知財求人 - 知財ポータルサイト「IP Force」
▶ グァンドン オッポ モバイル テレコミュニケーションズ コーポレーション リミテッドの特許一覧
特開2024-113190イントラ予測方法、装置、エンコーダ、デコーダ及び記憶媒体
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024113190
(43)【公開日】2024-08-21
(54)【発明の名称】イントラ予測方法、装置、エンコーダ、デコーダ及び記憶媒体
(51)【国際特許分類】
G06T 9/40 20060101AFI20240814BHJP
【ＦＩ】
G06T9/40
【審査請求】有
【請求項の数】17
【出願形態】ＯＬ
【外国語出願】
(21)【出願番号】P 2024095127
(22)【出願日】2024-06-12
(62)【分割の表示】P 2022541650の分割
【原出願日】2020-01-06
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＦＲＡＭ
(71)【出願人】
【識別番号】516227559
【氏名又は名称】オッポ広東移動通信有限公司
【氏名又は名称原語表記】ＧＵＡＮＧＤＯＮＧ ＯＰＰＯ ＭＯＢＩＬＥ ＴＥＬＥＣＯＭＭＵＮＩＣＡＴＩＯＮＳ ＣＯＲＰ．， ＬＴＤ．
【住所又は居所原語表記】Ｎｏ． １８ Ｈａｉｂｉｎ Ｒｏａｄ，Ｗｕｓｈａ， Ｃｈａｎｇ’ａｎ，Ｄｏｎｇｇｕａｎ， Ｇｕａｎｇｄｏｎｇ ５２３８６０ Ｃｈｉｎａ
(74)【代理人】
【識別番号】100120031
【弁理士】
【氏名又は名称】宮嶋 学
(74)【代理人】
【識別番号】100107582
【弁理士】
【氏名又は名称】関根 毅
(74)【代理人】
【識別番号】100152205
【弁理士】
【氏名又は名称】吉田 昌司
(74)【代理人】
【識別番号】100137523
【弁理士】
【氏名又は名称】出口 智也
(72)【発明者】
【氏名】ワン、シューアイ
(72)【発明者】
【氏名】ヤン、フーチョン
(72)【発明者】
【氏名】ワン、チョーチョン
(72)【発明者】
【氏名】ウェイ、レイ
(57)【要約】 （修正有）
【課題】符号化復号の正確性を向上させるイントラ予測方法、装置、エンコーダ、デコーダ及び記憶媒体を提供する。
【解決手段】方法は、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得ることと、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出することと、を含む。第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有する。方法はまた、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得ることを含む。
【選択図】図２
【解決手段】方法は、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得ることと、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出することと、を含む。第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有する。方法はまた、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得ることを含む。
【選択図】図２
【特許請求の範囲】
【請求項1】
イントラ予測方法であって、
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小
さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得ることと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
ることであって、前記第１数量は前記第２数量よりも大きく、前記第２数量の近隣ノード
と前記現在ノードの子ノードとは関連関係を有する、ことと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情
報に対してイントラ予測を行い、第１予測結果を得ることと、を含む、イントラ予測方法
。
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小
さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得ることと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
ることであって、前記第１数量は前記第２数量よりも大きく、前記第２数量の近隣ノード
と前記現在ノードの子ノードとは関連関係を有する、ことと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情
報に対してイントラ予測を行い、第１予測結果を得ることと、を含む、イントラ予測方法
。
【請求項2】
前記関連関係は、前記第２数量の近隣ノードと前記現在ノードの前記子ノードとが、面
、辺又は頂点を共有することを含むことを特徴とする
請求項１に記載の方法。
、辺又は頂点を共有することを含むことを特徴とする
請求項１に記載の方法。
【請求項3】
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの占有情報に対して
イントラ予測を行い、第１予測結果を得ることは、
前記第２数量の近隣ノードの占有情報に基づいて、前記子ノードの第２数量の近隣ノー
ドに対応する占有数量を決定することと、
前記占有数量に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前
記第１予測結果を得ることであって、前記第１予測結果は、予測を行うかどうかの予測パ
ラメータ及び予測の場合の予測値パラメータを指示するためのものである、ことと、を含
むことを特徴とする
請求項２に記載の方法。
イントラ予測を行い、第１予測結果を得ることは、
前記第２数量の近隣ノードの占有情報に基づいて、前記子ノードの第２数量の近隣ノー
ドに対応する占有数量を決定することと、
前記占有数量に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前
記第１予測結果を得ることであって、前記第１予測結果は、予測を行うかどうかの予測パ
ラメータ及び予測の場合の予測値パラメータを指示するためのものである、ことと、を含
むことを特徴とする
請求項２に記載の方法。
【請求項4】
前記占有数量に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前
記第１予測結果を得ることは、
前記第２数量に関連する第３数量を得ることと、
前記占有数量と前記第３数量に基づいて、前記現在ノードの占有情報に対してイントラ
予測を行い、前記第１予測結果を得ることと、を含むことを特徴とする
請求項３に記載の方法。
記第１予測結果を得ることは、
前記第２数量に関連する第３数量を得ることと、
前記占有数量と前記第３数量に基づいて、前記現在ノードの占有情報に対してイントラ
予測を行い、前記第１予測結果を得ることと、を含むことを特徴とする
請求項３に記載の方法。
【請求項5】
前記占有数量と前記第３数量に基づいて、前記現在ノードの占有情報に対してイントラ
予測を行い、前記第１予測結果を得ることは、
前記占有数量と前記第３数量が異なると決定した時、前記占有数量、第１閾値、第２閾
値に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前記第１予測結
果を得ることを含むことを特徴とする
請求項４に記載の方法。
予測を行い、前記第１予測結果を得ることは、
前記占有数量と前記第３数量が異なると決定した時、前記占有数量、第１閾値、第２閾
値に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前記第１予測結
果を得ることを含むことを特徴とする
請求項４に記載の方法。
【請求項6】
前記占有数量と前記第３数量が異なると決定した時、前記占有数量、第１閾値、第２閾
値に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前記第１予測結
果を得ることは、
前記占有数量と前記第３数量が異なると決定した時、前記占有数量と前記第１閾値を比
較することと、
前記占有数量が前記第１閾値以下であると決定した時、前記現在ノードの子ノードの占
有情報に対してイントラ予測を行い、前記現在ノードの子ノードにポイントクラウドが含
まれない前記第１予測結果を得ることと、を含むことを特徴とする
請求項５に記載の方法。
値に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前記第１予測結
果を得ることは、
前記占有数量と前記第３数量が異なると決定した時、前記占有数量と前記第１閾値を比
較することと、
前記占有数量が前記第１閾値以下であると決定した時、前記現在ノードの子ノードの占
有情報に対してイントラ予測を行い、前記現在ノードの子ノードにポイントクラウドが含
まれない前記第１予測結果を得ることと、を含むことを特徴とする
請求項５に記載の方法。
【請求項7】
前記方法は、
前記占有数量が前記第２閾値以上であると決定した時、前記現在ノードの子ノードの占
有情報に対してイントラ予測を行い、前記現在ノードの子ノードにポイントクラウドが含
まれる前記第１予測結果を得ることを更に含むことを特徴とする
請求項６に記載の方法。
前記占有数量が前記第２閾値以上であると決定した時、前記現在ノードの子ノードの占
有情報に対してイントラ予測を行い、前記現在ノードの子ノードにポイントクラウドが含
まれる前記第１予測結果を得ることを更に含むことを特徴とする
請求項６に記載の方法。
【請求項8】
前記方法は、
前記占有数量が前記第１閾値よりも大きく且つ前記第２閾値よりも小さいと決定した時
、前記現在ノードの子ノードの占有情報に対してイントラ予測を行わない第２予測結果を
得ることを更に含むことを特徴とする
請求項６に記載の方法。
前記占有数量が前記第１閾値よりも大きく且つ前記第２閾値よりも小さいと決定した時
、前記現在ノードの子ノードの占有情報に対してイントラ予測を行わない第２予測結果を
得ることを更に含むことを特徴とする
請求項６に記載の方法。
【請求項9】
前記占有数量と前記第３数量に基づいて、前記現在ノードの占有情報に対してイントラ
予測を行い、前記第１予測結果を得ることは、
前記占有数量と前記第３数量が同じであると決定した時、前記占有数量、第３閾値、第
４閾値に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前記第１予
測結果を得ることを含むことを特徴とする
請求項４に記載の方法。
予測を行い、前記第１予測結果を得ることは、
前記占有数量と前記第３数量が同じであると決定した時、前記占有数量、第３閾値、第
４閾値に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前記第１予
測結果を得ることを含むことを特徴とする
請求項４に記載の方法。
【請求項10】
前記占有数量と前記第３数量が同じであると決定した時、前記占有数量、第３閾値、第
４閾値に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前記第１予
測結果を得ることは、
前記占有数量と前記第３数量が同じであると決定した時、前記子ノードの前記第２数量
の近隣ノードから前記子ノードまでの距離に基づいて、前記第２数量の近隣ノードの占有
情報の重みを設定することと、
前記第２数量の近隣ノードの占有情報、及び前記第２数量の近隣ノードの占有情報に対
応する重みに基づいて、前記子ノードの目標パラメータを決定することと、
前記目標パラメータ、前記第３閾値、前記第４閾値に基づいて、前記第１予測結果を決
定することと、を含むことを特徴とする
請求項９に記載の方法。
４閾値に基づいて、前記現在ノードの占有情報に対してイントラ予測を行い、前記第１予
測結果を得ることは、
前記占有数量と前記第３数量が同じであると決定した時、前記子ノードの前記第２数量
の近隣ノードから前記子ノードまでの距離に基づいて、前記第２数量の近隣ノードの占有
情報の重みを設定することと、
前記第２数量の近隣ノードの占有情報、及び前記第２数量の近隣ノードの占有情報に対
応する重みに基づいて、前記子ノードの目標パラメータを決定することと、
前記目標パラメータ、前記第３閾値、前記第４閾値に基づいて、前記第１予測結果を決
定することと、を含むことを特徴とする
請求項９に記載の方法。
【請求項11】
前記目標パラメータ、前記第３閾値、前記第４閾値に基づいて、前記第１予測結果を決
定することは、
前記目標パラメータが前記第３閾値以下であると決定した時、前記現在ノードの占有情
報に対してイントラ予測を行い、前記現在ノードの子ノードにポイントクラウドが含まれ
ない前記第１予測結果を得ることを含むことを特徴とする
請求項１０に記載の方法。
定することは、
前記目標パラメータが前記第３閾値以下であると決定した時、前記現在ノードの占有情
報に対してイントラ予測を行い、前記現在ノードの子ノードにポイントクラウドが含まれ
ない前記第１予測結果を得ることを含むことを特徴とする
請求項１０に記載の方法。
【請求項12】
前記方法は、
前記目標パラメータが前記第４閾値以上であると決定した時、前記現在ノードの占有情
報に対してイントラ予測を行い、前記現在ノードの子ノードにポイントクラウドが含まれ
る前記第１予測結果を得ることを更に含むことを特徴とする
請求項１０に記載の方法。
前記目標パラメータが前記第４閾値以上であると決定した時、前記現在ノードの占有情
報に対してイントラ予測を行い、前記現在ノードの子ノードにポイントクラウドが含まれ
る前記第１予測結果を得ることを更に含むことを特徴とする
請求項１０に記載の方法。
【請求項13】
前記方法は、
前記目標パラメータが前記第３閾値よりも大きく且つ前記第４閾値よりも小さいと決定
した時、前記現在ノードの子ノードの占有情報に対してイントラ予測を行わない第２予測
結果を得ることを更に含むことを特徴とする
請求項１０に記載の方法。
前記目標パラメータが前記第３閾値よりも大きく且つ前記第４閾値よりも小さいと決定
した時、前記現在ノードの子ノードの占有情報に対してイントラ予測を行わない第２予測
結果を得ることを更に含むことを特徴とする
請求項１０に記載の方法。
【請求項14】
前記方法は、エンコーダに適用され、
前記第１予測結果に関連する符号化モデルを決定することと、
前記符号化モデルに基づいて、前記現在ノードの子ノードの占有情報に対して符号化を
行い、コードストリームに書き込むことと、を更に含むことを特徴とする
請求項１から７及び９から１２のいずれか１項に記載の方法。
前記第１予測結果に関連する符号化モデルを決定することと、
前記符号化モデルに基づいて、前記現在ノードの子ノードの占有情報に対して符号化を
行い、コードストリームに書き込むことと、を更に含むことを特徴とする
請求項１から７及び９から１２のいずれか１項に記載の方法。
【請求項15】
前記方法は、デコーダに適用され、
前記第１予測結果に関連する復号モデルを決定することと、
前記復号モデルに基づいて、得たコードストリームに対して解析を行い、前記現在ノー
ドの子ノードの占有情報を得ることと、を更に含むことを特徴とする
請求項１から７及び９から１２のいずれか１項に記載の方法。
前記第１予測結果に関連する復号モデルを決定することと、
前記復号モデルに基づいて、得たコードストリームに対して解析を行い、前記現在ノー
ドの子ノードの占有情報を得ることと、を更に含むことを特徴とする
請求項１から７及び９から１２のいずれか１項に記載の方法。
【請求項16】
イントラ予測装置であって、
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小
さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るように構成され
る第１処理モジュールと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
るように構成される第１抽出モジュールであって、前記第１数量は前記第２数量よりも大
きく、前記第２数量の近隣ノードと前記現在ノードの子ノードとは関連関係を有する、第
１抽出モジュールと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情
報に対してイントラ予測を行い、第１予測結果を得るように構成される第２処理モジュー
ルと、を備える、イントラ予測装置。
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小
さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るように構成され
る第１処理モジュールと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
るように構成される第１抽出モジュールであって、前記第１数量は前記第２数量よりも大
きく、前記第２数量の近隣ノードと前記現在ノードの子ノードとは関連関係を有する、第
１抽出モジュールと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情
報に対してイントラ予測を行い、第１予測結果を得るように構成される第２処理モジュー
ルと、を備える、イントラ予測装置。
【請求項17】
前記イントラ予測装置は、符号化装置であり、前記符号化装置は、
前記第１予測結果に関連する符号化モデルを決定するように構成される第１決定モジュ
ールと、
前記符号化モデルに基づいて、前記現在ノードの子ノードの占有情報に対して符号化を
行い、コードストリームに書き込むように構成される符号化モジュールと、を更に備える
ことを特徴とする
請求項１６に記載の装置。
前記第１予測結果に関連する符号化モデルを決定するように構成される第１決定モジュ
ールと、
前記符号化モデルに基づいて、前記現在ノードの子ノードの占有情報に対して符号化を
行い、コードストリームに書き込むように構成される符号化モジュールと、を更に備える
ことを特徴とする
請求項１６に記載の装置。
【請求項18】
前記イントラ予測装置は、復号装置であり、前記復号装置は、
前記第１予測結果に関連する復号モデルを決定するように構成される第２決定モジュー
ルと、
前記復号モデルに基づいて、得たコードストリームに対して解析を行い、前記現在ノー
ドの子ノードの占有情報を得るように構成される復号モジュールと、を更に備えることを
特徴とする
請求項１６に記載の装置。
前記第１予測結果に関連する復号モデルを決定するように構成される第２決定モジュー
ルと、
前記復号モデルに基づいて、得たコードストリームに対して解析を行い、前記現在ノー
ドの子ノードの占有情報を得るように構成される復号モジュールと、を更に備えることを
特徴とする
請求項１６に記載の装置。
【請求項19】
エンコーダであって、
実行可能なイントラ予測命令を記憶するように構成される第１メモリと、
前記第１メモリに記憶されている実行可能なイントラ予測命令を実行する時、請求項１
から１４のいずれか１項に記載の方法を実現させるように構成される第１プロセッサと、
を備える、エンコーダ。
実行可能なイントラ予測命令を記憶するように構成される第１メモリと、
前記第１メモリに記憶されている実行可能なイントラ予測命令を実行する時、請求項１
から１４のいずれか１項に記載の方法を実現させるように構成される第１プロセッサと、
を備える、エンコーダ。
【請求項20】
デコーダであって、
実行可能なイントラ予測命令を記憶するように構成される第２メモリと、
前記第２メモリに記憶されている実行可能なイントラ予測命令を実行する時、請求項１
から１３及び１５のいずれか１項に記載の方法を実現させるように構成される第２プロセ
ッサと、を備える、デコーダ。
実行可能なイントラ予測命令を記憶するように構成される第２メモリと、
前記第２メモリに記憶されている実行可能なイントラ予測命令を実行する時、請求項１
から１３及び１５のいずれか１項に記載の方法を実現させるように構成される第２プロセ
ッサと、を備える、デコーダ。
【請求項21】
コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体に実行可能なイン
トラ予測命令が記憶されており、該命令は、第１プロセッサにより実行される時、請求項
１から１４のいずれか１項に記載の方法を実現させるためのものである、コンピュータ可
読記憶媒体。
トラ予測命令が記憶されており、該命令は、第１プロセッサにより実行される時、請求項
１から１４のいずれか１項に記載の方法を実現させるためのものである、コンピュータ可
読記憶媒体。
【請求項22】
コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体に実行可能なイン
トラ予測命令が記憶されており、該命令は、第１プロセッサにより実行される時、請求項
１から１３及び１５のいずれか１項に記載の方法を実現させるためのものである、コンピ
ュータ可読記憶媒体。
トラ予測命令が記憶されており、該命令は、第１プロセッサにより実行される時、請求項
１から１３及び１５のいずれか１項に記載の方法を実現させるためのものである、コンピ
ュータ可読記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本願の実施例は、通信分野における符号化復号技術に関し、特にイントラ予測方法、装
