特表2022-524689点群属性コーディングの加重中央値を予測するための手法及びデバイス並びにコンピュータプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2022-05-10
(54)【発明の名称】点群属性コーディングの加重中央値を予測するための手法及びデバイス並びにコンピュータプログラム
(51)【国際特許分類】
H04N 19/597 20140101AFI20220427BHJP
H04N 19/70 20140101ALI20220427BHJP
H04N 19/94 20140101ALI20220427BHJP
【ＦＩ】
H04N19/597
H04N19/70
H04N19/94
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2021536057
(86)(22)【出願日】2020-03-20
(85)【翻訳文提出日】2021-06-29
(86)【国際出願番号】 US2020023757
(87)【国際公開番号】W WO2020191258
(87)【国際公開日】2020-09-24
(31)【優先権主張番号】62/821,075
(32)【優先日】2019-03-20
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】16/823,797
(32)【優先日】2020-03-19
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】520353802
【氏名又は名称】テンセント・アメリカ・エルエルシー
(74)【代理人】
【識別番号】100107766
【弁理士】
【氏名又は名称】伊東 忠重
(74)【代理人】
【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦
(74)【代理人】
【識別番号】100135079
【弁理士】
【氏名又は名称】宮崎 修
(72)【発明者】
【氏名】イエア，セフーン
(72)【発明者】
【氏名】ヴォソウギ，アラシュ
(72)【発明者】
【氏名】リィウ，シャン
【テーマコード（参考）】
5C159
【Ｆターム（参考）】
5C159MD04
5C159ME11
5C159PP03
5C159PP13
5C159RC11
5C159UA02
5C159UA05
(57)【要約】
点群属性コーディングを予測する方法であって、１つ又は複数の候補点を含む点群データを受信するステップと、受信した点群データから１つ又は複数の候補点に対する１つ又は複数の候補属性値を抽出するステップと、を含む。当該方法は、抽出した１つ又は複数の候補属性値と重み係数に基づいて加重中央値を計算するステップであって、重み係数は抽出した候補属性値に関連する候補ベクトルの相対的な重要度係数に対応するステップをさらに含む。当該方法は、加重中央値の計算に応じて、１つ又は複数の予測インデックスを候補点に割り当てるステップであって、前記予測インデックスはビデオエンコーディングのための属性データに対応するステップと、最も低い予測インデックスを有する候補点に関連する属性データをエンコードするように、メディアコンテンツを処理するステップと、をさらに含む。
【特許請求の範囲】
【請求項1】
少なくとも１つのプロセッサーが実行する、ビデオストリームにおけるメディアコンテンツを処理する方法であって、前記方法は点群属性コーディングを予測することを含み、前記方法は、１つ又は複数の候補点を含む点群データを受信するステップと、
受信した点群データから、前記１つ又は複数の候補点に対する１つ又は複数の候補属性値を抽出するステップと、
抽出した１つ又は複数の候補属性値と重み係数に基づいて、加重中央値を計算するステップであって、前記重み係数は、抽出した候補属性値に関連する候補ベクトルの相対的な重要度係数に対応するステップと、
前記加重中央値の計算に応じて、１つ又は複数の予測インデックスを前記候補点に割り当てるステップであって、前記予測インデックスはビデオエンコーディングのための属性データに対応するステップと、
最も低い予測インデックスを有する前記候補点に関連する前記属性データをエンコードするように、前記メディアコンテンツを処理するステップと、を含む方法。
【請求項2】
前記重み係数は、前記候補ベクトルの相対的な重要度係数に反比例する請求項１に記載の方法。
【請求項3】
前記重み係数は、候補点と、点サンプルからの１つ又は複数の他の点との間の幾何学的距離に対応する請求項１に記載の方法。
【請求項4】
前記１つ又は複数の候補属性値と前記幾何学的距離に基づいて、候補予測値のバイラテラル距離を決定するステップをさらに含む請求項３に記載の方法。
【請求項5】
１つ又は複数のノルム関数を使用してコスト関数を計算し、位置メトリックに関連するノルムは、属性メトリックに関連するノルムと異なる請求項１乃至４の何れか一項に記載の方法。
【請求項6】
単調増加関数と１つ又は複数の付加量を使用して、前記加重中央値を計算し、前記１つ又は複数の付加量は、１つ又は複数の候補点に関連する類似度係数に反比例する請求項１乃至５の何れか一項に記載の方法。
【請求項7】
前記候補点に関連する１つ又は複数のカラーチャネルに対して前記抽出するステップと前記計算するステップを実行する請求項１乃至６の何れか一項に記載の方法。
【請求項8】
前記候補属性値に基づいて、計算した加重中央値を使用して、点群の隣接サンプルを並び替える請求項１乃至７の何れか一項に記載の方法。
【請求項9】
インデックスを、中央値の優先順位で、並べ替えたサンプルに割り当てる請求項８に記載の方法。
【請求項10】
自己適応点群属性コーディングのためのデバイスであって、コンピュータプログラムコードを記憶するように配置される少なくとも１つのメモリと、
前記少なくとも１つのメモリにアクセスし、前記コンピュータプログラムコードに従って動作するように配置される少なくとも１つのプロセッサーと、を含み、
