波。15.根据权利要求14所述的方法，其中所述第一值包括1并且所述第二值包括0。16.根据权利要求14所述的方法，其中所述分割数据包括编解码单元cu分割数据，并且所述输入平面包括第一分割平面，所述方法还包括：接收预测单元pu分割数据；使用所述pu分割数据形成第二输入平面；接收变换单元tu分割数据；以及使用所述tu分割数据形成第三输入平面，其中使用所述一个或多个神经网络模型和来自所述视频解码设备的所述一个或多个其它单元的所述数据来对所述经解码的图片的所述一部分进行滤波包括使用所述第一输入平面、所述第二输入平面和所述第三输入平面作为所述一个或多个神经网络模型中的至少一个的输入来对所述经解码的图片的所述一部分进行滤波。17.根据权利要求1所述的方法，其中使用所述一个或多个神经网络模型和来自所述视频解码设备的所述一个或多个其它单元的所述数据来对所述经解码的图片的所述一部分进行滤波包括：将来自所述去方块单元的所述经解码的图片的去方块滤波器数据转换到所述一个或多个神经网络模型中的至少一个的一个或多个输入平面；以及
使用所述一个或多个输入平面作为所述一个或多个神经网络模型中的至少一个的输入来对所述经解码的图片的所述一部分进行滤波。18.根据权利要求1所述的方法，还包括：对当前图片进行编码；以及对所述当前图片进行解码以形成所述经解码的图片。19.根据权利要求18所述的方法，其中确定所述一个或多个神经网络模型包括根据率失真计算来确定所述一个或多个神经网络模型。20.根据权利要求1所述的方法，其中所述边界强度数据指示边界强度值为零。21.根据权利要求1所述的方法，其中所述边界强度数据指示边界强度值是一或二。22.一种用于对经解码的视频数据进行滤波的设备，所述设备包括：存储器，所述存储器被配置为存储视频数据的经解码的图片；以及一个或多个处理器，在电路中实施并且被配置为运行神经网络滤波单元以：接收来自所述设备的一个或多个其它单元的数据，来自所述设备的所述一个或多个其它单元的所述数据不同于所述经解码的图片的所述数据，并且其中为了接收来自所述设备的所述一个或多个其它单元的所述数据，所述一个或多个处理器被配置为运行所述神经网络滤波单元以接收来自所述设备的去方块单元的边界强度数据；确定用于对所述经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及使用所述一个或多个神经网络模型和来自所述设备的所述一个或多个其它单元、包括所述边界强度数据的数据来对所述经解码的图片的所述一部分进行滤波。23.根据权利要求22所述的设备，其中为了接收来自所述设备的所述一个或多个其它单元的所述数据，所述一个或多个处理器还被配置为运行所述神经网络滤波单元，以接收来自以下一个或多个单元的数据：所述设备的帧内预测单元；所述设备的帧间预测单元；所述设备的变换处理单元；所述设备的量化单元；所述设备的环路滤波器单元；所述设备的预处理单元；或者所述设备的第二神经网络滤波单元。24.根据权利要求22所述的设备，其中为了接收来自所述设备的所述一个或多个其它单元的所述数据，所述一个或多个处理器还被配置为运行所述神经网络滤波单元，以接收编解码单元cu分割数据、预测单元pu分割数据、变换单元tu分割数据、去方块滤波数据、量化参数qp数据、帧内预测数据、帧间预测数据、表示所述经解码的图片和一个或多个参考图片之间的距离的数据、或所述经解码的图片的一个或多个经解码的块的运动信息中的一个或多个。25.根据权利要求22所述的设备，其中为了使用所述一个或多个神经网络模型和来自所述设备的所述一个或多个其它单元的所述数据来对所述经解码的图片的所述一部分进行滤波，所述一个或多个处理器被配置为运行所述神经网络滤波单元，以将来自所述设备的所述一个或多个其它单元的所述数据作为一个或多个附加输入平面提供给卷积神经网