置、エンコーダ、デコーダ及び記憶媒体に関する。
置、エンコーダ、デコーダ及び記憶媒体に関する。
【背景技術】
【0002】
現在、関連技術における八分木の幾何学的情報符号化に基づくイントラ予測方案におい
て、現在ノード（即ち、符号化対象ノード）の２６個の近隣ノードの占有情報と複数の所
定の閾値を利用して計算と比較を行う。説明すべきこととして、上記予測方案を用いてイ
ントラ予測を行う時、係るルックアップテーブル（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ）が多く
、且つイントラ予測を行う時、少なくとも１６個の重み及び１０個の閾値の設定にかかわ
り、最適解を見つけにくいことによって、最適のイントラ予測の結果を得ることができな
い。これから分かるように、関連技術においてイントラ予測を行う時、計算量が大きく、
符号化復号時間が長く、イントラ予測結果が正確にならないという問題が存在する。
て、現在ノード（即ち、符号化対象ノード）の２６個の近隣ノードの占有情報と複数の所
定の閾値を利用して計算と比較を行う。説明すべきこととして、上記予測方案を用いてイ
ントラ予測を行う時、係るルックアップテーブル（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ）が多く
、且つイントラ予測を行う時、少なくとも１６個の重み及び１０個の閾値の設定にかかわ
り、最適解を見つけにくいことによって、最適のイントラ予測の結果を得ることができな
い。これから分かるように、関連技術においてイントラ予測を行う時、計算量が大きく、
符号化復号時間が長く、イントラ予測結果が正確にならないという問題が存在する。
【発明の概要】
【0003】
本願の実施例は、符号化復号処理時のイントラ予測の速度と正確度を向上させ、更に、
符号化復号の品質を向上させることができるイントラ予測方法、装置、エンコーダ、デコ
ーダ及び記憶媒体を提供する。
符号化復号の品質を向上させることができるイントラ予測方法、装置、エンコーダ、デコ
ーダ及び記憶媒体を提供する。
【0004】
本願の実施例の技術的解決手段は、以下のように実現することができる。
【0005】
第１態様によれば、本願の実施例は、イントラ予測方法を提供する。前記方法は、
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小
さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得ることと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
ることであって、前記第１数量は前記第２数量よりも大きく、前記第２数量の近隣ノード
と前記現在ノードの子ノードとは関連関係を有する、ことと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情
報に対してイントラ予測を行い、第１予測結果を得ることと、を含む。
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小
さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得ることと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
ることであって、前記第１数量は前記第２数量よりも大きく、前記第２数量の近隣ノード
と前記現在ノードの子ノードとは関連関係を有する、ことと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情
報に対してイントラ予測を行い、第１予測結果を得ることと、を含む。
【0006】
第２態様によれば、本願の実施例は、イントラ予測装置を更に提供する。前記装置は、
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小
さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るように構成され
る第１処理モジュールと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
るように構成される第１抽出モジュールであって、前記第１数量は前記第２数量よりも大
きく、前記第２数量の近隣ノードと前記現在ノードの子ノードとは関連関係を有する、第
１抽出モジュールと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情
報に対してイントラ予測を行い、第１予測結果を得るように構成される第２処理モジュー
ルと、を備える。
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小
さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るように構成され
る第１処理モジュールと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
るように構成される第１抽出モジュールであって、前記第１数量は前記第２数量よりも大
きく、前記第２数量の近隣ノードと前記現在ノードの子ノードとは関連関係を有する、第
１抽出モジュールと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情
報に対してイントラ予測を行い、第１予測結果を得るように構成される第２処理モジュー
ルと、を備える。
【0007】
第３態様によれば、本願の実施例は、エンコーダを提供する。前記エンコーダは、
実行可能なイントラ予測命令を記憶するように構成される第１メモリと、
前記第１メモリに記憶されている実行可能なイントラ予測命令を実行する時、第１態様
に記載のイントラ予測方法を実現させるように構成される第１プロセッサと、を備える。
実行可能なイントラ予測命令を記憶するように構成される第１メモリと、
前記第１メモリに記憶されている実行可能なイントラ予測命令を実行する時、第１態様
に記載のイントラ予測方法を実現させるように構成される第１プロセッサと、を備える。
【0008】
第４態様によれば、本願の実施例は、デコーダを更に提供する。前記デコーダは、
実行可能なイントラ予測命令を記憶するように構成される第２メモリと、
前記第２メモリに記憶されている実行可能なイントラ予測命令を実行する時、第１態様
に記載のイントラ予測方法を実現させるように構成される第２プロセッサと、を備える。
実行可能なイントラ予測命令を記憶するように構成される第２メモリと、
前記第２メモリに記憶されている実行可能なイントラ予測命令を実行する時、第１態様
に記載のイントラ予測方法を実現させるように構成される第２プロセッサと、を備える。
【0009】
第５態様によれば、本願の実施例は、コンピュータ可読記憶媒体を提供する。前記コン
ピュータ可読記憶媒体に実行可能なイントラ予測命令が記憶されており、該命令は、第１
プロセッサにより実行される時、第１態様に記載のイントラ予測方法を実現させるための
ものである。
ピュータ可読記憶媒体に実行可能なイントラ予測命令が記憶されており、該命令は、第１
プロセッサにより実行される時、第１態様に記載のイントラ予測方法を実現させるための
ものである。
【発明の効果】
【0010】
本願の実施例は、イントラ予測方法、装置、エンコーダ、デコーダ及び記憶媒体を提供
する。方法は、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標
階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るこ
とと、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
ることであって、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノード
の子ノードとは関連関係を有する、ことと、第２数量の近隣ノードの占有情報に基づいて
、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るこ
とと、を含む。つまり、本願の実施例において、現在ノードの子ノードの占有情報に対し
てイントラ予測を行う時、現在ノードの子ノードと関連関係を有する第２数量の近隣ノー
ドのみを考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減
させ、イントラ予測結果の正確性を向上させ、符号化復号の時間長を短縮し、符号化復号
の正確性を向上させるという目的を達する。
する。方法は、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標
階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るこ
とと、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出す
ることであって、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノード
の子ノードとは関連関係を有する、ことと、第２数量の近隣ノードの占有情報に基づいて
、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るこ
とと、を含む。つまり、本願の実施例において、現在ノードの子ノードの占有情報に対し
てイントラ予測を行う時、現在ノードの子ノードと関連関係を有する第２数量の近隣ノー
ドのみを考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減
させ、イントラ予測結果の正確性を向上させ、符号化復号の時間長を短縮し、符号化復号
の正確性を向上させるという目的を達する。
【図面の簡単な説明】
【0011】
【図1】本願の実施例による例示的な符号化フローのブロック図である。
【図2】本願の実施例による例示的なイントラ予測方法のフローチャート１である。
【図3】本願の実施例による例示的なイントラ予測方法のフローチャート２である。
【図4】本願の実施例による例示的な現在ノードの異なる子ノードに含まれるポイントクラウドの概略図である。
【図5】本願の実施例による例示的なエンコーダによるイントラ予測方法の実行のフローチャートである。
【図6】本願の実施例による例示的なデコーダによるイントラ予測方法の実行のフローチャートである。
【図7】本願の実施例による例示的な現在ノードのある子ノードに含まれるポイントクラウドの概略図である。
【図8】本願の実施例による損失圧縮におけるＢＤ－Ｒａｔｅである。
【図9】本願の実施例による無損失圧縮におけるｂｐｉｐ ｒａｔｉｏである。
【図10】本願の実施例によるイントラ予測装置の構造概略図である。
【図11】本願の実施例によるエンコーダの構造概略図である。
【図12】本願の実施例によるデコーダの構造概略図である。
【発明を実施するための形態】
【0012】
本願の実施例の目的、技術的解決手段及び利点をより明確にするために、以下、本願の
実施例における図面を参照しながら、本願の具体的な技術的解決手段を更に詳しく説明す
る。下記実施例は、本願を説明するためのものであり、本願の範囲を限定するものではな
い。
実施例における図面を参照しながら、本願の具体的な技術的解決手段を更に詳しく説明す
る。下記実施例は、本願を説明するためのものであり、本願の範囲を限定するものではな
い。
【0013】
別途定義しない限り、本明細書に用いられる全ての技術的用語及び科学的用語は、本願
が属する分野における当業者が一般的に理解する意味と同じである。本明細書に用いられ
る用語は、本願の実施例の目的を記述するためのものだけであり、本願を限定するもので
はない。
が属する分野における当業者が一般的に理解する意味と同じである。本明細書に用いられ
る用語は、本願の実施例の目的を記述するためのものだけであり、本願を限定するもので
はない。
【0014】
下記記述において、「いくつかの実施例」に係る。これは、全ての可能な実施例のサブ
集合を記述する。「いくつかの実施例」は、全ての可能な実施例の同一のサブ集合又は異
なるサブ集合であってもよく、また、矛盾しない限り、互いに組み合わせられてもよいと
理解されるべきである。
集合を記述する。「いくつかの実施例」は、全ての可能な実施例の同一のサブ集合又は異
なるサブ集合であってもよく、また、矛盾しない限り、互いに組み合わせられてもよいと
理解されるべきである。
【0015】
下記記述に係る用語「第１／第２／第３」は、類似した対象を区別するためのものであ
り、対象の特定の順番を説明するためのものではないことに留意されたい。ここで説明し
た本願の実施例をここで示した又は説明した順番以外の順番で実施可能なものにするため
に、「第１／第２／第３」は、許された場合であれば特定の順番又は前後順序を互いに取
り替えることができることは、理解されるべきである。
り、対象の特定の順番を説明するためのものではないことに留意されたい。ここで説明し
た本願の実施例をここで示した又は説明した順番以外の順番で実施可能なものにするため
に、「第１／第２／第３」は、許された場合であれば特定の順番又は前後順序を互いに取
り替えることができることは、理解されるべきである。
【0016】
本願の実施例を更に詳しく説明する前に、本願の実施例に係る名詞及び用語を説明する
。本願の実施例に係る名詞及び用語は、下記解釈に適用される。
。本願の実施例に係る名詞及び用語は、下記解釈に適用される。
【0017】
１）ポイントクラウド圧縮（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｃｏｍｐｒｅｓｓｉｏｎ：ＰＣ
Ｃ）
２）幾何学に基づくポイントクラウド圧縮（Ｇｅｏｍｅｔｒｙ－ｂａｓｅｄ Ｐｏｉｎ
ｔ Ｃｌｏｕｄ Ｃｏｍｐｒｅｓｓｉｏｎ：Ｇ－ＰＣＣ）
３）スライス／ストライプｓｌｉｃｅ
４）バウンディングボックスｂｏｕｎｄｉｎｇ ｂｏｘ
５）八分木ｏｃｔｒｅｅ
６）イントラ予測ｉｎｔｒａ ｐｒｅｄｉｃｔｉｏｎ
７）三角形スープ（ｔｒｉａｎｇｌｅ ｓｏｕｐ：ｔｒｉｓｏｕｐ）
８）コンテキストモデルに基づく自己適応的二値算術符号化（Ｃｏｎｔｅｘｔ－ｂａｓ
ｅｄ Ａｄａｐｔｉｖｅ Ｂｉｎａｒｙ Ａｒｉｔｈｍｅｔｉｃ Ｃｏｄｉｎｇ：ＣＡＢ
ＡＣ）
９）ブロックｂｌｏｃｋ
１０）交点ｖｅｒｔｅｘ
１１）赤緑青（Ｒｅｄ－Ｇｒｅｅｎ－Ｂｌｕｅ：ＲＧＢ）
１２）輝度色度（Ｌｕｍｉｎａｎｃｅ－Ｃｈｒｏｍｉｎａｎｃｅ：ＹＵＶ）
１３）詳細度（Ｌｅｖｅｌ ｏｆ Ｄｅｔａｉｌ：ＬＯＤ）
１４）領域適応階層変換（Ｒｅｇｉｏｎ Ａｄａｐｔｉｖｅ Ｈｉｅｒａｒｃｈａｌ
Ｔｒａｎｓｆｏｒｍ：ＲＡＨＴ）
１５）ルックアップテーブル（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ：ＬＵＴ）
１６）動画専門家グループ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏ
ｕｐ：ＭＰＥＧ）
１７）国際標準化機構（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｔａｎｄａｒｄｉｚａｔｉｏ
ｎ Ｏｒｇａｎｉｚａｔｉｏｎ：ＩＳＯ）
１８）国際電気標準委員会（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｌｅｃｔｒｏｔｅｃｈｎ
ｉｃａｌ Ｃｏｍｍｉｓｓｉｏｎ：ＩＥＣ）
１９）近隣ノード内の占有されたノード数量（ｎｕｍｂｅｒ ｏｆ ｏｃｃｕｐｉｅｄ
ｎｅｉｇｈｂｏｕｒｓ：Ｎｏ）
本願の実施例において、ポイントクラウドＧ－ＰＣＣエンコーダフレームワークにおい
て、三次元画像モデルに入力されるポイントクラウドに対してｓｌｉｃｅ分割を行った後
、各ｓｌｉｃｅに対して独立して符号化を行う。
Ｃ）
２）幾何学に基づくポイントクラウド圧縮（Ｇｅｏｍｅｔｒｙ－ｂａｓｅｄ Ｐｏｉｎ
ｔ Ｃｌｏｕｄ Ｃｏｍｐｒｅｓｓｉｏｎ：Ｇ－ＰＣＣ）
３）スライス／ストライプｓｌｉｃｅ
４）バウンディングボックスｂｏｕｎｄｉｎｇ ｂｏｘ
５）八分木ｏｃｔｒｅｅ
６）イントラ予測ｉｎｔｒａ ｐｒｅｄｉｃｔｉｏｎ
７）三角形スープ（ｔｒｉａｎｇｌｅ ｓｏｕｐ：ｔｒｉｓｏｕｐ）
８）コンテキストモデルに基づく自己適応的二値算術符号化（Ｃｏｎｔｅｘｔ－ｂａｓ
ｅｄ Ａｄａｐｔｉｖｅ Ｂｉｎａｒｙ Ａｒｉｔｈｍｅｔｉｃ Ｃｏｄｉｎｇ：ＣＡＢ
ＡＣ）
９）ブロックｂｌｏｃｋ
１０）交点ｖｅｒｔｅｘ
１１）赤緑青（Ｒｅｄ－Ｇｒｅｅｎ－Ｂｌｕｅ：ＲＧＢ）
１２）輝度色度（Ｌｕｍｉｎａｎｃｅ－Ｃｈｒｏｍｉｎａｎｃｅ：ＹＵＶ）
１３）詳細度（Ｌｅｖｅｌ ｏｆ Ｄｅｔａｉｌ：ＬＯＤ）
１４）領域適応階層変換（Ｒｅｇｉｏｎ Ａｄａｐｔｉｖｅ Ｈｉｅｒａｒｃｈａｌ
Ｔｒａｎｓｆｏｒｍ：ＲＡＨＴ）
１５）ルックアップテーブル（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ：ＬＵＴ）
１６）動画専門家グループ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏ
ｕｐ：ＭＰＥＧ）
１７）国際標準化機構（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｔａｎｄａｒｄｉｚａｔｉｏ
ｎ Ｏｒｇａｎｉｚａｔｉｏｎ：ＩＳＯ）
１８）国際電気標準委員会（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｌｅｃｔｒｏｔｅｃｈｎ
ｉｃａｌ Ｃｏｍｍｉｓｓｉｏｎ：ＩＥＣ）
１９）近隣ノード内の占有されたノード数量（ｎｕｍｂｅｒ ｏｆ ｏｃｃｕｐｉｅｄ
ｎｅｉｇｈｂｏｕｒｓ：Ｎｏ）
本願の実施例において、ポイントクラウドＧ－ＰＣＣエンコーダフレームワークにおい
て、三次元画像モデルに入力されるポイントクラウドに対してｓｌｉｃｅ分割を行った後
、各ｓｌｉｃｅに対して独立して符号化を行う。
【0018】
図１に示すＧ－ＰＣＣ符号化のフローのブロック図において、入力ポイントクラウドに
対してｓｌｉｃｅ分割を行った後、各ｓｌｉｃｅに対して独立して符号化を行う。各ｓｌ
ｉｃｅにおいて、ポイントクラウドの幾何学的情報と各ポイントに対応する属性情報は、
別々に符号化される。まず、幾何学的情報に対して座標変換を行い、ポイントクラウドを
全て１つのｂｏｕｎｄｉｎｇ ｂｏｘに含ませる。続いて、量子化を行う。この量子化は
、主に、スケーリングの役割を果たす。量子化の端数処理で、一部のポイントの幾何学的
情報が同じになり、パラメータに基づいて、重複ポイントを除去するかどうかを決定する
。量子化と重複ポイントの除去プロセスは、ボクセル化とも呼ばれる。続いて、ｂｏｕｎ
ｄｉｎｇ ｂｏｘに対して、ｏｃｔｒｅｅに基づく分割を行う。八分木分割階層の深さに
よって、幾何学的情報の符号化は、八分木に基づくフレームワークとｔｒｉｓｏｕｐに基
づくフレームワークという２つのフレームワークに分けられる。
対してｓｌｉｃｅ分割を行った後、各ｓｌｉｃｅに対して独立して符号化を行う。各ｓｌ
ｉｃｅにおいて、ポイントクラウドの幾何学的情報と各ポイントに対応する属性情報は、
別々に符号化される。まず、幾何学的情報に対して座標変換を行い、ポイントクラウドを
全て１つのｂｏｕｎｄｉｎｇ ｂｏｘに含ませる。続いて、量子化を行う。この量子化は
、主に、スケーリングの役割を果たす。量子化の端数処理で、一部のポイントの幾何学的
情報が同じになり、パラメータに基づいて、重複ポイントを除去するかどうかを決定する
。量子化と重複ポイントの除去プロセスは、ボクセル化とも呼ばれる。続いて、ｂｏｕｎ
ｄｉｎｇ ｂｏｘに対して、ｏｃｔｒｅｅに基づく分割を行う。八分木分割階層の深さに
よって、幾何学的情報の符号化は、八分木に基づくフレームワークとｔｒｉｓｏｕｐに基
づくフレームワークという２つのフレームワークに分けられる。
【0019】
八分木に基づく幾何学的情報符号化フレームワークにおいて、バウンディングボックス
を８個のサブ立方体に八等分し、各立方体の占有情報（１は、空きではないことを表し、
０は、空きであることを表す）を記録し、空きではないサブ立方体に対して引き続き八等
分を行い、得られるリーフノードが１ｘ１ｘ１の単位立方体となる時に分割を停止する。
このプロセスにおいて、ノードと周辺ノードとの空間的相関性を利用して、占有情報に対
してｉｎｔｒａ ｐｒｅｄｉｃｔｉｏｎを行い、最後にＣＡＢＡＣを行い、バイナリコー
ドストリームを生成する。
を８個のサブ立方体に八等分し、各立方体の占有情報（１は、空きではないことを表し、
０は、空きであることを表す）を記録し、空きではないサブ立方体に対して引き続き八等
分を行い、得られるリーフノードが１ｘ１ｘ１の単位立方体となる時に分割を停止する。
このプロセスにおいて、ノードと周辺ノードとの空間的相関性を利用して、占有情報に対
してｉｎｔｒａ ｐｒｅｄｉｃｔｉｏｎを行い、最後にＣＡＢＡＣを行い、バイナリコー
ドストリームを生成する。
【0020】
ｔｒｉｓｏｕｐに基づく幾何学的情報符号化フレームワークにおいて、同様に、まず、
八分木分割を行うが、八分木に基づく幾何学的情報符号化と異なっており、該方法におい
て、ポイントクラウドを辺長が１ｘ１ｘ１である単位立方体に段階的に分割する必要がな
く、ｂｌｏｃｋ辺長がＷとなる時に分割を停止し、各ｂｌｏｃｋにおけるポイントクラウ
ドの分布によって形成される表面に基づいて、該表面とｂｌｏｃｋの１２本の辺によって
生成される多くとも１２個のｖｅｒｔｅｘを得る。各ｂｌｏｃｋのｖｅｒｔｅｘ座標を順
に符号化し、バイナリコードストリームを生成する。
八分木分割を行うが、八分木に基づく幾何学的情報符号化と異なっており、該方法におい