前記コンピュータプログラムコードは、
前記少なくとも１つのプロセッサーに、請求項１乃至９の何れか一項に記載の方法を実行させるデバイス。
【請求項11】
命令を含むコンピュータプログラムであって、前記命令は、少なくとも１つのプロセッサーに、請求項１乃至９の何れか一項に記載の方法を実行させるコンピュータプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本出願は、２０１９年３月２０日に米国特許商標庁に提出した、出願番号が６２／８２１，０７５である米国仮特許出願、及び２０２０年３月１９日に提出した、出願番号が１６／８２３，７９７である米国特許出願の優先権を主張し、本出願で、その全ての内容を援用するものとする。
【0002】
実施形態に係る方法及びデバイスは、図に基づく点群圧縮（Ｇ－ＰＣＣ）に関し、より具体的に、自己適応点群属性コーディングのための方法及びデバイスに関する。
【背景技術】
【0003】
世界の高度な３次元（３Ｄ）表現により、より没入型のインタラクションと通信が可能になり、マシンが私たちの世界を理解し、解釈し、ナビゲートすることが可能になる。３Ｄ点群は、そのような情報の表現を可能にする形で登場される。点群データに関連する多くのユースケースが特定されており、点群の表現と圧縮に対応する要件が開発されている。
【0004】
点群は、３Ｄ空間内の点の集合であり、各点は、例えば色、材料属性などの関連する属性を有する。点群を使用して、オブジェクト又はシナリオをこれらの点の組み合わせに再構築できる。これらの点は、様々な設置の複数のカメラ及び深度センサーを使用してキャプチャでき、数千から数十億の点で構成でき、再構築されたシナリオをリアルに表現する。
【0005】
点群を表すためのデータの量を減らすためには、圧縮技術が必要である。そのため、リアルタイム通信と６自由度（６ ＤｏＦ）仮想現実には、点群を不可逆圧縮するための技術が必要である。また、自動運転および文化遺産適用などの動的マッピングの背景で、可逆点群圧縮のための技術が求められている。動画専門家集団（ＭＰＥＧ）は、幾何と属性（例えば、色と反射率、スケーラブル／プログレッシブエンコーディング、時間の経過とともにキャプチャされた点群シーケンスのエンコーディング、及び点群のサブセットへのランダムアクセス）の圧縮を解決するための標準の作業を開始した。
【0006】
図１は、Ｇ－ＰＣＣにおいて詳細レベル（ＬｏＤ）を生成する方法を示す図である。
【0007】
図１を参照すると、現在のＧ－ＰＣＣ属性コーディングにおいて、各３Ｄ点の距離に基づいて、各３Ｄ点のＬｏＤグループ１００（例えば、Ｐ０からＰ９）を生成し、そして、３Ｄ点の元の順序１０５ではなく、３Ｄ点のＬｏＤの順序１１０に基づく予測を適用して、各ＬｏＤにおける３Ｄ点の属性値をエンコードする。例えば、３Ｄ点Ｐ２の前にエンコード又はデコードされた３Ｄ点Ｐ０、Ｐ５及びＰ４の距離に基づく加重平均値を計算することによって、３Ｄ点Ｐ２の属性値を予測する。
【0008】
Ｇ－ＰＣＣにおける現在アンカー方法は、次のように実行する。
【0009】
まず、隣接値の差異を検査するために、３Ｄ点の近傍の変動性を計算する。変動性が閾値より低い場合、属性値（ａｉ）ｉ∈０…ｋ－１を予測することによって、現在の点ｉの最近傍の距離に基づく線形補間処理を使用して、距離に基づく加重平均予測の計算を実行する。
を現在の点ｉのｋ個の最近傍の集合とし、
をデコード／再構築された属性値とし、
を現在の点ｉからの距離とする。そして、属性値
の予測は、次の式に示すようである。
【数1】
を現在の点ｉのｋ個の最近傍の集合とし、
【数2】
をデコード／再構築された属性値とし、
【数3】
を現在の点ｉからの距離とする。そして、属性値
【数4】
の予測は、次の式に示すようである。
【0010】
【数5】
【0011】
なお、属性をエンコードする場合、全ての点群の幾何的な位置は既に利用可能である。また、隣接点とその再構築された属性値の両方は、エンコーダーとデコーダーで、いずれもｋ次元ツリー構造として利用でき、当該ｋ次元ツリー構造は、同じ方式で各点に対する最近傍探索を容易にする。
【0012】
次に、変動性が閾値より高い場合、レート歪み最適化（ＲＤＯ）予測値の選択を実行する。ＬｏＤを生成する場合の隣接点探索の結果に基づいて、複数の予測値候補又は候補予測値を作成する。例えば、予測を使用して３Ｄ点Ｐ２の属性値をエンコードする場合、３Ｄ点Ｐ２から３Ｄ点Ｐ０、Ｐ５及びＰ４までの距離の加重平均値を、０に等しい予測値インデックスに設置する。そして、３Ｄ点Ｐ２から最も近い隣接点Ｐ４までの距離を１に等しい予測値インデックスに設置する。また、３Ｄ点Ｐ２からそれぞれに次の最も近い隣接点Ｐ５及びＰ０までの距離を、２及び３に等しい予測値インデックスに設置する。以下の表１に示す。
【表1】
【0013】
予測値候補を作成した後、レート歪み最適化処理を適用して、最適な予測値を選択し、そして、選択された予測値インデックスを切り捨てられた単項（ＴＵ）コードにマッピングし、切り捨てられた単項（ＴＵ）コードのバイナリ値（ｂｉｎ）を算術符号化する。なお、短いＴＵコードは、表１のうち小さい予測値インデックスに割り当てる。
【0014】
予測値候補の最大数ＭａｘＮｕｍＣａｎｄが定義され、属性ヘッダーにエンコードされる。現在の実現形態では、予測値候補の最大数ＭａｘＮｕｍＣａｎｄを予測における最近傍の数（ｎｕｍｂｅｒＯｆＮｅａｒｅｓｔＮｅｉｇｈｂｏｒｓＩｎＰｒｅｄｉｃｔｉｏｎ）＋１に等しいように設置し、そして切り捨てられた単項２値化により、予測値インデックスをエンコード及びデコードする。
【0015】
Ｇ－ＰＣＣにおいて属性コーディングに対する予測では、表１に示すように、予測値候補の選択順序が固定される。しかしながら、データ特徴と変動性閾値によって、選択した予測値インデックスの頻度が表１に示す固定順序に従わないため、圧縮効率が低下する。
【発明の概要】
【課題を解決するための手段】
【0016】