络cnn。26.根据权利要求22所述的设备，其中为了使用所述一个或多个神经网络模型和来自所述设备的所述一个或多个其它单元的所述数据来对所述经解码的图片的所述一部分进行滤波，所述一个或多个处理器被配置为运行所述神经网络滤波单元，以使用来自所述设备的所述一个或多个其它单元的所述数据来调整所述一个或多个神经网络模型的输出。27.根据权利要求22所述的设备，其中为了使用所述一个或多个神经网络模型和来自所述设备的所述一个或多个其它单元的所述数据来对所述经解码的图片的所述一部分进行滤波，所述一个或多个处理器被配置为运行所述神经网络滤波单元，以在对所述经解码的图片的所述一部分进行滤波之前调整来自所述设备的所述一个或多个其它单元的所述数据。28.根据权利要求22所述的设备，其中为了使用所述一个或多个神经网络模型和来自所述设备的所述一个或多个其它单元的所述数据来对所述经解码的图片的所述一部分进行滤波，所述一个或多个处理器被配置为运行所述神经网络滤波单元以：将来自所述去方块单元的所述经解码的图片的去方块滤波器数据转换到所述一个或多个神经网络模型中的至少一个的一个或多个输入平面；以及使用所述一个或多个输入平面作为所述一个或多个神经网络模型中的至少一个的输入来对所述经解码的图片的所述一部分进行滤波。29.根据权利要求22所述的设备，还包括显示器，所述显示器被配置为显示所述视频数据的所述经解码的图片。30.根据权利要求22的设备，其中所述设备包括相机、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。31.一种其上存储有指令的计算机可读存储介质，所述指令在被运行时，使得视频解码设备的处理器运行神经网络滤波单元以：接收视频数据的经解码的图片的数据；接收来自所述视频解码设备的一个或多个其它单元的数据，来自所述视频解码设备的所述一个或多个其它单元的所述数据不同于所述经解码的图片的所述数据，并且其中使得所述处理器接收来自所述视频解码设备的所述一个或多个其它单元的所述数据的指令包括使得所述处理器接收来自所述视频解码设备的去方块单元的边界强度数据的指令；确定用于对所述经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及使用所述一个或多个神经网络模型和来自所述视频解码设备的所述一个或多个其它单元、包括所述边界强度数据的数据来对所述经解码的图片的所述一部分进行滤波。32.一种用于对经解码的视频数据进行滤波的设备，所述设备包括滤波单元，所述滤波单元包括：用于接收视频数据的经解码的图片的数据的部件；用于接收来自所述视频解码设备的一个或多个其它单元的数据的部件，来自所述一个或多个其它单元的所述数据不同于所述经解码的图片的所述数据，并且其中用于接收来自所述视频解码设备的所述一个或多个其它单元的所述数据的部件包括用于接收来自所述视频解码设备的去方块单元的边界强度数据的部件；用于确定用于对所述经解码的图片的一部分进行滤波的一个或多个神经网络模型的
部件；以及用于使用所述一个或多个神经网络模型和来自所述视频解码设备的所述一个或多个其它单元、包括所述边界强度数据的所述数据来对所述经解码的图片的所述一部分进行滤波的部件。

技术总结
用于对经解码的视频数据进行滤波的示例设备包括一个或多个处理器，该一个或多个处理器被配置为运行神经网络滤波单元以：接收来自设备的一个或多个其它单元的数据，来自设备的一个或多个其它单元的数据不同于视频数据的经解码的图片的数据，并且其中为了接收来自设备的一个或多个其它单元的数据，一个或多个处理器被配置为运行神经网络滤波单元以接收来自设备的去方块单元的边界强度数据；确定用于对经解码的图片的一部分进行滤波的一个或多个神经网络模型；以及使用一个或多个神经网络模型和来自设备的一个或多个其它单元、包括边界强度数据的数据来对经解码的图片的一部分进行滤波。进行滤波。进行滤波。


技术研发人员：王洪涛 V
受保护的技术使用者：高通股份有限公司
技术研发日：2022.01.03
技术公布日：2023/9/12