て、ポイントクラウドを辺長が１ｘ１ｘ１である単位立方体に段階的に分割する必要がな
く、ｂｌｏｃｋ辺長がＷとなる時に分割を停止し、各ｂｌｏｃｋにおけるポイントクラウ
ドの分布によって形成される表面に基づいて、該表面とｂｌｏｃｋの１２本の辺によって
生成される多くとも１２個のｖｅｒｔｅｘを得る。各ｂｌｏｃｋのｖｅｒｔｅｘ座標を順
に符号化し、バイナリコードストリームを生成する。
【0021】
幾何学的符号化を遂行した後、幾何学的情報に対して再構築を行う。現在、属性符号化
は、主に、色情報に対して行われる。まず、色情報をＲＧＢ色空間からＹＵＶ色空間に変
換する。続いて、再構築した幾何学的情報を利用してポイントクラウドに対して再着色を
行い、符号化されていない属性情報と再構築した幾何学的情報を対応付ける。色情報符号
化において、主に２つの変換方法がある。１つ目は、ＬＯＤ分割に依存する、距離に基づ
く向上変換であり、２つ目は、直接的にＲＡＨＴ変換を行うことである。これら２つの方
法において、いずれも、色情報を空間領域から周波数領域に変換し、変換により高周波数
係数と低周波数係数を得て、最後に係数に対して量子化と符号化を行い、バイナリコード
ストリームを生成する。
は、主に、色情報に対して行われる。まず、色情報をＲＧＢ色空間からＹＵＶ色空間に変
換する。続いて、再構築した幾何学的情報を利用してポイントクラウドに対して再着色を
行い、符号化されていない属性情報と再構築した幾何学的情報を対応付ける。色情報符号
化において、主に２つの変換方法がある。１つ目は、ＬＯＤ分割に依存する、距離に基づ
く向上変換であり、２つ目は、直接的にＲＡＨＴ変換を行うことである。これら２つの方
法において、いずれも、色情報を空間領域から周波数領域に変換し、変換により高周波数
係数と低周波数係数を得て、最後に係数に対して量子化と符号化を行い、バイナリコード
ストリームを生成する。
【0022】
ここで、八分木に基づく幾何学的情報符号化のイントラ予測に対して説明する。
【0023】
現在ノードの２６個の近隣ノードの占有情報に基づいて、現在ノード（即ち、符号化対
象ノード）の子ノードが占有されているかどうかに対して予測を行う。これは、イントラ
予測であり、イントラ予測の実施に関する説明は、以下のとおりである。
象ノード）の子ノードが占有されているかどうかに対して予測を行う。これは、イントラ
予測であり、イントラ予測の実施に関する説明は、以下のとおりである。
【0024】
まず、八分木分割の現在階層が所定の層数Ｌよりも小さい時、イントラ予測をイネーブ
ルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするためのモートン３
Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
ルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするためのモートン３
Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0025】
【0026】
【0027】
【0028】
【0029】
【0030】
最後に、０又は１で表される「予測するかどうか」と「予測値」を出力し、後続の占有
情報に対するエントロピー符号化に用いる。１、１は、「占有している」を表し、１、０
は、「占有していない」を表し、０、０は、「予測しない」を表す。
情報に対するエントロピー符号化に用いる。１、１は、「占有している」を表し、１、０
は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0031】
【0032】
【0033】
本願の実施例は、イントラ予測方法を提供する。図２に示すように、該方法は、以下の
ステップを含む。
ステップを含む。
【0034】
ステップ１０１において、入力ポイントクラウドに対して分割を行った後に得られた現
在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有
情報を得る。
在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有
情報を得る。
【0035】
本願の実施例において、エンコーダ又はデコーダは、ステップ１０１－ステップ１０３
を実行し、現在ノード（即ち、符号化対象ノード）の子ノードの占有情報に対するイント
ラ予測の第１予測結果を得ることができる。
を実行し、現在ノード（即ち、符号化対象ノード）の子ノードの占有情報に対するイント
ラ予測の第１予測結果を得ることができる。
【0036】
ここで、エンコーダがステップ１０１－ステップ１０３を実行することを例として、該
エンコーダは、三次元ポイントクラウドエンコーダ、例えばＧ－ＰＣＣエンコーダを含む
。Ｇ－ＰＣＣエンコーダは、入力ポイントクラウドに対してｓｌｉｃｅ分割を行った後、
各ｓｌｉｃｅに対して独立して符号化を行う。ここで、エンコーダは、入力ポイントクラ
ウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、
現在ノードの第１数量の近隣ノードの占有情報を得る。いくつかの実施例において、エン
コーダは、ｏｃｔｒｅｅに基づいて、入力ポイントクラウドに対して分割を行うことがで
きる。
エンコーダは、三次元ポイントクラウドエンコーダ、例えばＧ－ＰＣＣエンコーダを含む
。Ｇ－ＰＣＣエンコーダは、入力ポイントクラウドに対してｓｌｉｃｅ分割を行った後、
各ｓｌｉｃｅに対して独立して符号化を行う。ここで、エンコーダは、入力ポイントクラ
ウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、
現在ノードの第１数量の近隣ノードの占有情報を得る。いくつかの実施例において、エン
コーダは、ｏｃｔｒｅｅに基づいて、入力ポイントクラウドに対して分割を行うことがで
きる。
【0037】
ステップ１０２において、第１数量の近隣ノードの占有情報から、第２数量の近隣ノー
ドの占有情報を抽出する。
ドの占有情報を抽出する。
【0038】
第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは
関連関係を有する。
関連関係を有する。
【0039】
本願の実施例において、エンコーダは、現在ノードの第１数量の近隣ノードの占有情報
を得た後、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽
出する。説明すべきこととして、第２数量の近隣ノードと現在ノードの子ノードとは関連
関係を有する。つまり、現在ノードの第１数量の近隣ノードの占有情報を得た後、まず、
現在ノードの第１数量の近隣ノードの占有情報に対してスクリーニングを行い、現在ノー
ドの子ノードに対して一定の影響を及ぼす近隣ノードの占有情報を決定し、選び出した占
有情報を現在ノードの子ノードの占有情報に対してイントラ予測する参照要因とする。こ
のように、全ての第１数量の近隣ノードの占有情報を考慮することによる計算量を減少さ
せ、符号化の時間長の短縮、符号化効率の向上、及び符号化の正確性の向上のための基礎
を築いた。
を得た後、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽
出する。説明すべきこととして、第２数量の近隣ノードと現在ノードの子ノードとは関連
関係を有する。つまり、現在ノードの第１数量の近隣ノードの占有情報を得た後、まず、
現在ノードの第１数量の近隣ノードの占有情報に対してスクリーニングを行い、現在ノー
ドの子ノードに対して一定の影響を及ぼす近隣ノードの占有情報を決定し、選び出した占
有情報を現在ノードの子ノードの占有情報に対してイントラ予測する参照要因とする。こ
のように、全ての第１数量の近隣ノードの占有情報を考慮することによる計算量を減少さ
せ、符号化の時間長の短縮、符号化効率の向上、及び符号化の正確性の向上のための基礎
を築いた。
【0040】
ステップ１０３において、第２数量の近隣ノードの占有情報に基づいて、現在ノードの
子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。
子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。
【0041】
本願の実施例において、エンコーダは、第２数量の近隣ノードの占有情報を選び出した
後、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対
してイントラ予測を行い、第１予測結果を得る。
後、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対
してイントラ予測を行い、第１予測結果を得る。
【0042】
本願の実施例によるイントラ予測方法において、入力ポイントクラウドに対して分割を
行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数
量の近隣ノードの占有情報を得て、第１数量の近隣ノードの占有情報から、第２数量の近
隣ノードの占有情報を抽出し、第１数量は第２数量よりも大きく、第２数量の近隣ノード
と現在ノードの子ノードとは関連関係を有し、第２数量の近隣ノードの占有情報に基づい
て、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る
。つまり、本願の実施例において、現在ノードの子ノードの占有情報に対してイントラ予
測を行う時、現在ノードの子ノードと関連関係を有する第２数量の近隣ノードのみを考慮
することによって、ルックアップテーブルを減少させ、計算の複雑さを低減させ、イント
ラ予測結果の正確性を向上させ、符号化復号の時間長を短縮し、符号化復号の正確性を向
上させるという目的を達する。
行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数
量の近隣ノードの占有情報を得て、第１数量の近隣ノードの占有情報から、第２数量の近
隣ノードの占有情報を抽出し、第１数量は第２数量よりも大きく、第２数量の近隣ノード
と現在ノードの子ノードとは関連関係を有し、第２数量の近隣ノードの占有情報に基づい
て、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る
。つまり、本願の実施例において、現在ノードの子ノードの占有情報に対してイントラ予
測を行う時、現在ノードの子ノードと関連関係を有する第２数量の近隣ノードのみを考慮
することによって、ルックアップテーブルを減少させ、計算の複雑さを低減させ、イント
ラ予測結果の正確性を向上させ、符号化復号の時間長を短縮し、符号化復号の正確性を向
上させるという目的を達する。
【0043】
本願の実施例は、イントラ予測方法を提供する。図３に示すように、説明すべきことと
して、イントラ予測方法がエンコーダに適用される時、該方法は、ステップ２０１－ステ
ップ２０６を含み、イントラ予測方法がデコーダに適用される時、該方法は、ステップ２
０１－ステップ２０４及びステップ２０７－ステップ２０８を含む。
して、イントラ予測方法がエンコーダに適用される時、該方法は、ステップ２０１－ステ
ップ２０６を含み、イントラ予測方法がデコーダに適用される時、該方法は、ステップ２
０１－ステップ２０４及びステップ２０７－ステップ２０８を含む。
【0044】
いくつかの実施例において、エンコーダは、三次元ポイントクラウドエンコーダを含み
、デコーダは、三次元ポイントクラウドデコーダを含む。
、デコーダは、三次元ポイントクラウドデコーダを含む。
【0045】
ステップ２０１において、入力ポイントクラウドに対して分割を行った後に得られた現
在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有
情報を得る。
在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有
情報を得る。
【0046】
【0047】
ステップ２０２において、第１数量の近隣ノードの占有情報から、第２数量の近隣ノー
ドの占有情報を抽出する。
ドの占有情報を抽出する。
【0048】
第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは
関連関係を有する。ここで、関連関係は、第２数量の近隣ノードと現在ノードの子ノード
とが、面、辺又は頂点を共有することを含む。
関連関係を有する。ここで、関連関係は、第２数量の近隣ノードと現在ノードの子ノード
とが、面、辺又は頂点を共有することを含む。
【0049】
本願の実施例において、第２数量の近隣ノードは、現在ノードの子ノードとが面、辺又
は頂点を共有する近隣ノードを含む。それにより、第１数量の近隣ノードのうち、現在ノ
ードのある子ノードに対して殆ど影響を及ぼさないか又は極めて小さい影響を及ぼす近隣
ノードを除く。このように、計算量を減少させると同時に、符号化復号の時間長を効果的
に短縮し、且つ符号化復号の正確性を確保する。
は頂点を共有する近隣ノードを含む。それにより、第１数量の近隣ノードのうち、現在ノ
ードのある子ノードに対して殆ど影響を及ぼさないか又は極めて小さい影響を及ぼす近隣
ノードを除く。このように、計算量を減少させると同時に、符号化復号の時間長を効果的
に短縮し、且つ符号化復号の正確性を確保する。
【0050】
ステップ２０３において、第２数量の近隣ノードの占有情報に基づいて、子ノードの第
２数量の近隣ノードに対応する占有数量を決定する。
２数量の近隣ノードに対応する占有数量を決定する。
【0051】
【0052】
【0053】
【0054】
ステップ２０４において、占有数量に基づいて、現在ノードの占有情報に対してイント
ラ予測を行い、第１予測結果を得る。
ラ予測を行い、第１予測結果を得る。
【0055】
第１予測結果は、予測を行うかどうかの予測パラメータ及び予測の場合の予測値パラメ
ータを指示するためのものである。
ータを指示するためのものである。
【0056】
本願の実施例において、占有数量に基づいて、現在ノードの占有情報に対してイントラ
予測を行い、第１予測結果を得るステップ２０４は、以下のステップにより実現してもよ
い。
予測を行い、第１予測結果を得るステップ２０４は、以下のステップにより実現してもよ
い。
【0057】
ステップ２０４ａにおいて、第２数量に関連する第３数量を得る。
【0058】
いくつかの実施例において、第３数量は、第２数量の半分に等しくてもよい。無論、本
願の他の実施例において、実際の状況に応じて、第２数量に基づいて、第３数量を柔軟に
決定してもよい。
願の他の実施例において、実際の状況に応じて、第２数量に基づいて、第３数量を柔軟に
決定してもよい。
【0059】
例示的に、子ノードｍの７近隣ノードを考慮する場合、第３数量は、４であってもよい
。
。
【0060】
ステップ２０４ｂにおいて、占有数量と第３数量に基づいて、現在ノードの占有情報に
対してイントラ予測を行い、第１予測結果を得る。
対してイントラ予測を行い、第１予測結果を得る。
【0061】
本願のいくつかの実施例において、占有数量と第３数量に基づいて、現在ノードの占有
情報に対してイントラ予測を行い、第１予測結果を得るステップ２０４ｂは、以下のステ
ップ２０４ｂ１を含む。
情報に対してイントラ予測を行い、第１予測結果を得るステップ２０４ｂは、以下のステ
ップ２０４ｂ１を含む。
【0062】
ステップ２０４ｂ１において、占有数量と第３数量が異なると決定した時、占有数量、
第１閾値、第２閾値に基づいて、現在ノードの占有情報に対してイントラ予測を行い、第
１予測結果を得る。
第１閾値、第２閾値に基づいて、現在ノードの占有情報に対してイントラ予測を行い、第
１予測結果を得る。
【0063】
【0064】
更に、占有数量と第３数量が異なると決定した時、実現可能な場面において、ステップ
２０４ｂ１において、占有数量、第１閾値、第２閾値に基づいて、現在ノードの占有情報
に対してイントラ予測を行い、第１予測結果を得ることは、以下のステップを含んでもよ
い。
２０４ｂ１において、占有数量、第１閾値、第２閾値に基づいて、現在ノードの占有情報
に対してイントラ予測を行い、第１予測結果を得ることは、以下のステップを含んでもよ
い。
【0065】
Ｓｔｅｐ１１において、占有数量と第１閾値を比較する。
【0066】
Ｓｔｅｐ１２において、占有数量が第１閾値以下であると決定した時、現在ノードの子
ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウ
ドが含まれない第１予測結果を得る。
ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウ
ドが含まれない第１予測結果を得る。
【0067】
更に、占有数量と第３数量が異なると決定した時、別の実現可能な場面において、占有
数量、第１閾値、第２閾値に基づいて、現在ノードの占有情報に対してイントラ予測を行
い、第１予測結果を得ることは、以下のステップを含んでもよい。
数量、第１閾値、第２閾値に基づいて、現在ノードの占有情報に対してイントラ予測を行
い、第１予測結果を得ることは、以下のステップを含んでもよい。
【0068】
Ｓｔｅｐ２１において、占有数量と第１閾値を比較する。
【0069】
Ｓｔｅｐ２２において、占有数量が第２閾値以上であると決定した時、現在ノードの子
ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウ
ドが含まれる第１予測結果を得る。
ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウ
ドが含まれる第１予測結果を得る。
【0070】
本願のまた１つの実現可能な場面において、占有数量と第１閾値を比較し、占有数量が
第１閾値よりも大きく且つ第２閾値よりも小さいと決定した時、現在ノードの子ノードの
占有情報に対してイントラ予測を行わない第２予測結果を得る。
第１閾値よりも大きく且つ第２閾値よりも小さいと決定した時、現在ノードの子ノードの
占有情報に対してイントラ予測を行わない第２予測結果を得る。
【0071】
本願の他の実施例において、占有数量と第３数量に基づいて、現在ノードの占有情報に
対してイントラ予測を行い、第１予測結果を得るステップ２０４ｂは、以下のステップ２
０４ｂ２を含む。
対してイントラ予測を行い、第１予測結果を得るステップ２０４ｂは、以下のステップ２
０４ｂ２を含む。
【0072】
ステップ２０４ｂ２において、占有数量と第３数量が同じであると決定した時、占有数
量、第３閾値、第４閾値に基づいて、現在ノードの占有情報に対してイントラ予測を行い
、第１予測結果を得る。
量、第３閾値、第４閾値に基づいて、現在ノードの占有情報に対してイントラ予測を行い
、第１予測結果を得る。
【0073】
本願の実施例において、占有数量と第３数量が同じであると決定した時、占有数量、第
３閾値、第４閾値に基づいて、現在ノードの占有情報に対してイントラ予測を行い、第１
予測結果を得るステップ２０４ｂ２は、以下のステップ２０４ｂ２１～ステップ２０４ｂ
２３を含んでもよい。
３閾値、第４閾値に基づいて、現在ノードの占有情報に対してイントラ予測を行い、第１
予測結果を得るステップ２０４ｂ２は、以下のステップ２０４ｂ２１～ステップ２０４ｂ
２３を含んでもよい。
【0074】
ステップ２０４ｂ２１において、占有数量と第３数量が同じであると決定した時、子ノ
ードの第２数量の近隣ノードから子ノードまでの距離に基づいて、第２数量の近隣ノード
の占有情報の重みを設定する。
ードの第２数量の近隣ノードから子ノードまでの距離に基づいて、第２数量の近隣ノード
の占有情報の重みを設定する。
【0075】
ステップ２０４ｂ２２において、第２数量の近隣ノードの占有情報、及び第２数量の近
隣ノードの占有情報に対応する重みに基づいて、子ノードの目標パラメータを決定する。
隣ノードの占有情報に対応する重みに基づいて、子ノードの目標パラメータを決定する。
【0076】
ステップ２０４ｂ２３において、目標パラメータ、第３閾値、第４閾値に基づいて、第
１予測結果を決定する。
１予測結果を決定する。
【0077】
更に、実現可能な場面において、目標パラメータ、第３閾値、第４閾値に基づいて、第
１予測結果を決定するステップ２０４ｂ２３は、目標パラメータが第３閾値以下であると
決定した時、現在ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノード
にポイントクラウドが含まれない第１予測結果を得るステップを含んでもよい。
１予測結果を決定するステップ２０４ｂ２３は、目標パラメータが第３閾値以下であると
決定した時、現在ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノード
にポイントクラウドが含まれない第１予測結果を得るステップを含んでもよい。
【0078】
【0079】
【0080】
例示的に、図４における（Ａ）から（Ｈ）で、それぞれ現在ノードの異なる子ノードに
対応する占有状況を表し、即ち、現在ノードの異なる子ノードの占有情報を表す。
対応する占有状況を表し、即ち、現在ノードの異なる子ノードの占有情報を表す。
【0081】
【0082】
本願の実施例において、例示的に、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,
13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{1
3,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{
1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,