実施形態によれば、少なくとも１つのプロセッサーが実行する、点群属性コーディングを予測する方法であって、前記方法は、１つ又は複数の候補点を含む点群データを受信するステップと、受信した点群データから１つ又は複数の候補点に対する１つ又は複数の候補属性値を抽出するステップと、を含む。当該方法は、抽出した１つ又は複数の候補属性値と重み係数に基づいて加重中央値を計算するステップであって、重み係数は抽出した候補属性値に関連する候補ベクトルの相対的な重要度係数に対応するステップをさらに含む。当該方法は、加重中央値の計算に応じて、ビデオエンコーディングのための属性データに対応する１つ又は複数の予測インデックスを候補点に割り当てるステップと、最も低い予測インデックスを有する候補点に関連する属性データをエンコードするように、メディアコンテンツを処理するステップと、をさらに含む。
【0017】
実施形態によれば、自己適応点群属性コーディングのためのデバイスであって、コンピュータプログラムコードを記憶するように配置される少なくとも１つのメモリと、少なくとも１つのメモリをアクセスしコンピュータプログラムコードに従って動作するように配置される少なくとも１つのプロセッサーと、を含む。コンピュータプログラムコードは、少なくとも１つのプロセッサーに、１つ又は複数の候補点を含む点群データを受信させるように配置される受信コードと、少なくとも１つのプロセッサーに、受信した点群データから１つ又は複数の候補点に対する１つ又は複数の候補属性値を抽出させるように配置される抽出コードと、を含む。コンピュータプログラムコードは、少なくとも１つのプロセッサーに、抽出した１つ又は複数の候補属性値と重み係数に基づいて加重中央値を計算させる計算コードであって、重み係数は抽出した候補属性値に関連する候補ベクトルの相対的な重要度係数に対応する計算コードをさらに含む。コンピュータプログラムコードは、少なくとも１つのプロセッサーに、加重中央値の計算に応じて、ビデオエンコーディングのための属性データに対応する１つ又は複数の予測インデックスを候補点に割り当てさせるように配置される割り当てコードと、１つ又は複数のプロセッサーに、最も低い予測インデックスを有する候補点に関連する属性データをエンコードするように、メディアコンテンツを処理させるように配置される処理コードと、をさらに含む。
【0018】
実施形態によれば、命令を記憶する非一時的なコンピュータ可読記憶媒体であって、前記命令により、少なくとも１つのプロセッサーに、１つ又は複数の候補点を含む点群データを受信するステップと、受信した点群データから１つ又は複数の候補点に対する１つ又は複数の候補属性値を抽出するステップと、を実行させる。当該命令により、少なくとも１つのプロセッサーに、抽出した１つ又は複数の候補属性値と重み係数に基づいて加重中央値を計算するステップであって、重み係数は抽出した候補属性値に関連する候補ベクトルの相対的な重要度係数に対応するステップを実行させる。
【図面の簡単な説明】
【0019】
【図1】Ｇ－ＰＣＣにおいてＬｏＤを生成する方法を示す図である。
【0020】
【図2】実施形態による通信システムのブロック図である。
【0021】
【図3】実施形態によるＧ－ＰＣＣコンプレッサ及びＧ－ＰＣＣデコンプレッサの環境内の配置方式を示す図である。
【0022】
【図4】実施形態によるＧ－ＰＣＣコンプレッサの機能ブロック図である。
【0023】
【図5】実施形態によるＧ－ＰＣＣデコンプレッサの機能ブロック図である。
【0024】
【図6】実施形態による自己適応点群属性コーディングのための方法のフローチャートである。
【0025】
【図7】実施形態による自己適応点群属性コーディングのためのデバイスのブロック図である。
【0026】
【図8】実施形態の実現に適したコンピュータシステムの図である。
【発明を実施するための形態】
【0027】
本文に記載の実施形態は、自己適応点群属性コーディングのための方法及びデバイスを提供する。補間に基づく予測では、重み係数を使用して、予測のために隣接する属性値の加重和（ｗｅｉｇｈｔｅｄ－ｓｕｍ）を形成でき、前記重み係数は、現在サンプルとその隣接する各サンプルのそれぞれとの間の幾何学距離の逆数であり得る。属性値がスムーズまたは均一に変化する領域において、これは効果的である。しかしながら、その他の場合、属性距離と幾何学距離の間の関連性が非常に低い可能性があるため、幾何に基づく属性加重予測は無効になる。従って、点群属性の予測信号を有利に形成することができ、当該点群属性は、属性信号コーディングの特徴を使用できる。
【0028】
図２は、実施形態による通信システム２００のブロック図である。通信システム２００は、ネットワーク２５０を介して相互接続された少なくとも２つの端末２１０及び２２０を含み得る。データの一方向伝送の場合、第１の端末２１０は、ローカル位置で点群データをエンコードし、ネットワーク２５０を介して第２の端末２２０に伝送することができる。第２の端末２２０は、ネットワーク２５０から第１の端末２１０のエンコードされた点群データを受信し、エンコードされた点群データをデコードしてデコードされた点群データを表示することができる。一方向のデータ伝送は、メディアサービスアプリケーションなどで一般的である。
【0029】
図２は、第２のペアの端末２３０及び２４０も示した。第２のペアの端末２３０及び２４０は、例えば、ビデオ会議中に発生する可能性があるエンコードされた点群データの双方向伝送をサポートするために提供される。データの双方向伝送の場合、各端末２３０又は２４０は、ローカル位置でキャプチャされた点群データをエンコードし、ネットワーク２５０を介して他の端末に伝送することができる。各端末２３０又は２４０は、他の端末によって伝送したエンコードされた点群データを受信し、エンコードされた点群データをデコードし、ローカル表示装置にデコードされた点群データを表示することができる。
【0030】
図２において、端末２１０から２４０は、サーバー、パーソナルコンピュータ及びスマートフォンとして示したが、実施形態の原理は、これらに限定されない。実施形態は、ラップトップコンピュータ、タブレットコンピュータ、メディアプレーヤー、及び／又は専用ビデオ会議機器に適する。ネットワーク２５０は、端末２１０から２４０の間でエンコードされた点群データを伝送するための任意の数のネットワークを示し、例えば、有線及び／又は無線通信ネットワークを含む。通信ネットワーク２５０は、回路交換及び／又はパケット交換チャネルでデータを交換することができる。代表的なネットワークは、電気通信ネットワーク、ローカルエリアネットワーク、ワイドエリアネットワーク及び／又はインターネットを含む。本議論の目的のために、ネットワーク２５０のアーキテクチャ及びトポロジーは、以下に特別に記載がない限り、実施形態の動作にとって重要でない場合がある。
【0031】
図３は、実施形態によるＧ－ＰＣＣコンプレッサ３０３及びＧ－ＰＣＣデコンプレッサ３１０の環境における配置方式を示す図である。開示された主題は、他の点群をサポートするアプリケーションにも同様に適用でき、例えば、ビデオ会議、デジタルテレビ、ＣＤ、ＤＶＤ、メモリスティックなどを含むデジタルメディアに圧縮点群データなどを記憶することを含む。
【0032】
ストリーミングシステム３００は、キャプチャサブシステム３１３を含んでもよく、当該キャプチャサブシステム３１３は、デジタルカメラなどの点群ソース３０１を含み、当該点群ソース３０１は、例えば、非圧縮の点群データ３０２を作成してもよい。点群ソース３０１に結合されたＧ－ＰＣＣコンプレッサ３０３によって、大きいデータ量を有する点群データ３０２を処理することができる。Ｇ－ＰＣＣコンプレッサ３０３は、以下により詳細に説明する開示主題の様々な態様を実現又は実施するために、ハードウェア、ソフトウェア又はそれらの組み合わせを含み得る。少ないデータ量を有するエンコードされた点群データ３０４は、将来の使用のためにストリーミングサーバー３０５に記憶することができる。１つ又は複数のストリーミングクライアント３０６及び３０８は、ストリーミング伝送サーバー３０５にアクセスして、エンコードされた点群データ３０４のコピー３０７及び３０９を検索することができる。クライアント３０６は、Ｇ－ＰＣＣデコンプレッサ３１０を含んでもよく、当該Ｇ－ＰＣＣデコンプレッサ３１０はエンコードされた点群データの着信コピー３０７をデコードし、ディスプレイ３１２又は他の表示装置（図示せず）に表示できる発信（ｏｕｔｇｏｉｎｇ）点群データ３１１を作成する。あるストリーミングシステムでは、ビデオコーディング／圧縮規格に従って、エンコードされた点群データ３０４、３０７及び３０９をエンコードする。これらの規格の例は、ＭＰＥＧによってＧ－ＰＣＣに対して開発した規格を含む。
【0033】
図４は、実施形態によるＧ－ＰＣＣコンプレッサ３０３の機能ブロック図である。
【0034】
図４に示すように、Ｇ－ＰＣＣコンプレッサ３０３は、量子化器４０５、点除去モジュール４１０、八分木エンコーダー４１５、属性伝送モジュール４２０、ＬｏＤ生成器４２５、予測モジュール４３０、量子化器４３５及び算術コーダー
４４０を含む。
４４０を含む。
【0035】
量子化器４０５は、入力点群における点の位置を受信する。当該位置は、（ｘ，ｙ，ｚ）座標であり得る。量子化器４０５はまた、例えば、ズームアルゴリズム及び／又はシフトアルゴリズムを使用して、受信した位置を量子化する。
【0036】
点除去モジュール４１０は、量子化器４０５から量子化位置を受信し、受信した量子化位置から重複位置を除去又はフィルタリングする。
【0037】
八分木エンコーダー４１５は、点除去モジュール４１０からフィルタリングされた位置を受信し、八分木エンコーディングアルゴリズムを使用して、受信したフィルタリングされた位置を入力点群の八分木を示す占有シンボル（ｏｃｃｕｐａｎｃｙ ｓｙｍｂｏｌｓ）にエンコードする。八分木に対応する入力点群のバウンディングボックス（ｂｏｕｎｄｉｎｇ ｂｏｘ）は、立方体などの任意の３Ｄ形状であってもよい。
【0038】
八分木エンコーダー４１５は、フィルタリングされた位置に対するエンコーディングに基づいて、受信したフィルタリングされた位置を並べ替える。
【0039】
属性伝送モジュール４２０は、入力点群における点の属性を受信する。前記属性は、例えば、各点の色又はＲＧＢ値及び／又は反射率を含み得る。属性伝送モジュール４２０は、八分木エンコーダー４１５から並べ替えた位置を受信する。
【0040】
属性伝送モジュール４２０は、受信した並べ替えた位置に基づいて、受信した属性を更新する。例えば、属性伝送モジュール４２０は、受信した属性に対して前処理アルゴリズムのうち１つ又は複数を実行でき、前処理アルゴリズムは、例えば、受信した属性に対して加重及び平均化することと、受信した属性から付加属性を補間することを含む。属性伝送モジュール４２０は、更新された属性を予測モジュール４３０に伝送する。
【0041】
ＬｏＤ生成器４２５は、八分木エンコーダー４１５から並べ替えた位置を受信し、ＬｏＤ生成器４２５は、受信した並べ替えた位置に対応する点における各点のＬｏＤを取得する。各ＬｏＤは点のセットと見なすことができ、点における各点の距離に基づいて各ＬｏＤを取得できる。例えば、図１に示すように、点Ｐ０、Ｐ５、Ｐ４及びＰ２は、ＬｏＤ ＬＯＤ０にあり、点Ｐ０、Ｐ５、Ｐ４、Ｐ２、Ｐ１、Ｐ６及びＰ３はＬｏＤ ＬＯＤ１にあり、点Ｐ０、Ｐ５、Ｐ４、Ｐ２、Ｐ１、Ｐ６、Ｐ３、Ｐ９、Ｐ８及びＰ７はＬｏＤ ＬＯＤ２にある。
【0042】
予測モジュール４３０は、属性伝送モジュール４２０から伝送された属性を受信し、ＬｏＤ生成器４２５から取得された各点のＬｏＤを受信する。予測モジュール４３０は、受信した各点のＬｏＤに基づいて、受信した属性に予測アルゴリズムを順に適用することにより、受信した属性の予測残差（値）をそれぞれ取得する。予測アルゴリズムは、例えば、補間、加重平均計算、最近傍アルゴリズム、及びＲＤＯのいずれかを含み得る。
【0043】