13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{1
3,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{
1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
【0083】
【0084】
更に、別の実現可能な場面において、目標パラメータ、第３閾値、第４閾値に基づいて
、第１予測結果を決定するステップ２０４ｂ２３は、目標パラメータが第４閾値以上であ
ると決定した時、現在ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノ
ードにポイントクラウドが含まれる第１予測結果を得るステップを含んでもよい。
、第１予測結果を決定するステップ２０４ｂ２３は、目標パラメータが第４閾値以上であ
ると決定した時、現在ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノ
ードにポイントクラウドが含まれる第１予測結果を得るステップを含んでもよい。
【0085】
更に、また１つの実現可能な場面において、目標パラメータ、第３閾値、第４閾値に基
づいて、第１予測結果を決定するステップ２０４ｂ２３は、目標パラメータが第３閾値よ
りも大きく且つ第４閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に
対してイントラ予測を行わない第２予測結果を得るステップを含んでもよい。
づいて、第１予測結果を決定するステップ２０４ｂ２３は、目標パラメータが第３閾値よ
りも大きく且つ第４閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に
対してイントラ予測を行わない第２予測結果を得るステップを含んでもよい。
【0086】
ステップ２０５において、第１予測結果に関連する符号化モデルを決定する。
【0087】
本願の実施例において、エンコーダは、第１予測結果を得た後、第１予測結果に関連す
る符号化モデルを決定する。
る符号化モデルを決定する。
【0088】
ステップ２０６において、符号化モデルに基づいて、現在ノードの子ノードの占有情報
に対して符号化を行い、コードストリームに書き込む。
に対して符号化を行い、コードストリームに書き込む。
【0089】
本願の実施例において、エンコーダは、符号化モデルに基づいて、現在ノードの子ノー
ドの占有情報に対して符号化を行い、コードストリームに書き込む。
ドの占有情報に対して符号化を行い、コードストリームに書き込む。
【0090】
ステップ２０７において、第１予測結果に関連する復号モデルを決定する。
【0091】
本願の実施例において、エンコーダは、第１予測結果を得た後、第１予測結果に関連す
る復号モデルを決定する。
る復号モデルを決定する。
【0092】
ステップ２０８において、復号モデルに基づいて、得たコードストリームに対して解析
を行い、現在ノードの子ノードの占有情報を得る。
を行い、現在ノードの子ノードの占有情報を得る。
【0093】
本願の実施例において、エンコーダは、復号モデルに基づいて、得たコードストリーム
に対して解析を行い、現在ノードの子ノードの占有情報を得る。
に対して解析を行い、現在ノードの子ノードの占有情報を得る。
【0094】
実現可能な場面において、図５に示すように、イントラ予測方法がエンコーダに適用さ
れることを例として、エンコーダは、現在ノードのある子ノードに対して予測を行う時、
それと面、辺、頂点を共有する７個の近隣親ノードによる影響のみを考慮する。更に、重
みの計算及び閾値の設定に基づいて、予測結果を３種類に分ける。エンコーダによるイン
トラ予測方法の実行のステップは、以下のとおりである。
れることを例として、エンコーダは、現在ノードのある子ノードに対して予測を行う時、
それと面、辺、頂点を共有する７個の近隣親ノードによる影響のみを考慮する。更に、重
みの計算及び閾値の設定に基づいて、予測結果を３種類に分ける。エンコーダによるイン
トラ予測方法の実行のステップは、以下のとおりである。
【0095】
ステップ１において、八分木分割の現在階層Ｌが所定の層数よりも小さい時、イントラ
予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするた
めのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするた
めのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0096】
【0097】
【0098】
【0099】
【0100】
【0101】
【0102】
【0103】
ステップ５において、０又は１で表される「予測するかどうか」と「予測値」を出力し
、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を
表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を
表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0104】
【0105】
例示的に、いくつかの実施例において、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,
13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{1
3,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{
1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,
13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{1
3,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{
1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
【0106】
【0107】
更に、エンコーダは、前記第１予測結果に関連する符号化モデルを決定し、前記符号化
モデルに基づいて、前記現在ノードの子ノードの占有情報に対して符号化を行い、コード
ストリームに書き込む。
モデルに基づいて、前記現在ノードの子ノードの占有情報に対して符号化を行い、コード
ストリームに書き込む。
【0108】
実現可能なシーンにおいて、図６に示すように、イントラ予測方法がデコーダに適用さ
れることを例として、デコーダは、現在ノードのある子ノードに対して予測を行う時、そ
れと面、辺、頂点を共有する７個の近隣親ノードによる影響のみを考慮する。更に、重み
の計算及び閾値の設定に基づいて、予測結果を３種類に分ける。デコーダによるイントラ
予測方法の実行のステップは、以下のとおりである。
れることを例として、デコーダは、現在ノードのある子ノードに対して予測を行う時、そ
れと面、辺、頂点を共有する７個の近隣親ノードによる影響のみを考慮する。更に、重み
の計算及び閾値の設定に基づいて、予測結果を３種類に分ける。デコーダによるイントラ
予測方法の実行のステップは、以下のとおりである。
【0109】
ステップ１において、八分木分割の現在階層Ｌが所定の層数よりも小さい時、イントラ
予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするた
めのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするた
めのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0110】
【0111】
【0112】
【0113】
【0114】
【0115】
【0116】
【0117】
ステップ５において、０又は１で表される「予測するかどうか」と「予測値」を出力し
、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を
表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を
表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0118】
更に、デコーダは、前記第１予測結果に関連する復号モデルを決定し、前記復号モデル
に基づいて、得たコードストリームに対して解析を行い、前記現在ノードの子ノードの占
有情報を得る。
に基づいて、得たコードストリームに対して解析を行い、前記現在ノードの子ノードの占
有情報を得る。
【0119】
【0120】
例示的に、いくつかの実施例において、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,
13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{1
3,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{
1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,
13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{1
3,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{
1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
【0121】
【0122】
別の実現可能な場面において、イントラ予測方法がエンコーダに適用されることを例と
して、上記イントラ予測方案に対して更なる簡略化を行うことによって、イントラ予測の
計算量を更に減少させることができる。エンコーダによるイントラ予測方法の実行のステ
ップは、以下のとおりである。
して、上記イントラ予測方案に対して更なる簡略化を行うことによって、イントラ予測の
計算量を更に減少させることができる。エンコーダによるイントラ予測方法の実行のステ
ップは、以下のとおりである。
【0123】
【0124】
ステップ１において、八分木分割の現在階層Ｌが所定の層数よりも小さい時、イントラ
予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするた
めのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするた
めのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0125】
【0126】
【0127】
【0128】
【0129】
ステップ５において、０又は１で表される「予測するかどうか」と「予測値」を出力し
、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を
表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を
表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0130】
【0131】
【0132】
ステップ１において、八分木分割の現在階層Ｌが所定の層数よりも小さい時、イントラ
予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするた
めのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするた
めのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0133】
【0134】
【0135】
【0136】
【0137】
ステップ５において、０又は１で表される「予測するかどうか」と「予測値」を出力し
、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を
表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を
表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0138】
【0139】
本願によるイントラ予測方法によれば、図８に示すように、表１は、損失圧縮の場合、
関連技術におけるポイントクラウド圧縮に基づく方案に比べて、同じ符号化品質の場合、
コードレートを何パーセント節約できるかを表す。ここで、試験シーケンスは、１３種の
ケースを含む。表１から分かるように、本願によるイントラ予測方法は、各試験シーケン
スに対して処理を行い、いずれも、コードストリームを節約することができる。図９に示
すように、表２は、無損失圧縮の場合、圧縮後のコードストリームを表す。表２から分か
るように、圧縮後のコードストリームは、いずれも１００％よりも小さく、関連技術にお
ける一部のコードレートのみにより、コードストリームを得ることができる。
関連技術におけるポイントクラウド圧縮に基づく方案に比べて、同じ符号化品質の場合、
コードレートを何パーセント節約できるかを表す。ここで、試験シーケンスは、１３種の
ケースを含む。表１から分かるように、本願によるイントラ予測方法は、各試験シーケン
スに対して処理を行い、いずれも、コードストリームを節約することができる。図９に示
すように、表２は、無損失圧縮の場合、圧縮後のコードストリームを表す。表２から分か
るように、圧縮後のコードストリームは、いずれも１００％よりも小さく、関連技術にお
ける一部のコードレートのみにより、コードストリームを得ることができる。
【0140】
本願の実施例は、以下の有益な効果を得ることができる。２６個の近隣ノードのうち、
符号化復号済みノードの子ノードの占有情報に基づいて、現在ノードのある子ノードに対
して予測を行う時、それと面、辺、頂点を共有する７個の近隣親ノードによる影響のみを
考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減するとい
う効果を達する。それと同時に、簡単な重みと閾値の設定により、最適解が見つけられや
すく、最適な重みと閾値の設定では、本技術は、コードレートが低下し、且つＰＳＮＲが
不変のままであるという効果を達する。それと同時に、ポイントクラウドの空間的相関性
をより簡単かつ正確に利用することで、八分木に基づく幾何学的情報符号化のイントラ予
測結果をＣＡＢＡＣにおける確率モデルの構築に更に適させ、それによりバイナリコード
ストリームを低減させる。
符号化復号済みノードの子ノードの占有情報に基づいて、現在ノードのある子ノードに対
して予測を行う時、それと面、辺、頂点を共有する７個の近隣親ノードによる影響のみを
考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減するとい
う効果を達する。それと同時に、簡単な重みと閾値の設定により、最適解が見つけられや
すく、最適な重みと閾値の設定では、本技術は、コードレートが低下し、且つＰＳＮＲが
不変のままであるという効果を達する。それと同時に、ポイントクラウドの空間的相関性
をより簡単かつ正確に利用することで、八分木に基づく幾何学的情報符号化のイントラ予
測結果をＣＡＢＡＣにおける確率モデルの構築に更に適させ、それによりバイナリコード
ストリームを低減させる。
【0141】
図１０は、本願の実施例によるイントラ予測装置の構造概略図である。図１０に示すよ
うに、イントラ予測装置３００は、第１処理モジュール３０１と、第１抽出モジュール３
０２と、第２処理モジュール３０３と、を備え、
第１処理モジュール３０１は、入力ポイントクラウドに対して分割を行った後に得られ
た現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの
占有情報を得るように構成され、
第１抽出モジュール３０２は、第１数量の近隣ノードの占有情報から、第２数量の近隣
ノードの占有情報を抽出するように構成され、第１数量は第２数量よりも大きく、第２数
量の近隣ノードと現在ノードの子ノードとは関連関係を有し、
第２処理モジュール３０３は、第２数量の近隣ノードの占有情報に基づいて、現在ノー
ドの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成さ
れる。
うに、イントラ予測装置３００は、第１処理モジュール３０１と、第１抽出モジュール３
０２と、第２処理モジュール３０３と、を備え、
第１処理モジュール３０１は、入力ポイントクラウドに対して分割を行った後に得られ
た現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの
占有情報を得るように構成され、
第１抽出モジュール３０２は、第１数量の近隣ノードの占有情報から、第２数量の近隣
ノードの占有情報を抽出するように構成され、第１数量は第２数量よりも大きく、第２数
量の近隣ノードと現在ノードの子ノードとは関連関係を有し、
第２処理モジュール３０３は、第２数量の近隣ノードの占有情報に基づいて、現在ノー
ドの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成さ
れる。
【0142】
他の実施例において、関連関係は、第２数量の近隣ノードと現在ノードの子ノードとが
、面、辺又は頂点を共有することを含む。
、面、辺又は頂点を共有することを含む。
【0143】
他の実施例において、第２処理モジュール３０３は、第２数量の近隣ノードの占有情報
に基づいて、子ノードの第２数量の近隣ノードに対応する占有数量を決定し、
占有数量に基づいて、現在ノードの占有情報に対してイントラ予測を行い、第１予測結
果を得るように構成され、第１予測結果は、予測を行うかどうかの予測パラメータ及び予
測の場合の予測値パラメータを指示するためのものである。
に基づいて、子ノードの第２数量の近隣ノードに対応する占有数量を決定し、
占有数量に基づいて、現在ノードの占有情報に対してイントラ予測を行い、第１予測結
果を得るように構成され、第１予測結果は、予測を行うかどうかの予測パラメータ及び予
測の場合の予測値パラメータを指示するためのものである。
【0144】
他の実施例において、第２処理モジュール３０３は、第２数量に関連する第３数量を得
て、
占有数量と第３数量に基づいて、現在ノードの占有情報に対してイントラ予測を行い、
第１予測結果を得るように構成される。
て、
占有数量と第３数量に基づいて、現在ノードの占有情報に対してイントラ予測を行い、
第１予測結果を得るように構成される。
【0145】
他の実施例において、第２処理モジュール３０３は、占有数量と第３数量が異なると決
定した時、占有数量、第１閾値、第２閾値に基づいて、現在ノードの占有情報に対してイ
ントラ予測を行い、第１予測結果を得るように構成される。
定した時、占有数量、第１閾値、第２閾値に基づいて、現在ノードの占有情報に対してイ
ントラ予測を行い、第１予測結果を得るように構成される。
【0146】
他の実施例において、第２処理モジュール３０３は、占有数量と第３数量が異なると決
定した時、占有数量と第１閾値を比較し、
占有数量が第１閾値以下であると決定した時、現在ノードの子ノードの占有情報に対し
てイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれない第１予測
結果を得るように構成される。
定した時、占有数量と第１閾値を比較し、
占有数量が第１閾値以下であると決定した時、現在ノードの子ノードの占有情報に対し
てイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれない第１予測
結果を得るように構成される。
【0147】
他の実施例において、第２処理モジュール３０３は、占有数量が第２閾値以上であると
決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノード
の子ノードにポイントクラウドが含まれる第１予測結果を得るように構成される。
決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノード
の子ノードにポイントクラウドが含まれる第１予測結果を得るように構成される。
【0148】
他の実施例において、第２処理モジュール３０３は、占有数量が第１閾値よりも大きく
且つ第２閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に対してイン
トラ予測を行わない第２予測結果を得るように構成される。
且つ第２閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に対してイン
トラ予測を行わない第２予測結果を得るように構成される。
【0149】
他の実施例において、第２処理モジュール３０３は、占有数量と第３数量が同じである
と決定した時、占有数量、第３閾値、第４閾値に基づいて、現在ノードの占有情報に対し
てイントラ予測を行い、第１予測結果を得るように構成される。
と決定した時、占有数量、第３閾値、第４閾値に基づいて、現在ノードの占有情報に対し
てイントラ予測を行い、第１予測結果を得るように構成される。
【0150】
他の実施例において、第２処理モジュール３０３は、占有数量と第３数量が同じである
と決定した時、子ノードの第２数量の近隣ノードから子ノードまでの距離に基づいて、第
２数量の近隣ノードの占有情報の重みを設定し、
第２数量の近隣ノードの占有情報、及び第２数量の近隣ノードの占有情報に対応する重
みに基づいて、子ノードの目標パラメータを決定し、
目標パラメータ、第３閾値、第４閾値に基づいて、第１予測結果を決定するように構成