例えば、図１に示すように、ＬｏＤ ＬＯＤ１及びＬＯＤ２にそれぞれ含まれる点Ｐ１、Ｐ６、Ｐ３、Ｐ９、Ｐ８及びＰ７の受信した属性の予測残差を取得する前に、まずＬｏＤ ＬＯＤ０に含まれる点Ｐ０、Ｐ５、Ｐ４及びＰ２の受信した属性に対応する予測残差を取得できる。点Ｐ０、Ｐ５及びＰ４の加重平均値に基づいて距離を計算することにより、受信した点Ｐ２の属性の予測残差を取得できる。
【0044】
量子化器４３５は、予測モジュール４３０から取得した予測残差を受信し、例えばズームアルゴリズム及び／又はシフトアルゴリズムを使用して、受信した予測残差を量子化する。
【0045】
算術コーダー４４０は、八分木エンコーダー４１５から占有シンボルを受信し、量子化器４３５から量子化の予測残差を受信する。算術コーダー４４０は、受信した占有シンボル及び量子化された予測残差に対して、算術符号化を実行して、圧縮されたビットストリームを取得する。算術符号化は、例えばコンテキスト適応バイナリ算術符号化などの様々なエントロピー符号化アルゴリズムのいずれかを含み得る。
【0046】
図５は、実施形態によるＧ－ＰＣＣデコンプレッサ３１０の機能ブロック図である。
【0047】
図５に示すように、Ｇ－ＰＣＣデコンプレッサ３１０は、算術デコーダー５０５、八分木デコーダー５１０、逆量子化器５１５、ＬｏＤ生成器５２０、逆量子化器５２５、及び逆予測モジュール５３０を含む。
【0048】
算術デコーダー５０５は、Ｇ－ＰＣＣコンプレッサ３０３から圧縮されたビットストリームを受信し、受信した圧縮ビットストリームに対して算術復号化を実行して、占有シンボル及び量子化された予測残差を取得する。算術復号化は、例えばコンテキスト適応バイナリ算術復号化などの様々なエントロピー復号化アルゴリズムのいずれかを含み得る。
【0049】
八分木デコーダー５１０は、算術デコーダー５０５から取得された占有シンボルを受信し、八分木デコードアルゴリズムを使用して、受信した占有シンボルを量子化位置にデコードする。
【0050】
逆量子化器５１５は、八分木デコーダー５１０から量子化位置を受信し、例えばズームアルゴリズム及び／又はシフトアルゴリズムを使用して、受信した量子化位置を逆量子化して、入力点群における点の再構築位置を取得する。
【0051】
ＬｏＤ生成器５２０は、八分木デコーダー５１０から量子化位置を受信し、受信した量子化位置に対応する各点のＬｏＤを取得する。
【0052】
逆量子化器５２５は、取得された量子化予測残差を受信し、例えばズームアルゴリズム及び／又はシフトアルゴリズムを使用して、受信した量子化予測残差を逆量子化して、再構築された予測残差を取得する。
【0053】
逆予測モジュール５３０は、逆量子化器５２５から、取得され再構築された予測残差を受信し、ＬｏＤ生成器５２０から、取得された各点のＬｏＤを受信する。逆予測モジュール５３０は、受信した各点のＬｏＤに基づいて、受信した再構築予測残差に対して予測アルゴリズムを順に適用して、受信した再構築予測残差の再構築属性をそれぞれ取得する。予測アルゴリズムは、例えば、補間、加重平均計算、最近傍アルゴリズム及びＲＤＯの各予測アルゴリズムのいずれかを含んでもよい。再構築された属性は、入力点群における点に属する。
【0054】
次に、自己適応点群属性コーディングのための方法及びデバイスを詳細に説明する。上記のＧ－ＰＣＣコンプレッサ３０３、即ち、予測モジュール４３０で、このような方法及びデバイスを実現することができる。
【0055】
１つ又は複数の実施形態では、候補属性値の加重中央値は、予測のための属性コーディングに使用できる。例えば、Ｎ個の候補隣接属性ベクトル Xjの各々にコスト関数（ｃｏｓｔ ｆｕｎｃｔｉｏｎ） f(Xj)を定義して、ｉは１からＮに等しく、ｊは１からＮに等しい。例えば、pが１又は２に等しい場合、Xpノルム
を決定できる。重みWj は、候補隣接属性ベクトルの相対的な重要性を示し、Wjが小さいほど、 Xjが重要になる可能性がある。f(Xj)の出力値を最小化できるベクトルXjを、加重ベクトルの中央値
に定義できる。従って、コスト関数f(Xj)は、
のようである。候補と現在サンプルの間の幾何学的距離をWjに使用できる。
【数6】
を決定できる。重みWj は、候補隣接属性ベクトルの相対的な重要性を示し、Wjが小さいほど、 Xjが重要になる可能性がある。f(Xj)の出力値を最小化できるベクトルXjを、加重ベクトルの中央値
【数7】
のようである。候補と現在サンプルの間の幾何学的距離をWjに使用できる。
【0056】
上記した方法の１つの利点は、特に、当該方法では、追加の付加情報のコストを発生させることなく、可能な限り多くの利用可能な候補を使用できることである。一方、他の方法は、現在のＧ－ＰＣＣアンカー方法を使用する場合のように、明示的に最適な予測候補インデックスを通知する。
【0057】
一実施形態では、コスト関数f(Xj)は、次に置き換えることができる。
なお、Pi は、ｉ番目の隣接するサンプルの位置を示し、位置メトリックｑ及び属性メトリックｐに使用される１つ又は複数のノルムは、必ずしも同じであるとは限られない。従って、各候補サンプルペアの１つ又は複数のバイラテラル距離を考慮することができる。Ｗｊは、候補と予測対象の現在サンプルとの間の幾何学的距離として設置される。或いは、Ｗｊは、候補Ｘｊの相対的重要性に反比例する値に等しく設置される。より一般的には、
は、任意の単調増加関数又は任意の付加量に置き換えることができ、前記の任意の付加量は、i番目と j番目の候補の相対的な類似性に反比例する。
【数8】
なお、Pi は、ｉ番目の隣接するサンプルの位置を示し、位置メトリックｑ及び属性メトリックｐに使用される１つ又は複数のノルムは、必ずしも同じであるとは限られない。従って、各候補サンプルペアの１つ又は複数のバイラテラル距離を考慮することができる。Ｗｊは、候補と予測対象の現在サンプルとの間の幾何学的距離として設置される。或いは、Ｗｊは、候補Ｘｊの相対的重要性に反比例する値に等しく設置される。より一般的には、
【数9】
は、任意の単調増加関数又は任意の付加量に置き換えることができ、前記の任意の付加量は、i番目と j番目の候補の相対的な類似性に反比例する。
【0058】
一実施形態では、候補サンプル間で、コスト関数値が類似する可能性がある場合、全ての候補属性値の平均値又は加重平均値を選択することができる。他の実施形態では、コスト関数に基づいて、最初のいくつかの候補サンプル属性値のみを使用することができる。一例では、最初のいくつかの候補サンプルの平均を使用できる。
【0059】
別の実施形態では、候補サンプル属性値の平均値は、コスト関数の（Ｎ＋１）番目の候補として含まれ得る。従って、コスト関数は、それぞれ
と
になってもよく、ｉ＝１，…，Ｎの場合、ＹｉがＸｉに等しく、ＹＮ＋１はサンプル平均値又はＸ１からＸＮの加重平均値であってもよく、重みは、各候補サンプルと現在の予測サンプルの相対距離によって定義される。また、ｉ＝１，…，Ｎの場合、ＱｉはＰｉに等しく、ＱＮ＋１は候補のサンプル平均位置であってもよい。
【数10】
と
【数11】
になってもよく、ｉ＝１，…，Ｎの場合、ＹｉがＸｉに等しく、ＹＮ＋１はサンプル平均値又はＸ１からＸＮの加重平均値であってもよく、重みは、各候補サンプルと現在の予測サンプルの相対距離によって定義される。また、ｉ＝１，…，Ｎの場合、ＱｉはＰｉに等しく、ＱＮ＋１は候補のサンプル平均位置であってもよい。
【0060】
別の実施形態では、Ｎ＞１のベクトル信号をエンコードする場合、そのような準備（provision）が所定のベクトル信号の基本的な統計をよりよく利用できるとき、各チャネルに対して加重中央値予測を実行することができる。
【0061】
別の実施形態では、予測値インデックスは、ＷＴＡ予測のための隣接サンプルを指定するように構成される。予測に使用できる隣接サンプルの属性値に基づいて、加重中央値メトリックの１つを使用して、予測に使用できる隣接サンプルを並べ替える。中央値の優先順位でインデックスを並べ替えたサンプルに割り当てることができる。各加重中央値メトリックを使用して並べ替えることができる。Ｇ－ＰＣＣで使用する現在のアンカー法に比べて、加重中央値サンプル予測値は、例えば加重中央値メトリックの順序で低いインデックスを割り当てて、インデックスコーディングコストを削減できる。
【0062】
図６は、実施形態による予測点群属性コーディングの方法６００のフローチャートである。いくつかの実現方式では、図６の１つ又は複数の処理ブロックは、Ｇ－ＰＣＣデコンプレッサ３１０によって実行される。いくつかの実現方式では、図６の１つ又は複数の処理ブロックは、Ｇ－ＰＣＣデコンプレッサ３１０から独立するか、Ｇ－ＰＣＣデコンプレッサ３１０を含む別の装置又は装置グループ（例えば、Ｇ－ＰＣＣコンプレッサ３０３）によって実行される。
【0063】
図６を参照して、第１のブロック６１０において、方法６００は、１つ又は複数の候補点を含む点群データを受信するステップを含む。
【0064】
第２のブロック６２０において、方法６００は、受信した点群データから１つ又は複数の候補点に対する１つ又は複数の候補属性値を抽出するステップを含む。
【0065】
第３のブロック６３０において、方法６００は、１つ又は複数の抽出された候補属性値と重み係数に基づいて加重中央値を計算するステップであって、なお、重み係数は、抽出された候補属性値に関連する候補ベクトルの相対的な重要度係数に対応するステップを含む。
【0066】
第４のブロック６４０において、方法６００は、加重中央値の計算に応じて、１つ又は複数の予測インデックスを候補点に割り当てるステップであって、前記予測インデックスはビデオエンコーディングのための属性データに対応するステップを含む。
【0067】
第５のブロック６５０において、方法６００は、最も低い予測インデックスを有する候補点に関連する属性データをエンコードするように、メディアコンテンツを処理するステップを含む。
【0068】
当該方法は、１つ又は複数の候補属性値と幾何学的距離に基づいて、候補予測値のバイラテラル距離（bilateral distance）を決定するステップをさらに含んでもよい。
【0069】
重み係数は、候補ベクトルの相対的な重要度係数に反比例してもよい。重み係数は、候補点と点サンプルからの他の１つ又は複数の点との間の幾何学的距離に対応してもよい。１つ又は複数のノルム関数を使用してコスト関数を計算し、位置メトリックに関連するノルムは、属性メトリックに関連するノルムと異なってもよい。単調増加関数及び１つ又は複数の付加量を使用して加重中央値を計算し、前記１つ又は複数の付加量は１つ又は複数の候補点に関連する類似度係数に反比例してもよい。候補点に関連する１つ又は複数のカラーチャネルに対して抽出及び計算を実行してもよい。候補属性値に基づいて、計算した加重中央値を使用して、点群の隣接サンプル値を並べ替えて、中央値の優先順位でインデックスを並べ替えられたサンプルに割り当てることができる。
【0070】
図６は、方法６００の例示的なブロックを示すが、いくつかの実現方式では、図６に示したブロックに比べて、方法６００は、付加のブロック、より少ないブロック、異なるブロック、又は異なる配置のブロックを含んでもよい。追加的または代替的に、方法６００のブロックのうちの２つ又はより多いブロックが並行して実行されてもよい。
【0071】
なお、処理回路（例えば、１つ又は複数のプロセッサー又は１つ又は複数の集積回路）によって提出した方法を実現することができる。一例では、１つ又は複数のプロセッサーは非一時的なコンピュータ可読媒体に記憶されるプログラムを実行し、前記プログラムは、提出した方法における１つ又は複数の方法を実行する。
【0072】
図７は、実施形態による自己適応点群属性コーディングのためのデバイス７００のブロック図である。
【0073】
図７を参照して、デバイス７００は、受信コード７１０、抽出コード７２０、計算コード７３０、割り当てコード７４０、及び処理コード７５０を含む。
【0074】
受信コード７１０は、少なくとも１つのプロセッサーに、１つ又は複数の候補点を含む点群データを受信させるように配置される。
【0075】