される。
と決定した時、子ノードの第２数量の近隣ノードから子ノードまでの距離に基づいて、第
２数量の近隣ノードの占有情報の重みを設定し、
第２数量の近隣ノードの占有情報、及び第２数量の近隣ノードの占有情報に対応する重
みに基づいて、子ノードの目標パラメータを決定し、
目標パラメータ、第３閾値、第４閾値に基づいて、第１予測結果を決定するように構成
される。
【0151】
他の実施例において、第２処理モジュール３０３は、目標パラメータが第３閾値以下で
あると決定した時、現在ノードの占有情報に対してイントラ予測を行い、現在ノードの子
ノードにポイントクラウドが含まれない第１予測結果を得るように構成される。
あると決定した時、現在ノードの占有情報に対してイントラ予測を行い、現在ノードの子
ノードにポイントクラウドが含まれない第１予測結果を得るように構成される。
【0152】
他の実施例において、第２処理モジュール３０３は、目標パラメータが第４閾値以上で
あると決定した時、現在ノードの占有情報に対してイントラ予測を行い、現在ノードの子
ノードにポイントクラウドが含まれる第１予測結果を得るように構成される。
あると決定した時、現在ノードの占有情報に対してイントラ予測を行い、現在ノードの子
ノードにポイントクラウドが含まれる第１予測結果を得るように構成される。
【0153】
他の実施例において、第２処理モジュール３０３は、目標パラメータが第３閾値よりも
大きく且つ第４閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に対し
てイントラ予測を行わない第２予測結果を得るように構成される。
大きく且つ第４閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に対し
てイントラ予測を行わない第２予測結果を得るように構成される。
【0154】
他の実施例において、イントラ予測装置は、符号化装置であり、符号化装置は、第１予
測結果に関連する符号化モデルを決定するように構成される第１決定モジュールと、
符号化モデルに基づいて、現在ノードの子ノードの占有情報に対して符号化を行い、コ
ードストリームに書き込むように構成される符号化モジュールと、を更に備える。
測結果に関連する符号化モデルを決定するように構成される第１決定モジュールと、
符号化モデルに基づいて、現在ノードの子ノードの占有情報に対して符号化を行い、コ
ードストリームに書き込むように構成される符号化モジュールと、を更に備える。
【0155】
他の実施例は、イントラ予測装置は、復号装置であり、復号装置は、第１予測結果に関
連する復号モデルを決定するように構成される第２決定モジュールと、
復号モデルに基づいて、得たコードストリームに対して解析を行い、現在ノードの子ノ
ードの占有情報を得るように構成される復号モジュールと、を更に備える。
連する復号モデルを決定するように構成される第２決定モジュールと、
復号モデルに基づいて、得たコードストリームに対して解析を行い、現在ノードの子ノ
ードの占有情報を得るように構成される復号モジュールと、を更に備える。
【0156】
実際の応用において、図１１に示すように、本願の実施例は、エンコーダを更に提供す
る。前記エンコーダは、
実行可能なイントラ予測命令を記憶するように構成される第１メモリ４１と、
第１メモリ４１に記憶されている実行可能なイントラ予測命令を実行する時、本願の実
施例による符号化装置側のイントラ予測方法を実現させるように構成される第１プロセッ
サ４２と、を備える。
る。前記エンコーダは、
実行可能なイントラ予測命令を記憶するように構成される第１メモリ４１と、
第１メモリ４１に記憶されている実行可能なイントラ予測命令を実行する時、本願の実
施例による符号化装置側のイントラ予測方法を実現させるように構成される第１プロセッ
サ４２と、を備える。
【0157】
プロセッサは、ソフトウェア、ハードウェア、ファームウェア又はそれらの組み合わせ
により実現してもよく、回路、単一又は複数の特定用途向け集積回路（ａｐｐｌｉｃａｔ
ｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔｓ：ＡＳＩＣ）、単
一又は複数の汎用集積回路、単一又は複数のマイクロプロセッサ、単一又は複数のプログ
ラマブルロジックデバイス、又は前記回路やデバイスの組み合わせ、又は他の適切な回路
やデバイスを用いることで、該プロセッサに、前記符号化装置の実施例におけるイントラ
予測方法の該当するステップを実行させる。
により実現してもよく、回路、単一又は複数の特定用途向け集積回路（ａｐｐｌｉｃａｔ
ｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔｓ：ＡＳＩＣ）、単
一又は複数の汎用集積回路、単一又は複数のマイクロプロセッサ、単一又は複数のプログ
ラマブルロジックデバイス、又は前記回路やデバイスの組み合わせ、又は他の適切な回路
やデバイスを用いることで、該プロセッサに、前記符号化装置の実施例におけるイントラ
予測方法の該当するステップを実行させる。
【0158】
理解できるように、入力ポイントクラウドに対して分割を行った後に得られた現在階層
が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を
得て、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し
、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは
関連関係を有し、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの
占有情報に対してイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例にお
いて、現在ノードの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子
ノードと関連関係を有する第２数量の近隣ノードのみを考慮することによって、ルックア
ップテーブルを減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上さ
せ、符号化復号の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する
。
が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を
得て、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し
、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは
関連関係を有し、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの
占有情報に対してイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例にお
いて、現在ノードの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子
ノードと関連関係を有する第２数量の近隣ノードのみを考慮することによって、ルックア
ップテーブルを減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上さ
せ、符号化復号の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する
。
【0159】
実際の応用において、図１２に示すように、本願の実施例は、エンコーダを更に提供す
る。前記エンコーダは、
実行可能なイントラ予測命令を記憶するように構成される第２メモリ５１と、
第２メモリ５１に記憶されている実行可能なイントラ予測命令を実行する時、本願の実
施例による符号化装置側のイントラ予測方法を実現させるように構成される第２プロセッ
サ５２と、を備える。
る。前記エンコーダは、
実行可能なイントラ予測命令を記憶するように構成される第２メモリ５１と、
第２メモリ５１に記憶されている実行可能なイントラ予測命令を実行する時、本願の実
施例による符号化装置側のイントラ予測方法を実現させるように構成される第２プロセッ
サ５２と、を備える。
【0160】
プロセッサは、ソフトウェア、ハードウェア、ファームウェア又はそれらの組み合わせ
により実現してもよく、回路、単一又は複数の特定用途向け集積回路（ａｐｐｌｉｃａｔ
ｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔｓ：ＡＳＩＣ）、単
一又は複数の汎用集積回路、単一又は複数のマイクロプロセッサ、単一又は複数のプログ
ラマブルロジックデバイス、又は前記回路やデバイスの組み合わせ、又は他の適切な回路
やデバイスを用いることで、該プロセッサに、前記復号装置の実施例におけるイントラ予
測方法の該当するステップを実行させる。
により実現してもよく、回路、単一又は複数の特定用途向け集積回路（ａｐｐｌｉｃａｔ
ｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔｓ：ＡＳＩＣ）、単
一又は複数の汎用集積回路、単一又は複数のマイクロプロセッサ、単一又は複数のプログ
ラマブルロジックデバイス、又は前記回路やデバイスの組み合わせ、又は他の適切な回路
やデバイスを用いることで、該プロセッサに、前記復号装置の実施例におけるイントラ予
測方法の該当するステップを実行させる。
【0161】
理解できるように、入力ポイントクラウドに対して分割を行った後に得られた現在階層
が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を
得て、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し
、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは
関連関係を有し、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの
占有情報に対してイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例にお
いて、現在ノードの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子
ノードと関連関係を有する第２数量の近隣ノードのみを考慮することによって、ルックア
ップテーブルを減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上さ
せ、符号化復号の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する
。
が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を
得て、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し
、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは
関連関係を有し、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの
占有情報に対してイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例にお
いて、現在ノードの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子
ノードと関連関係を有する第２数量の近隣ノードのみを考慮することによって、ルックア
ップテーブルを減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上さ
せ、符号化復号の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する
。
【0162】
本願の実施例における各構成部は一つの処理ユニットに集積されてもよいし、各ユニッ
トが物理的に別個のものとして存在してもよいし、２つ以上のユニットが一つのユニット
に集積されてもよい。上記集積したユニットは、ハードウェアの形式で実現してもよく、
ソフトウェア機能モジュールの形式で実現してもよい。
トが物理的に別個のものとして存在してもよいし、２つ以上のユニットが一つのユニット
に集積されてもよい。上記集積したユニットは、ハードウェアの形式で実現してもよく、
ソフトウェア機能モジュールの形式で実現してもよい。
【0163】
集積したユニットは、ソフトウェア機能モジュールの形式で実現され、かつ独立した製
品として販売または使用されるとき、コンピュータ可読記憶媒体に記憶されてもよい。こ
のような理解のもと、本実施例の技術的解決手段は、本質的に、又は、従来技術に対して
貢献をもたらした部分又は該技術的解決手段の全部又は一部は、ソフトウェア製品の形式
で具現化することができ、該コンピュータソフトウェア製品は、記憶媒体に記憶してもよ
く、また、１台のコンピュータ機器（パソコン、サーバ、又はネットワーク機器など）又
はｐｒｏｃｅｓｓｏｒ（プロセッサ）に、本実施例に記載の方法の全部又は一部のステッ
プを実行させるための若干の命令を含む。前記記憶媒体は、磁気ランダムアクセスメモリ
（ＦＲＡＭ：ｆｅｒｒｏｍａｇｎｅｔｉｃ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ
）、読み出し専用メモリ（ＲＯＭ：Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、プログラマブ
ル読み出し専用メモリ（ＰＲＯＭ：Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍ
ｅｍｏｒｙ）、消去可能プログラマブル読み出し専用メモリ（ＥＰＲＯＭ：Ｅｒａｓａｂ
ｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、電気的消去可
能プログラマブル読み出し専用メモリ（ＥＥＰＲＯＭ：Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒ
ａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラ
ッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）、磁気面メモリ、光ディスク又はコンパクト
ディスク読み出し専用メモリ（ＣＤ－ＲＯＭ，Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ－Ｏ
ｎｌｙ Ｍｅｍｏｒｙ）など、プログラムコードを記憶可能な各種の媒体を含む。本願の
実施例は、これを限定しない。
品として販売または使用されるとき、コンピュータ可読記憶媒体に記憶されてもよい。こ
のような理解のもと、本実施例の技術的解決手段は、本質的に、又は、従来技術に対して
貢献をもたらした部分又は該技術的解決手段の全部又は一部は、ソフトウェア製品の形式
で具現化することができ、該コンピュータソフトウェア製品は、記憶媒体に記憶してもよ
く、また、１台のコンピュータ機器（パソコン、サーバ、又はネットワーク機器など）又
はｐｒｏｃｅｓｓｏｒ（プロセッサ）に、本実施例に記載の方法の全部又は一部のステッ
プを実行させるための若干の命令を含む。前記記憶媒体は、磁気ランダムアクセスメモリ
（ＦＲＡＭ：ｆｅｒｒｏｍａｇｎｅｔｉｃ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ
）、読み出し専用メモリ（ＲＯＭ：Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、プログラマブ
ル読み出し専用メモリ（ＰＲＯＭ：Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍ
ｅｍｏｒｙ）、消去可能プログラマブル読み出し専用メモリ（ＥＰＲＯＭ：Ｅｒａｓａｂ
ｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、電気的消去可
能プログラマブル読み出し専用メモリ（ＥＥＰＲＯＭ：Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒ
ａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラ
ッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）、磁気面メモリ、光ディスク又はコンパクト
ディスク読み出し専用メモリ（ＣＤ－ＲＯＭ，Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ－Ｏ
ｎｌｙ Ｍｅｍｏｒｙ）など、プログラムコードを記憶可能な各種の媒体を含む。本願の
実施例は、これを限定しない。
【0164】
本願の実施例は、コンピュータ可読記憶媒体を更に提供する。前記コンピュータ可読記
憶媒体に実行可能なイントラ予測命令が記憶されており、該命令は、第１プロセッサによ
り実行される時、本願の実施例によるエンコーダ側のイントラ予測方法を実現させるため
のものである。
憶媒体に実行可能なイントラ予測命令が記憶されており、該命令は、第１プロセッサによ
り実行される時、本願の実施例によるエンコーダ側のイントラ予測方法を実現させるため
のものである。
【0165】
本願の実施例は、コンピュータ可読記憶媒体を更に提供する。前記コンピュータ可読記
憶媒体に実行可能なイントラ予測命令が記憶されており、該命令は、第２プロセッサによ
り実行される時、本願の実施例によるデコーダ側のイントラ予測方法を実現させるための
ものである。
憶媒体に実行可能なイントラ予測命令が記憶されており、該命令は、第２プロセッサによ
り実行される時、本願の実施例によるデコーダ側のイントラ予測方法を実現させるための
ものである。
【産業上の利用可能性】
【0166】
本願の実施例は、イントラ予測方法、装置、エンコーダ、デコーダ及び記憶媒体を提供
する。入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層より
も小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得て、第１数量
の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し、第１数量は第
２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有し
、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対し
てイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例において、現在ノー
ドの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子ノードと関連関
係を有する第２数量の近隣ノードのみを考慮することによって、ルックアップテーブルを
減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上させ、符号化復号
の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する。
する。入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層より
も小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得て、第１数量
の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し、第１数量は第
２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有し
、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対し
てイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例において、現在ノー
ドの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子ノードと関連関
係を有する第２数量の近隣ノードのみを考慮することによって、ルックアップテーブルを
減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上させ、符号化復号
の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【手続補正書】
【提出日】2024-06-13
【手続補正1】
【補正対象書類名】明細書
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【発明の詳細な説明】
【技術分野】
【0001】
本願の実施例は、通信分野における符号化復号技術に関し、特にイントラ予測方法、装置、エンコーダ、デコーダ及び記憶媒体に関する。
【背景技術】
【0002】