抽出コード７２０は、少なくとも１つのプロセッサーに、受信した点群データから１つ又は複数の候補点に対する１つ又は複数の候補属性値を抽出させるように配置される。
【0076】
選択コード７３０は、少なくとも１つのプロセッサーに、１つ又は複数の抽出された候補属性値と重み係数に基づいて加重中央値を計算させるように配置され、なお、重み係数は、抽出された候補属性値に関連する候補ベクトルの相対的な重要度係数に対応する。
【0077】
割り当てコード７４０は、少なくとも１つのプロセッサーに、加重中央値の計算に応じて、１つ又は複数の予測インデックスを候補点に割り当てさせるように配置され、前記予測インデックスはビデオエンコーディングのための属性データに対応する。
【0078】
処理コード７５０は、少なくとも１つのプロセッサーに、最も低い予測インデックスを有する候補点に関連する属性データをエンコードするように、メディアコンテンツを処理させるように配置される。
【0079】
デバイス７００は、少なくとも１つのプロセッサーに、１つ又は複数の候補属性値と幾何学的距離に基づいて候補予測値のバイラテラル距離を決定させるように配置される決定コードをさらに含んでもよい。
【0080】
重み係数は、候補ベクトルの相対的な重要度係数に反比例してもよい。重み係数は、候補点と点サンプルからの１つ又は複数の他の点との間の幾何学的距離に対応してもよい。１つ又は複数のノルム関数を使用してコスト関数を計算し、位置メトリックに関連するノルムは、属性メトリックに関連するノルムと異なってもよい。単調増加関数及び１つ又は複数の付加量を使用して加重中央値を計算し、前記１つ又は複数の付加量は１つ又は複数の候補点に関連する類似度係数に反比例してもよい。候補点に関連する１つ又は複数のカラーチャネルに対して、抽出及び計算を実行してもよい。候補属性値に基づいて、計算した加重中央値を使用して、点群の隣接サンプル値を並べ替えて、中央値の優先順位でインデックスを並べ替えられたサンプルに割り当てることができる。
【0081】
図８は、実施形態の実施に適したコンピュータシステム８００の図である。
【0082】
コンピュータソフトウェアは、任意の適切なマシンコード又はコンピュータ言語でエンコードでき、任意の適切なマシンコード又はコンピュータ言語に対してアセンブル、コンパイル、リンクなどのメカニズムを行い、命令を含むコードを作成でき、これらの命令は、コンピュータ中央処理ユニット（ＣＰＵ）、グラフィックス処理ユニット（ＧＰＵ）などによって直接に実行されてもよく、解釈（interpretation）やマイクロコード実行などによって実行されてもよい。
【0083】
命令は、例えば、パーソナルコンピュータ、タブレットコンピュータ、サーバー、スマートフォン、ゲーム装置、モノのインターネット装置等を含む各種類のコンピュータ又はその構成要素で実行できる。
【0084】
図８に示したコンピュータシステム８００で使用される構成要素は、本質的に例示的なものであり、各実施形態を実施するためのコンピュータソフトウェアの使用範囲または機能を制限することを意図するものではない。構成要素の配置は、コンピュータシステム８００の実施形態に示した構成要素のいずれか１つ構成要素又は構成要素の組み合わせに関連する依存性または要件を有すると解釈されるべきではない。
【0085】
コンピュータシステム８００は、いくつかのヒューマンマシンインターフェース入力装置を含み得る。このようなヒューマンマシンインターフェース入力装置は、１つ又は複数の人間のユーザーにより、例えば、触覚入力（例えば、キーストローク、スワイプ、データグローブの動き）、オーディオ入力（例えば、音声、タッピング）、視覚入力（例えば、姿勢）、嗅覚入力（図示せず）を介した入力に応答することができる。ヒューマンマシンインターフェース装置は、例えば、オーディオ（例えば、音声、音楽、環境音）、画像（例えば、スキャン画像、静止画像撮像装置から取得した写真画像）、ビデオ（例えば、２次元ビデオ、立体ビデオを含む３次元ビデオ）のような人間の意識的な入力に必ずしも直接に関連しないあるメディアをキャプチャすることができる。
【0086】
入力ヒューマンマシンインターフェース装置は、キーボード８０１、マウス８０２、タッチパッド８０３、タッチスクリーン８１０、ジョイスティック８０５、マイク８０６、スキャナ８０７、カメラ８０８（それぞれ１つのみを示す）の１つ又は複数を含み得る。
【0087】
コンピュータシステム８００は、いくつかのヒューマンマシンインターフェース出力装置をさらに含み得る。このようなヒューマンマシンインターフェース出力装置は、例えば触覚出力、音、光及び嗅覚／味覚を通して、１つ又は複数の人間のユーザーの感覚を刺激することができる。そのようなヒューマンマシンインターフェース出力装置は、触覚出力装置（例えば、タッチスクリーン８１０又はジョイスティック８０５を介した触覚フィードバックであるが、入力装置として機能しない触覚フィードバック装置もあり得る）、オーディオ出力装置（例えば、スピーカ８０９、ヘッドマウントヘッドフォン（図示せず））、視覚出力装置（例えば、スクリーン８１０であり、陰極線管（ｃａｔｈｏｄｅ ｒａｙ ｔｕｂｅ、ＣＲＴ）スクリーン、液晶ディスプレイ（ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ、ＬＣＤ）スクリーン、プラズマスクリーン、有機発光ダイオード（ｏｒｇａｎｉｃ ｌｉｇｈｔ－ｅｍｉｔｔｉｎｇ ｄｉｏｄｅ、ＯＬＥＤ）スクリーンを含み、それぞれタッチスクリーン入力機能あり又はなし、それぞれ触覚フィードバック機能あり又はなし－－いくつかのスクリーンは、例えば立体グラフィック、バーチャルリアリティメガネ（図示せず）、ホログラフィックディスプレイ、タバコ缶（図示せず）、及びプリンター（図示せず）で、二次元の視覚的出力または三次元以上の出力を出力する）を含む。グラフィックスアダプタ８５０は、画像を生成し、画像をタッチスクリーン８１０に出力する。
【0088】