現在、関連技術における八分木の幾何学的情報符号化に基づくイントラ予測方案において、現在ノード（即ち、符号化対象ノード）の２６個の近隣ノードの占有情報と複数の所定の閾値を利用して計算と比較を行う。説明すべきこととして、上記予測方案を用いてイントラ予測を行う時、係るルックアップテーブル（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ）が多く、且つイントラ予測を行う時、少なくとも１６個の重み及び１０個の閾値の設定にかかわり、最適解を見つけにくいことによって、最適のイントラ予測の結果を得ることができない。これから分かるように、関連技術においてイントラ予測を行う時、計算量が大きく、符号化復号時間が長く、イントラ予測結果が正確にならないという問題が存在する。
【発明の概要】
【0003】
本願の実施例は、符号化復号処理時のイントラ予測の速度と正確度を向上させ、更に、符号化復号の品質を向上させることができるイントラ予測方法、装置、エンコーダ、デコーダ及び記憶媒体を提供する。
【0004】
本願の実施例の技術的解決手段は、以下のように実現することができる。
【0005】
第１態様によれば、本願の実施例は、イントラ予測方法を提供する。前記方法は、
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得ることと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出することであって、前記第１数量は前記第２数量よりも大きく、前記第２数量の近隣ノードと前記現在ノードの子ノードとは関連関係を有する、ことと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得ることと、を含む。
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得ることと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出することであって、前記第１数量は前記第２数量よりも大きく、前記第２数量の近隣ノードと前記現在ノードの子ノードとは関連関係を有する、ことと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得ることと、を含む。
【0006】
第２態様によれば、本願の実施例は、イントラ予測装置を更に提供する。前記装置は、
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るように構成される第１処理モジュールと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出するように構成される第１抽出モジュールであって、前記第１数量は前記第２数量よりも大きく、前記第２数量の近隣ノードと前記現在ノードの子ノードとは関連関係を有する、第１抽出モジュールと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成される第２処理モジュールと、を備える。
入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るように構成される第１処理モジュールと、
前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出するように構成される第１抽出モジュールであって、前記第１数量は前記第２数量よりも大きく、前記第２数量の近隣ノードと前記現在ノードの子ノードとは関連関係を有する、第１抽出モジュールと、
前記第２数量の近隣ノードの占有情報に基づいて、前記現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成される第２処理モジュールと、を備える。
【0007】
第３態様によれば、本願の実施例は、エンコーダを提供する。前記エンコーダは、
実行可能なイントラ予測命令を記憶するように構成される第１メモリと、
前記第１メモリに記憶されている実行可能なイントラ予測命令を実行する時、第１態様に記載のイントラ予測方法を実現させるように構成される第１プロセッサと、を備える。
実行可能なイントラ予測命令を記憶するように構成される第１メモリと、
前記第１メモリに記憶されている実行可能なイントラ予測命令を実行する時、第１態様に記載のイントラ予測方法を実現させるように構成される第１プロセッサと、を備える。
【0008】
第４態様によれば、本願の実施例は、デコーダを更に提供する。前記デコーダは、
実行可能なイントラ予測命令を記憶するように構成される第２メモリと、
前記第２メモリに記憶されている実行可能なイントラ予測命令を実行する時、第１態様に記載のイントラ予測方法を実現させるように構成される第２プロセッサと、を備える。
実行可能なイントラ予測命令を記憶するように構成される第２メモリと、
前記第２メモリに記憶されている実行可能なイントラ予測命令を実行する時、第１態様に記載のイントラ予測方法を実現させるように構成される第２プロセッサと、を備える。
【0009】
第５態様によれば、本願の実施例は、コンピュータ可読記憶媒体を提供する。前記コンピュータ可読記憶媒体に実行可能なイントラ予測命令が記憶されており、該命令は、第１プロセッサにより実行される時、第１態様に記載のイントラ予測方法を実現させるためのものである。
【発明の効果】
【0010】
本願の実施例は、イントラ予測方法、装置、エンコーダ、デコーダ及び記憶媒体を提供する。方法は、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得ることと、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出することであって、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有する、ことと、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得ることと、を含む。つまり、本願の実施例において、現在ノードの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子ノードと関連関係を有する第２数量の近隣ノードのみを考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上させ、符号化復号の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する。
【図面の簡単な説明】
【0011】
【図1】本願の実施例による例示的な符号化フローのブロック図である。
【図2】本願の実施例による例示的なイントラ予測方法のフローチャート１である。
【図3】本願の実施例による例示的なイントラ予測方法のフローチャート２である。
【図4】本願の実施例による例示的な現在ノードの異なる子ノードに含まれるポイントクラウドの概略図である。
【図5】本願の実施例による例示的なエンコーダによるイントラ予測方法の実行のフローチャートである。
【図6】本願の実施例による例示的なデコーダによるイントラ予測方法の実行のフローチャートである。
【図7】本願の実施例による例示的な現在ノードのある子ノードに含まれるポイントクラウドの概略図である。
【図8】本願の実施例による損失圧縮におけるＢＤ－Ｒａｔｅである。
【図9】本願の実施例による無損失圧縮におけるｂｐｉｐ ｒａｔｉｏである。
【図10】本願の実施例によるイントラ予測装置の構造概略図である。
【図11】本願の実施例によるエンコーダの構造概略図である。
【図12】本願の実施例によるデコーダの構造概略図である。
【発明を実施するための形態】
【0012】
本願の実施例の目的、技術的解決手段及び利点をより明確にするために、以下、本願の実施例における図面を参照しながら、本願の具体的な技術的解決手段を更に詳しく説明する。下記実施例は、本願を説明するためのものであり、本願の範囲を限定するものではない。
【0013】
別途定義しない限り、本明細書に用いられる全ての技術的用語及び科学的用語は、本願が属する分野における当業者が一般的に理解する意味と同じである。本明細書に用いられる用語は、本願の実施例の目的を記述するためのものだけであり、本願を限定するものではない。
【0014】
下記記述において、「いくつかの実施例」に係る。これは、全ての可能な実施例のサブ集合を記述する。「いくつかの実施例」は、全ての可能な実施例の同一のサブ集合又は異なるサブ集合であってもよく、また、矛盾しない限り、互いに組み合わせられてもよいと理解されるべきである。
【0015】
下記記述に係る用語「第１／第２／第３」は、類似した対象を区別するためのものであり、対象の特定の順番を説明するためのものではないことに留意されたい。ここで説明した本願の実施例をここで示した又は説明した順番以外の順番で実施可能なものにするために、「第１／第２／第３」は、許された場合であれば特定の順番又は前後順序を互いに取り替えることができることは、理解されるべきである。
【0016】
本願の実施例を更に詳しく説明する前に、本願の実施例に係る名詞及び用語を説明する。本願の実施例に係る名詞及び用語は、下記解釈に適用される。
【0017】
１）ポイントクラウド圧縮（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｃｏｍｐｒｅｓｓｉｏｎ：ＰＣＣ）
２）幾何学に基づくポイントクラウド圧縮（Ｇｅｏｍｅｔｒｙ－ｂａｓｅｄ Ｐｏｉｎｔ Ｃｌｏｕｄ Ｃｏｍｐｒｅｓｓｉｏｎ：Ｇ－ＰＣＣ）
３）スライス／ストライプｓｌｉｃｅ
４）バウンディングボックスｂｏｕｎｄｉｎｇ ｂｏｘ
５）八分木ｏｃｔｒｅｅ
６）イントラ予測ｉｎｔｒａ ｐｒｅｄｉｃｔｉｏｎ
７）三角形スープ（ｔｒｉａｎｇｌｅ ｓｏｕｐ：ｔｒｉｓｏｕｐ）
８）コンテキストモデルに基づく自己適応的二値算術符号化（Ｃｏｎｔｅｘｔ－ｂａｓｅｄ Ａｄａｐｔｉｖｅ Ｂｉｎａｒｙ Ａｒｉｔｈｍｅｔｉｃ Ｃｏｄｉｎｇ：ＣＡＢＡＣ）
９）ブロックｂｌｏｃｋ
１０）交点ｖｅｒｔｅｘ
１１）赤緑青（Ｒｅｄ－Ｇｒｅｅｎ－Ｂｌｕｅ：ＲＧＢ）
１２）輝度色度（Ｌｕｍｉｎａｎｃｅ－Ｃｈｒｏｍｉｎａｎｃｅ：ＹＵＶ）
１３）詳細度（Ｌｅｖｅｌ ｏｆ Ｄｅｔａｉｌ：ＬＯＤ）
１４）領域適応階層変換（Ｒｅｇｉｏｎ Ａｄａｐｔｉｖｅ Ｈｉｅｒａｒｃｈａｌ Ｔｒａｎｓｆｏｒｍ：ＲＡＨＴ）
１５）ルックアップテーブル（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ：ＬＵＴ）
１６）動画専門家グループ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ：ＭＰＥＧ）
１７）国際標準化機構（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ Ｏｒｇａｎｉｚａｔｉｏｎ：ＩＳＯ）
１８）国際電気標準委員会（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ Ｃｏｍｍｉｓｓｉｏｎ：ＩＥＣ）
１９）近隣ノード内の占有されたノード数量（ｎｕｍｂｅｒ ｏｆ ｏｃｃｕｐｉｅｄ ｎｅｉｇｈｂｏｕｒｓ：Ｎｏ）
本願の実施例において、ポイントクラウドＧ－ＰＣＣエンコーダフレームワークにおいて、三次元画像モデルに入力されるポイントクラウドに対してｓｌｉｃｅ分割を行った後、各ｓｌｉｃｅに対して独立して符号化を行う。
２）幾何学に基づくポイントクラウド圧縮（Ｇｅｏｍｅｔｒｙ－ｂａｓｅｄ Ｐｏｉｎｔ Ｃｌｏｕｄ Ｃｏｍｐｒｅｓｓｉｏｎ：Ｇ－ＰＣＣ）
３）スライス／ストライプｓｌｉｃｅ
４）バウンディングボックスｂｏｕｎｄｉｎｇ ｂｏｘ
５）八分木ｏｃｔｒｅｅ
６）イントラ予測ｉｎｔｒａ ｐｒｅｄｉｃｔｉｏｎ
７）三角形スープ（ｔｒｉａｎｇｌｅ ｓｏｕｐ：ｔｒｉｓｏｕｐ）
８）コンテキストモデルに基づく自己適応的二値算術符号化（Ｃｏｎｔｅｘｔ－ｂａｓｅｄ Ａｄａｐｔｉｖｅ Ｂｉｎａｒｙ Ａｒｉｔｈｍｅｔｉｃ Ｃｏｄｉｎｇ：ＣＡＢＡＣ）
９）ブロックｂｌｏｃｋ
１０）交点ｖｅｒｔｅｘ
１１）赤緑青（Ｒｅｄ－Ｇｒｅｅｎ－Ｂｌｕｅ：ＲＧＢ）
１２）輝度色度（Ｌｕｍｉｎａｎｃｅ－Ｃｈｒｏｍｉｎａｎｃｅ：ＹＵＶ）
１３）詳細度（Ｌｅｖｅｌ ｏｆ Ｄｅｔａｉｌ：ＬＯＤ）
１４）領域適応階層変換（Ｒｅｇｉｏｎ Ａｄａｐｔｉｖｅ Ｈｉｅｒａｒｃｈａｌ Ｔｒａｎｓｆｏｒｍ：ＲＡＨＴ）
１５）ルックアップテーブル（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ：ＬＵＴ）
１６）動画専門家グループ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ：ＭＰＥＧ）
１７）国際標準化機構（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ Ｏｒｇａｎｉｚａｔｉｏｎ：ＩＳＯ）
１８）国際電気標準委員会（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ Ｃｏｍｍｉｓｓｉｏｎ：ＩＥＣ）
１９）近隣ノード内の占有されたノード数量（ｎｕｍｂｅｒ ｏｆ ｏｃｃｕｐｉｅｄ ｎｅｉｇｈｂｏｕｒｓ：Ｎｏ）
本願の実施例において、ポイントクラウドＧ－ＰＣＣエンコーダフレームワークにおいて、三次元画像モデルに入力されるポイントクラウドに対してｓｌｉｃｅ分割を行った後、各ｓｌｉｃｅに対して独立して符号化を行う。
【0018】
図１に示すＧ－ＰＣＣ符号化のフローのブロック図において、入力ポイントクラウドに対してｓｌｉｃｅ分割を行った後、各ｓｌｉｃｅに対して独立して符号化を行う。各ｓｌｉｃｅにおいて、ポイントクラウドの幾何学的情報と各ポイントに対応する属性情報は、別々に符号化される。まず、幾何学的情報に対して座標変換を行い、ポイントクラウドを全て１つのｂｏｕｎｄｉｎｇ ｂｏｘに含ませる。続いて、量子化を行う。この量子化は、主に、スケーリングの役割を果たす。量子化の端数処理で、一部のポイントの幾何学的情報が同じになり、パラメータに基づいて、重複ポイントを除去するかどうかを決定する。量子化と重複ポイントの除去プロセスは、ボクセル化とも呼ばれる。続いて、ｂｏｕｎｄｉｎｇ ｂｏｘに対して、ｏｃｔｒｅｅに基づく分割を行う。八分木分割階層の深さによって、幾何学的情報の符号化は、八分木に基づくフレームワークとｔｒｉｓｏｕｐに基づくフレームワークという２つのフレームワークに分けられる。
【0019】
八分木に基づく幾何学的情報符号化フレームワークにおいて、バウンディングボックスを８個のサブ立方体に八等分し、各立方体の占有情報（１は、空きではないことを表し、０は、空きであることを表す）を記録し、空きではないサブ立方体に対して引き続き八等分を行い、得られるリーフノードが１ｘ１ｘ１の単位立方体となる時に分割を停止する。このプロセスにおいて、ノードと周辺ノードとの空間的相関性を利用して、占有情報に対してｉｎｔｒａ ｐｒｅｄｉｃｔｉｏｎを行い、最後にＣＡＢＡＣを行い、バイナリビットストリームを生成する。
【0020】
ｔｒｉｓｏｕｐに基づく幾何学的情報符号化フレームワークにおいて、同様に、まず、八分木分割を行うが、八分木に基づく幾何学的情報符号化と異なっており、該方法において、ポイントクラウドを辺長が１ｘ１ｘ１である単位立方体に段階的に分割する必要がなく、ｂｌｏｃｋ辺長がＷとなる時に分割を停止し、各ｂｌｏｃｋにおけるポイントクラウドの分布によって形成される表面に基づいて、該表面とｂｌｏｃｋの１２本の辺によって生成される多くとも１２個のｖｅｒｔｅｘを得る。各ｂｌｏｃｋのｖｅｒｔｅｘ座標を順に符号化し、バイナリビットストリームを生成する。
【0021】
幾何学的符号化を遂行した後、幾何学的情報に対して再構築を行う。現在、属性符号化は、主に、色情報に対して行われる。まず、色情報をＲＧＢ色空間からＹＵＶ色空間に変換する。続いて、再構築した幾何学的情報を利用してポイントクラウドに対して再着色を行い、符号化されていない属性情報と再構築した幾何学的情報を対応付ける。色情報符号化において、主に２つの変換方法がある。１つ目は、ＬＯＤ分割に依存する、距離に基づく向上変換であり、２つ目は、直接的にＲＡＨＴ変換を行うことである。これら２つの方法において、いずれも、色情報を空間領域から周波数領域に変換し、変換により高周波数係数と低周波数係数を得て、最後に係数に対して量子化と符号化を行い、バイナリビットストリームを生成する。
【0022】
ここで、八分木に基づく幾何学的情報符号化のイントラ予測に対して説明する。
【0023】
現在ノードの２６個の近隣ノードの占有情報に基づいて、現在ノード（即ち、符号化対象ノード）の子ノードが占有されているかどうかに対して予測を行う。これは、イントラ予測であり、イントラ予測の実施に関する説明は、以下のとおりである。
【0024】
まず、八分木分割の現在階層が所定の層数Ｌよりも小さい時、イントラ予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするためのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0025】
【0026】
最後に、０又は１で表される「予測するかどうか」と「予測値」を出力し、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0027】
【0028】
【0029】
本願の実施例は、イントラ予測方法を提供する。図２に示すように、該方法は、以下のステップを含む。
【0030】
ステップ１０１において、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得る。
【0031】
本願の実施例において、エンコーダ又はデコーダは、ステップ１０１－ステップ１０３を実行し、現在ノード（即ち、符号化対象ノード）の子ノードの占有情報に対するイントラ予測の第１予測結果を得ることができる。
【0032】
ここで、エンコーダがステップ１０１－ステップ１０３を実行することを例として、該エンコーダは、三次元ポイントクラウドエンコーダ、例えばＧ－ＰＣＣエンコーダを含む。Ｇ－ＰＣＣエンコーダは、入力ポイントクラウドに対してｓｌｉｃｅ分割を行った後、各ｓｌｉｃｅに対して独立して符号化を行う。ここで、エンコーダは、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得る。いくつかの実施例において、エンコーダは、ｏｃｔｒｅｅに基づいて、入力ポイントクラウドに対して分割を行うことができる。
【0033】
ステップ１０２において、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出する。
【0034】
第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有する。
【0035】
本願の実施例において、エンコーダは、現在ノードの第１数量の近隣ノードの占有情報を得た後、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出する。説明すべきこととして、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有する。つまり、現在ノードの第１数量の近隣ノードの占有情報を得た後、まず、現在ノードの第１数量の近隣ノードの占有情報に対してスクリーニングを行い、現在ノードの子ノードに対して一定の影響を及ぼす近隣ノードの占有情報を決定し、選び出した占有情報を現在ノードの子ノードの占有情報に対してイントラ予測する参照要因とする。このように、全ての第１数量の近隣ノードの占有情報を考慮することによる計算量を減少させ、符号化の時間長の短縮、符号化効率の向上、及び符号化の正確性の向上のための基礎を築いた。
【0036】
ステップ１０３において、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。
【0037】
本願の実施例において、エンコーダは、第２数量の近隣ノードの占有情報を選び出した後、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。
【0038】
本願の実施例によるイントラ予測方法において、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得て、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有し、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例において、現在ノードの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子ノードと関連関係を有する第２数量の近隣ノードのみを考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上させ、符号化復号の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する。
【0039】
本願の実施例は、イントラ予測方法を提供する。図３に示すように、説明すべきこととして、イントラ予測方法がエンコーダに適用される時、該方法は、ステップ２０１－ステップ２０６を含み、イントラ予測方法がデコーダに適用される時、該方法は、ステップ２０１－ステップ２０４及びステップ２０７－ステップ２０８を含む。
【0040】
いくつかの実施例において、エンコーダは、三次元ポイントクラウドエンコーダを含み、デコーダは、三次元ポイントクラウドデコーダを含む。
【0041】
ステップ２０１において、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得る。
【0042】
【0043】
ステップ２０２において、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出する。
【0044】
第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有する。ここで、関連関係は、第２数量の近隣ノードと現在ノードの子ノードとが、面、辺又は頂点を共有することを含む。
【0045】
本願の実施例において、第２数量の近隣ノードは、現在ノードの子ノードとが面、辺又は頂点を共有する近隣ノードを含む。それにより、第１数量の近隣ノードのうち、現在ノードのある子ノードに対して殆ど影響を及ぼさないか又は極めて小さい影響を及ぼす近隣ノードを除く。このように、計算量を減少させると同時に、符号化復号の時間長を効果的に短縮し、且つ符号化復号の正確性を確保する。
【0046】
ステップ２０３において、第２数量の近隣ノードの占有情報に基づいて、子ノードの第２数量の近隣ノードに対応する占有数量を決定する。
【0047】
【0048】
【0049】
【0050】
ステップ２０４において、占有数量に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。
【0051】
第１予測結果は、予測を行うかどうかの予測パラメータ及び予測の場合の予測値パラメータを指示するためのものである。
【0052】
本願の実施例において、占有数量に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るステップ２０４は、以下のステップにより実現してもよい。
【0053】
ステップ２０４ａにおいて、第２数量に関連する第３数量を得る。
【0054】
いくつかの実施例において、第３数量は、第２数量の半分に等しくてもよい。無論、本願の他の実施例において、実際の状況に応じて、第２数量に基づいて、第３数量を柔軟に決定してもよい。
【0055】
例示的に、子ノードｍの７近隣ノードを考慮する場合、第３数量は、４であってもよい。
【0056】
ステップ２０４ｂにおいて、占有数量と第３数量に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。
【0057】
本願のいくつかの実施例において、占有数量と第３数量に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るステップ２０４ｂは、以下のステップ２０４ｂ１を含む。
【0058】
ステップ２０４ｂ１において、占有数量と第３数量が異なると決定した時、占有数量、第１閾値、第２閾値に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。
【0059】
【0060】
更に、占有数量と第３数量が異なると決定した時、実現可能な場面において、ステップ２０４ｂ１において、占有数量、第１閾値、第２閾値に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得ることは、以下のステップを含んでもよい。
【0061】
Ｓｔｅｐ１１において、占有数量と第１閾値を比較する。
【0062】
Ｓｔｅｐ１２において、占有数量が第１閾値以下であると決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれない第１予測結果を得る。
【0063】
更に、占有数量と第３数量が異なると決定した時、別の実現可能な場面において、占有数量、第１閾値、第２閾値に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得ることは、以下のステップを含んでもよい。
【0064】
Ｓｔｅｐ２１において、占有数量と第２閾値を比較する。
【0065】
Ｓｔｅｐ２２において、占有数量が第２閾値以上であると決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれる第１予測結果を得る。
【0066】
本願のまた１つの実現可能な場面において、占有数量と第１閾値を比較し、占有数量が第１閾値よりも大きく且つ第２閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行わない第２予測結果を得る。
【0067】
本願の他の実施例において、占有数量と第３数量に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るステップ２０４ｂは、以下のステップ２０４ｂ２を含む。
【0068】
ステップ２０４ｂ２において、占有数量と第３数量が同じであると決定した時、占有数量、第３閾値、第４閾値に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。
【0069】
本願の実施例において、占有数量と第３数量が同じであると決定した時、占有数量、第３閾値、第４閾値に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るステップ２０４ｂ２は、以下のステップ２０４ｂ２１～ステップ２０４ｂ２３を含んでもよい。
【0070】
ステップ２０４ｂ２１において、占有数量と第３数量が同じであると決定した時、子ノードの第２数量の近隣ノードから子ノードまでの距離に基づいて、第２数量の近隣ノードの占有情報の重みを設定する。
【0071】
ステップ２０４ｂ２２において、第２数量の近隣ノードの占有情報、及び第２数量の近隣ノードの占有情報に対応する重みに基づいて、子ノードの目標パラメータを決定する。
【0072】
ステップ２０４ｂ２３において、目標パラメータ、第３閾値、第４閾値に基づいて、第１予測結果を決定する。
【0073】
更に、実現可能な場面において、目標パラメータ、第３閾値、第４閾値に基づいて、第１予測結果を決定するステップ２０４ｂ２３は、目標パラメータが第３閾値以下であると決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれない第１予測結果を得るステップを含んでもよい。
【0074】
【0075】
【0076】
例示的に、図４における（Ａ）から（Ｈ）で、それぞれ現在ノードの異なる子ノードに対応する占有状況を表し、即ち、現在ノードの異なる子ノードの占有情報を表す。
【0077】
【0078】
本願の実施例において、例示的に、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{13,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{13,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
【0079】
【0080】
更に、別の実現可能な場面において、目標パラメータ、第３閾値、第４閾値に基づいて、第１予測結果を決定するステップ２０４ｂ２３は、目標パラメータが第４閾値以上であると決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれる第１予測結果を得るステップを含んでもよい。
【0081】
更に、また１つの実現可能な場面において、目標パラメータ、第３閾値、第４閾値に基づいて、第１予測結果を決定するステップ２０４ｂ２３は、目標パラメータが第３閾値よりも大きく且つ第４閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行わない第２予測結果を得るステップを含んでもよい。
【0082】
ステップ２０５において、第１予測結果に関連する符号化モデルを決定する。
【0083】
本願の実施例において、エンコーダは、第１予測結果を得た後、第１予測結果に関連する符号化モデルを決定する。
【0084】
ステップ２０６において、符号化モデルに基づいて、現在ノードの子ノードの占有情報に対して符号化を行い、ビットストリームに書き込む。
【0085】
本願の実施例において、エンコーダは、符号化モデルに基づいて、現在ノードの子ノードの占有情報に対して符号化を行い、ビットストリームに書き込む。
【0086】
ステップ２０７において、第１予測結果に関連する復号モデルを決定する。
【0087】
本願の実施例において、エンコーダは、第１予測結果を得た後、第１予測結果に関連する復号モデルを決定する。
【0088】
ステップ２０８において、復号モデルに基づいて、得たビットストリームに対して解析を行い、現在ノードの子ノードの占有情報を得る。
【0089】
本願の実施例において、エンコーダは、復号モデルに基づいて、得たビットストリームに対して解析を行い、現在ノードの子ノードの占有情報を得る。
【0090】
実現可能な場面において、図５に示すように、イントラ予測方法がエンコーダに適用されることを例として、エンコーダは、現在ノードのある子ノードに対して予測を行う時、それと面、辺、頂点を共有する７個の近隣親ノードによる影響のみを考慮する。更に、重みの計算及び閾値の設定に基づいて、予測結果を３種類に分ける。エンコーダによるイントラ予測方法の実行のステップは、以下のとおりである。
【0091】
ステップ１において、八分木分割の現在階層Ｌが所定の層数よりも小さい時、イントラ予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするためのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0092】
【0093】
【0094】
【0095】
【0096】
【0097】
ステップ５において、０又は１で表される「予測するかどうか」と「予測値」を出力し、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0098】
【0099】
例示的に、いくつかの実施例において、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{13,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{13,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
【0100】
【0101】
更に、エンコーダは、前記第１予測結果に関連する符号化モデルを決定し、前記符号化モデルに基づいて、前記現在ノードの子ノードの占有情報に対して符号化を行い、ビットストリームに書き込む。
【0102】
実現可能なシーンにおいて、図６に示すように、イントラ予測方法がデコーダに適用されることを例として、デコーダは、現在ノードのある子ノードに対して予測を行う時、それと面、辺、頂点を共有する７個の近隣親ノードによる影響のみを考慮する。更に、重みの計算及び閾値の設定に基づいて、予測結果を３種類に分ける。デコーダによるイントラ予測方法の実行のステップは、以下のとおりである。
【0103】
ステップ１において、八分木分割の現在階層Ｌが所定の層数よりも小さい時、イントラ予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするためのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0104】
【0105】
【0106】
【0107】
【0108】
【0109】
【0110】
ステップ５において、０又は１で表される「予測するかどうか」と「予測値」を出力し、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0111】
更に、デコーダは、前記第１予測結果に関連する復号モデルを決定し、前記復号モデルに基づいて、得たビットストリームに対して解析を行い、前記現在ノードの子ノードの占有情報を得る。
【0112】
【0113】
例示的に、いくつかの実施例において、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{13,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
LUT_I[8][7]={{0,1,3,4,9,10,12},{1,2,4,5,10,11,13},{3,4,6,7,12,14,15},{4,5,7,8,13,15,16},{9,10,12,17,18,20,21},{10,11,13,18,19,21,22},{12,14,15,20,21,23,24},{13,15,16,21,22,24,25}}、
LUT_d[8][7]={{2,1,1,0,1,0,0},{1,2,0,1,0,1,0},{1,0,2,1,0,1,0},{0,1,1,2,0,0,1},{1,0,0,2,1,1,0},{0,1,0,1,2,0,1},{0,1,0,1,0,2,1},{0,0,1,0,1,1,2}}、
【0114】
【0115】
別の実現可能な場面において、イントラ予測方法がエンコーダに適用されることを例として、上記イントラ予測方案に対して更なる簡略化を行うことによって、イントラ予測の計算量を更に減少させることができる。エンコーダによるイントラ予測方法の実行のステップは、以下のとおりである。
【0116】
【0117】
ステップ１において、八分木分割の現在階層Ｌが所定の層数よりも小さい時、イントラ予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするためのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0118】
【0119】
【0120】
【0121】
ステップ５において、０又は１で表される「予測するかどうか」と「予測値」を出力し、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0122】
【0123】
【0124】
ステップ１において、八分木分割の現在階層Ｌが所定の層数よりも小さい時、イントラ予測をイネーブルする。入力は、（ｘ，ｙ，ｚ）座標とフラグビットをマッピングするためのモートン３Ｄマップ、マップ変位パラメータ及び現在ノードの原点の座標である。
【0125】
【0126】
【0127】
【0128】
ステップ５において、０又は１で表される「予測するかどうか」と「予測値」を出力し、後続の占有情報に対するエントロピー符号化に用いる。１、１は、「占有している」を表し、１、０は、「占有していない」を表し、０、０は、「予測しない」を表す。
【0129】
【0130】
本願によるイントラ予測方法によれば、図８に示すように、表１は、損失圧縮の場合、関連技術におけるポイントクラウド圧縮に基づく方案に比べて、同じ符号化品質の場合、コードレートを何パーセント節約できるかを表す。ここで、試験シーケンスは、１３種のケースを含む。表１から分かるように、本願によるイントラ予測方法は、各試験シーケンスに対して処理を行い、いずれも、ビットストリームを節約することができる。図９に示すように、表２は、無損失圧縮の場合、圧縮後のビットストリームを表す。表２から分かるように、圧縮後のビットストリームは、いずれも１００％よりも小さく、関連技術における一部のコードレートのみにより、ビットストリームを得ることができる。
【0131】
本願の実施例は、以下の有益な効果を得ることができる。２６個の近隣ノードのうち、符号化復号済みノードの子ノードの占有情報に基づいて、現在ノードのある子ノードに対して予測を行う時、それと面、辺、頂点を共有する７個の近隣親ノードによる影響のみを考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減するという効果を達する。それと同時に、簡単な重みと閾値の設定により、最適解が見つけられやすく、最適な重みと閾値の設定では、本技術は、コードレートが低下し、且つＰＳＮＲが不変のままであるという効果を達する。それと同時に、ポイントクラウドの空間的相関性をより簡単かつ正確に利用することで、八分木に基づく幾何学的情報符号化のイントラ予測結果をＣＡＢＡＣにおける確率モデルの構築に更に適させ、それによりバイナリビットストリームを低減させる。
【0132】
図１０は、本願の実施例によるイントラ予測装置の構造概略図である。図１０に示すように、イントラ予測装置３００は、第１処理モジュール３０１と、第１抽出モジュール３０２と、第２処理モジュール３０３と、を備え、
第１処理モジュール３０１は、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るように構成され、
第１抽出モジュール３０２は、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出するように構成され、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有し、
第２処理モジュール３０３は、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成される。
第１処理モジュール３０１は、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得るように構成され、
第１抽出モジュール３０２は、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出するように構成され、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有し、
第２処理モジュール３０３は、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成される。
【0133】
他の実施例において、関連関係は、第２数量の近隣ノードと現在ノードの子ノードとが、面、辺又は頂点を共有することを含む。
【0134】
他の実施例において、第２処理モジュール３０３は、第２数量の近隣ノードの占有情報に基づいて、子ノードの第２数量の近隣ノードに対応する占有数量を決定し、
占有数量に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成され、第１予測結果は、予測を行うかどうかの予測パラメータ及び予測の場合の予測値パラメータを指示するためのものである。
占有数量に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成され、第１予測結果は、予測を行うかどうかの予測パラメータ及び予測の場合の予測値パラメータを指示するためのものである。
【0135】
他の実施例において、第２処理モジュール３０３は、第２数量に関連する第３数量を得て、
占有数量と第３数量に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成される。
占有数量と第３数量に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成される。
【0136】
他の実施例において、第２処理モジュール３０３は、占有数量と第３数量が異なると決定した時、占有数量、第１閾値、第２閾値に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成される。
【0137】
他の実施例において、第２処理モジュール３０３は、占有数量と第３数量が異なると決定した時、占有数量と第１閾値を比較し、
占有数量が第１閾値以下であると決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれない第１予測結果を得るように構成される。
占有数量が第１閾値以下であると決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれない第１予測結果を得るように構成される。
【0138】
他の実施例において、第２処理モジュール３０３は、占有数量が第２閾値以上であると決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれる第１予測結果を得るように構成される。
【0139】
他の実施例において、第２処理モジュール３０３は、占有数量が第１閾値よりも大きく且つ第２閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行わない第２予測結果を得るように構成される。
【0140】
他の実施例において、第２処理モジュール３０３は、占有数量と第３数量が同じであると決定した時、占有数量、第３閾値、第４閾値に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得るように構成される。
【0141】
他の実施例において、第２処理モジュール３０３は、占有数量と第３数量が同じであると決定した時、子ノードの第２数量の近隣ノードから子ノードまでの距離に基づいて、第２数量の近隣ノードの占有情報の重みを設定し、
第２数量の近隣ノードの占有情報、及び第２数量の近隣ノードの占有情報に対応する重みに基づいて、子ノードの目標パラメータを決定し、
目標パラメータ、第３閾値、第４閾値に基づいて、第１予測結果を決定するように構成される。
第２数量の近隣ノードの占有情報、及び第２数量の近隣ノードの占有情報に対応する重みに基づいて、子ノードの目標パラメータを決定し、
目標パラメータ、第３閾値、第４閾値に基づいて、第１予測結果を決定するように構成される。
【0142】
他の実施例において、第２処理モジュール３０３は、目標パラメータが第３閾値以下であると決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれない第１予測結果を得るように構成される。
【0143】
他の実施例において、第２処理モジュール３０３は、目標パラメータが第４閾値以上であると決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行い、現在ノードの子ノードにポイントクラウドが含まれる第１予測結果を得るように構成される。
【0144】
他の実施例において、第２処理モジュール３０３は、目標パラメータが第３閾値よりも大きく且つ第４閾値よりも小さいと決定した時、現在ノードの子ノードの占有情報に対してイントラ予測を行わない第２予測結果を得るように構成される。
【0145】
他の実施例において、イントラ予測装置は、符号化装置であり、符号化装置は、第１予測結果に関連する符号化モデルを決定するように構成される第１決定モジュールと、
符号化モデルに基づいて、現在ノードの子ノードの占有情報に対して符号化を行い、ビットストリームに書き込むように構成される符号化モジュールと、を更に備える。
符号化モデルに基づいて、現在ノードの子ノードの占有情報に対して符号化を行い、ビットストリームに書き込むように構成される符号化モジュールと、を更に備える。
【0146】
他の実施例は、イントラ予測装置は、復号装置であり、復号装置は、第１予測結果に関連する復号モデルを決定するように構成される第２決定モジュールと、
復号モデルに基づいて、得たビットストリームに対して解析を行い、現在ノードの子ノードの占有情報を得るように構成される復号モジュールと、を更に備える。
復号モデルに基づいて、得たビットストリームに対して解析を行い、現在ノードの子ノードの占有情報を得るように構成される復号モジュールと、を更に備える。
【0147】
実際の応用において、図１１に示すように、本願の実施例は、エンコーダを更に提供する。前記エンコーダは、
実行可能なイントラ予測命令を記憶するように構成される第１メモリ４１と、
第１メモリ４１に記憶されている実行可能なイントラ予測命令を実行する時、本願の実施例による符号化装置側のイントラ予測方法を実現させるように構成される第１プロセッサ４２と、を備える。
実行可能なイントラ予測命令を記憶するように構成される第１メモリ４１と、
第１メモリ４１に記憶されている実行可能なイントラ予測命令を実行する時、本願の実施例による符号化装置側のイントラ予測方法を実現させるように構成される第１プロセッサ４２と、を備える。
【0148】
プロセッサは、ソフトウェア、ハードウェア、ファームウェア又はそれらの組み合わせにより実現してもよく、回路、単一又は複数の特定用途向け集積回路（ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔｓ：ＡＳＩＣ）、単一又は複数の汎用集積回路、単一又は複数のマイクロプロセッサ、単一又は複数のプログラマブルロジックデバイス、又は前記回路やデバイスの組み合わせ、又は他の適切な回路やデバイスを用いることで、該プロセッサに、前記符号化装置の実施例におけるイントラ予測方法の該当するステップを実行させる。
【0149】
理解できるように、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得て、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有し、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例において、現在ノードの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子ノードと関連関係を有する第２数量の近隣ノードのみを考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上させ、符号化復号の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する。
【0150】
実際の応用において、図１２に示すように、本願の実施例は、デコーダを更に提供する。前記デコーダは、
実行可能なイントラ予測命令を記憶するように構成される第２メモリ５１と、
第２メモリ５１に記憶されている実行可能なイントラ予測命令を実行する時、本願の実施例による復号装置側のイントラ予測方法を実現させるように構成される第２プロセッサ５２と、を備える。
実行可能なイントラ予測命令を記憶するように構成される第２メモリ５１と、
第２メモリ５１に記憶されている実行可能なイントラ予測命令を実行する時、本願の実施例による復号装置側のイントラ予測方法を実現させるように構成される第２プロセッサ５２と、を備える。
【0151】
プロセッサは、ソフトウェア、ハードウェア、ファームウェア又はそれらの組み合わせにより実現してもよく、回路、単一又は複数の特定用途向け集積回路（ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔｓ：ＡＳＩＣ）、単一又は複数の汎用集積回路、単一又は複数のマイクロプロセッサ、単一又は複数のプログラマブルロジックデバイス、又は前記回路やデバイスの組み合わせ、又は他の適切な回路やデバイスを用いることで、該プロセッサに、前記復号装置の実施例におけるイントラ予測方法の該当するステップを実行させる。
【0152】
理解できるように、入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得て、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有し、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例において、現在ノードの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子ノードと関連関係を有する第２数量の近隣ノードのみを考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上させ、符号化復号の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する。
【0153】
本願の実施例における各構成部は一つの処理ユニットに集積されてもよいし、各ユニットが物理的に別個のものとして存在してもよいし、２つ以上のユニットが一つのユニットに集積されてもよい。上記集積したユニットは、ハードウェアの形式で実現してもよく、ソフトウェア機能モジュールの形式で実現してもよい。
【0154】
集積したユニットは、ソフトウェア機能モジュールの形式で実現され、かつ独立した製品として販売または使用されるとき、コンピュータ可読記憶媒体に記憶されてもよい。このような理解のもと、本実施例の技術的解決手段は、本質的に、又は、従来技術に対して貢献をもたらした部分又は該技術的解決手段の全部又は一部は、ソフトウェア製品の形式で具現化することができ、該コンピュータソフトウェア製品は、記憶媒体に記憶してもよく、また、１台のコンピュータ機器（パソコン、サーバ、又はネットワーク機器など）又はｐｒｏｃｅｓｓｏｒ（プロセッサ）に、本実施例に記載の方法の全部又は一部のステップを実行させるための若干の命令を含む。前記記憶媒体は、磁気ランダムアクセスメモリ（ＦＲＡＭ：ｆｅｒｒｏｍａｇｎｅｔｉｃ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、読み出し専用メモリ（ＲＯＭ：Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、プログラマブル読み出し専用メモリ（ＰＲＯＭ：Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、消去可能プログラマブル読み出し専用メモリ（ＥＰＲＯＭ：Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、電気的消去可能プログラマブル読み出し専用メモリ（ＥＥＰＲＯＭ：Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）、磁気面メモリ、光ディスク又はコンパクトディスク読み出し専用メモリ（ＣＤ－ＲＯＭ，Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）など、プログラムコードを記憶可能な各種の媒体を含む。本願の実施例は、これを限定しない。
【0155】
本願の実施例は、コンピュータ可読記憶媒体を更に提供する。前記コンピュータ可読記憶媒体に実行可能なイントラ予測命令が記憶されており、該命令は、第１プロセッサにより実行される時、本願の実施例によるエンコーダ側のイントラ予測方法を実現させるためのものである。
【0156】
本願の実施例は、コンピュータ可読記憶媒体を更に提供する。前記コンピュータ可読記憶媒体に実行可能なイントラ予測命令が記憶されており、該命令は、第２プロセッサにより実行される時、本願の実施例によるデコーダ側のイントラ予測方法を実現させるためのものである。
【産業上の利用可能性】
【0157】
本願の実施例は、イントラ予測方法、装置、エンコーダ、デコーダ及び記憶媒体を提供する。入力ポイントクラウドに対して分割を行った後に得られた現在階層が目標階層よりも小さいと決定した時、現在ノードの第１数量の近隣ノードの占有情報を得て、第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占有情報を抽出し、第１数量は第２数量よりも大きく、第２数量の近隣ノードと現在ノードの子ノードとは関連関係を有し、第２数量の近隣ノードの占有情報に基づいて、現在ノードの子ノードの占有情報に対してイントラ予測を行い、第１予測結果を得る。つまり、本願の実施例において、現在ノードの子ノードの占有情報に対してイントラ予測を行う時、現在ノードの子ノードと関連関係を有する第２数量の近隣ノードのみを考慮することによって、ルックアップテーブルを減少させ、計算の複雑さを低減させ、イントラ予測結果の正確性を向上させ、符号化復号の時間長を短縮し、符号化復号の正確性を向上させるという目的を達する。
【手続補正2】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
デコーダが実行する、イントラ予測方法であって、
現在ノードの第１数量の近隣ノードの占有情報を決定することと、
前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの１つの子ノードとの位置関係に基づいて、前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占用数量を決定することと、
前記第２数量の近隣ノードの占用数量に基づいて、前記現在ノードの前記子ノードの占有予測結果を決定することと、を含み、
前記第１数量は前記第２数量よりも大きく、
前記位置関係は、前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの前記子ノードとが、面、辺又は頂点を共有することを含む、
イントラ予測方法。
現在ノードの第１数量の近隣ノードの占有情報を決定することと、
前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの１つの子ノードとの位置関係に基づいて、前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占用数量を決定することと、
前記第２数量の近隣ノードの占用数量に基づいて、前記現在ノードの前記子ノードの占有予測結果を決定することと、を含み、
前記第１数量は前記第２数量よりも大きく、
前記位置関係は、前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの前記子ノードとが、面、辺又は頂点を共有することを含む、
イントラ予測方法。
【請求項2】
前記第１数量が２６個である、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項3】
前記第２数量が７個である、
請求項１に記載の方法。
請求項１に記載の方法。
【請求項4】
第１閾値と第２閾値を決定し、
前記占用数量が前記第１閾値以下である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれなく、
前記占用数量が前記第２閾値以上である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれ、
前記占用数量が前記第１閾値より大きく、且つ前記第２閾値より小さい場合、前記現在ノードの前記子ノードの占有予測結果として予測不可である、
請求項１に記載の方法。
前記占用数量が前記第１閾値以下である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれなく、
前記占用数量が前記第２閾値以上である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれ、
前記占用数量が前記第１閾値より大きく、且つ前記第２閾値より小さい場合、前記現在ノードの前記子ノードの占有予測結果として予測不可である、
請求項１に記載の方法。
【請求項5】
エンコーダが実行する、イントラ予測方法であって、
現在ノードの第１数量の近隣ノードの占有情報を決定することと、
前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの１つの子ノードとの位置関係に基づいて、前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占用数量を決定することと、
前記第２数量の近隣ノードの占用数量に基づいて、前記現在ノードの前記子ノードの占有予測結果を決定することと、を含み、
前記第１数量は前記第２数量よりも大きく、
前記位置関係は、前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの前記子ノードとが、面、辺又は頂点を共有することを含む、
イントラ予測方法。
現在ノードの第１数量の近隣ノードの占有情報を決定することと、
前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの１つの子ノードとの位置関係に基づいて、前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占用数量を決定することと、
前記第２数量の近隣ノードの占用数量に基づいて、前記現在ノードの前記子ノードの占有予測結果を決定することと、を含み、
前記第１数量は前記第２数量よりも大きく、
前記位置関係は、前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの前記子ノードとが、面、辺又は頂点を共有することを含む、
イントラ予測方法。
【請求項6】
前記第１数量が２６個である、
請求項５に記載の方法。
請求項５に記載の方法。
【請求項7】
前記第２数量が７個である、
請求項５に記載の方法。
請求項５に記載の方法。
【請求項8】
第１閾値と第２閾値を決定し、
前記占用数量が前記第１閾値以下である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれなく、
前記占用数量が前記第２閾値以上である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれ、
前記占用数量が前記第１閾値より大きく、且つ前記第２閾値より小さい場合、前記現在ノードの前記子ノードの占有予測結果として予測不可である、
請求項５に記載の方法。
前記占用数量が前記第１閾値以下である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれなく、
前記占用数量が前記第２閾値以上である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれ、
前記占用数量が前記第１閾値より大きく、且つ前記第２閾値より小さい場合、前記現在ノードの前記子ノードの占有予測結果として予測不可である、
請求項５に記載の方法。
【請求項9】
デコーダであって、前記デコーダは、
現在ノードの第１数量の近隣ノードの占有情報を決定することと、
前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの１つの子ノードとの位置関係に基づいて、前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占用数量を決定することと、
前記第２数量の近隣ノードの占用数量に基づいて、前記現在ノードの前記子ノードの占有予測結果を決定することと、を行うように構成され、
前記第１数量は前記第２数量よりも大きく、
前記位置関係は、前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの前記子ノードとが、面、辺又は頂点を共有することを含む、
デコーダ。
現在ノードの第１数量の近隣ノードの占有情報を決定することと、
前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの１つの子ノードとの位置関係に基づいて、前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占用数量を決定することと、
前記第２数量の近隣ノードの占用数量に基づいて、前記現在ノードの前記子ノードの占有予測結果を決定することと、を行うように構成され、
前記第１数量は前記第２数量よりも大きく、
前記位置関係は、前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの前記子ノードとが、面、辺又は頂点を共有することを含む、
デコーダ。
【請求項10】
前記第１数量が２６個である、
請求項９に記載のデコーダ。
請求項９に記載のデコーダ。
【請求項11】
前記第２数量が７個である、
請求項９に記載のデコーダ。
請求項９に記載のデコーダ。
【請求項12】
第１閾値と第２閾値を決定するように構成され、
前記占用数量が前記第１閾値以下である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれなく、
前記占用数量が前記第２閾値以上である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれ、
前記占用数量が前記第１閾値より大きく、且つ前記第２閾値より小さい場合、前記現在ノードの前記子ノードの占有予測結果として予測不可である、
請求項９に記載のデコーダ。
前記占用数量が前記第１閾値以下である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれなく、
前記占用数量が前記第２閾値以上である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれ、
前記占用数量が前記第１閾値より大きく、且つ前記第２閾値より小さい場合、前記現在ノードの前記子ノードの占有予測結果として予測不可である、
請求項９に記載のデコーダ。
【請求項13】
エンコーダであって、前記エンコーダは、
現在ノードの第１数量の近隣ノードの占有情報を決定することと、
前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの１つの子ノードとの位置関係に基づいて、前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占用数量を決定することと、
前記第２数量の近隣ノードの占用数量に基づいて、前記現在ノードの前記子ノードの占有予測結果を決定することと、を行うように構成され、
前記第１数量は前記第２数量よりも大きく、
前記位置関係は、前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの前記子ノードとが、面、辺又は頂点を共有することを含む、
エンコーダ。
現在ノードの第１数量の近隣ノードの占有情報を決定することと、
前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの１つの子ノードとの位置関係に基づいて、前記第１数量の近隣ノードの占有情報から、第２数量の近隣ノードの占用数量を決定することと、
前記第２数量の近隣ノードの占用数量に基づいて、前記現在ノードの前記子ノードの占有予測結果を決定することと、を行うように構成され、
前記第１数量は前記第２数量よりも大きく、
前記位置関係は、前記現在ノードの少なくとも１つの近隣ノードと前記現在ノードの前記子ノードとが、面、辺又は頂点を共有することを含む、
エンコーダ。
【請求項14】
前記第１数量が２６個である、
請求項１３に記載のエンコーダ。
請求項１３に記載のエンコーダ。
【請求項15】
前記第２数量が７個である、
請求項１３に記載のエンコーダ。
請求項１３に記載のエンコーダ。
【請求項16】
第１閾値と第２閾値を決定するように構成され、
前記占用数量が前記第１閾値以下である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれなく、
前記占用数量が前記第２閾値以上である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれ、
前記占用数量が前記第１閾値より大きく、且つ前記第２閾値より小さい場合、前記現在ノードの前記子ノードの占有予測結果として予測不可である、
請求項１３に記載のエンコーダ。
前記占用数量が前記第１閾値以下である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれなく、
前記占用数量が前記第２閾値以上である場合、前記現在ノードの前記子ノードの占有予測結果として前記子ノードにポイントが含まれ、
前記占用数量が前記第１閾値より大きく、且つ前記第２閾値より小さい場合、前記現在ノードの前記子ノードの占有予測結果として予測不可である、
請求項１３に記載のエンコーダ。
【請求項17】
１つ又は複数のプロセッサで実行される請求項５～８のいずれか１項に記載の方法によって得られたビットストリームが記憶された不揮発性コンピュータ可読媒体。
【外国語明細書】