コンピュータシステム８００は、人間がアクセス可能な記憶装置及びそれに関連する媒体をさらに含んでもよく、例えば、ＣＤ／ＤＶＤなどの媒体８２１を有するＣＤ／ＤＶＤ 読み取り専用メモリ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ、ＲＯＭ）／読み書き（ｒｅａｄ ｗｒｉｔｅ、ＲＷ）メモリ８２０の光メディア、サムドライブ８２２、リムーバブルハードドライブまたはソリッドステートドライブ８２３、例えば磁気テープ及びフレキシブルディスク（図示せず）のレガシー磁気メディア、専用ＲＯＭ／専用集積回路（ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ、ＡＳＩＣ）／プログラマブルロジックデバイス（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅ、ＰＬＤ）に基づく装置、例えばセキュリティドングル（図示せず）などを含む。
【0089】
当業者は、開示の主題に関連して使用される「コンピュータ可読媒体」という用語は、伝送媒体、キャリア、又は他の一時的信号を含まないことを理解すべきである。
【0090】
コンピュータシステム８００は、１つ又は複数の通信ネットワーク８５５へのインターフェースをさらに含み得る。通信ネットワーク８５５は、例えば無線、有線、光のネットワークであり得る。ネットワーク８５５は、ローカルエリアネットワーク、ワイドエリアネットワーク、メトロポリタンエリアネットワーク、車載及び産業用ネットワーク、リアルタイムネットワーク、遅延耐性ネットワークなどであり得る。ネットワーク８５５の例は、例えば、イーサネットのローカルエリアネットワーク、無線ローカルエリアネットワーク（ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ、ＬＡＮ）、セルラーネットワーク（グローバル移動通信システム（ｇｌｏｂａｌ ｓｙｓｔｅｍ ｆｏｒ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ、ＧＳＭ）、第３世代（ｔｈｅ ｔｈｉｒｄ ｇｅｎｅｒａｔｉｏｎ、３Ｇ）、第４世代（ｔｈｅ ｆｏｕｒｔｈ ｇｅｎｅｒａｔｉｏｎ、４Ｇ）、第５世代（ｔｈｅ ｆｉｆｔｈ ｇｅｎｅｒａｔｉｏｎ、５Ｇ）、長期進化（ｌｏｎｇ ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ、ＬＴＥ）等を含む）、テレビ有線又は無線広域デジタルネットワーク（有線テレビ、衛星テレビ、及び地上波ラジオ・テレビを含む）、車載及び産業用（コントローラーエリアネットワーク（ｃｏｎｔｒｏｌｌｅｒ ａｒｅａ ｎｅｔｗｏｒｋ、ＣＡＮ）バスを含む）などを含む。ネットワーク８５５は、一般に、特定の汎用データポート又は周辺バス８４９（例えば、コンピュータシステム８００の汎用シリアルバス（ｕｎｉｖｅｒｓａｌ ｓｅｒｉａｌ ｂｕｓ、ＵＳＢ）ポート）に接続される外部ネットワークインターフェースアダプタを必要とし、他のネットワークは、一般に、以下に説明するシステムバス（例えば、ＰＣコンピュータシステムに集積されたイーサネットインターフェース及び／又はスマートフォンコンピュータシステムに集積されたセルラーネットワークインターフェースのネットワークインターフェース８５４を含む）に接続されることによって、コンピュータシステム８００のコアに集積される。これらのネットワーク８５５のいずれかを使用して、コンピュータシステム８００は他のエンティティと通信することができる。このような通信は、一方向の受信専用通信（例えば、放送テレビ）、一方向の送信専用通信（例えば、あるＣＡＮバス装置へのＣＡＮバス）、又は双方向の通信（例えば、ローカルまたはワイドデジタルネットワークを使用して他のコンピュータシステムに接続する）にすることができる。上記のネットワーク８５５及びネットワークインターフェース８５４のそれぞれに、特定のプロトコルとプロトコルスタックを使用できる。
【0091】
上記のヒューマンマシンインターフェース装置、ヒューマンアクセス可能なストレージ装置、及びネットワークインターフェース８５４は、コンピュータシステム８００のコア８４０に接続することができる。
【0092】
コア８４０は、１つ又は複数の中央処理ユニット（ＣＰＵ）８４１、グラフィックス処理ユニット（ＧＰＵ）８４２、フィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｅａ、ＦＰＧＡ）８４３形式の専用プログラマブル処理ユニット、特定のタスクのためのハードウェアアクセラレータ８４４などを含み得る。これらの装置は、読み取り専用メモリ（Ｒｅａｄ－ｏｎｌｙ Ｍｅｍｏｒｙ、ＲＯＭ）８４５、ランダムアクセスメモリ（ＲＡＭ）８４６、内部大容量記憶装置８４７例えばユーザーがアクセスできない内部ハードディスクドライブ、ソリッドステートドライブ（ＳＳＤ）とともに、システムバス８４８を介して接続できる。あるコンピュータシステムでは、１つ又は複数の物理プラグの形でシステムバス８４８にアクセスして、付加のＣＰＵ、ＧＰＵなどを介して拡張することができる。周辺装置は、直接又は周辺バス８４９を介して、コアのシステムバス８４８に接続することができる。周辺バスのアーキテクチャは、周辺コンポーネント相互接続（ｐｅｒｉｐｈｅｒａｌ ｃｏｍｐｏｎｅｎｔ ｉｎｔｅｒｃｏｎｎｅｃｔ、ＰＣＩ）、ＵＳＢなどを含む。
【0093】
ＣＰＵ ８４１、ＧＰＵ ８４２、ＦＰＧＡ ８４３、及びハードウェアアクセラレータ８４４は、特定の命令を実行でき、これらの命令を組み合わせて上記のコンピュータコードを構成することができる。当該コンピュータコードは、ＲＯＭ ８４５又はＲＡＭ ８４６に記憶することができる。遷移データは、ＲＡＭ ８４６に記憶され、永久データは、例えば内部大容量記憶装置８４７に記憶できる。キャッシュメモリを使用して、メモリ装置の任意の記憶装置の高速記憶および検索を実現して、当該キャッシュメモリは、ＣＰＵ ８４１、ＧＰＵ ８４２、内部大容量記憶装置８４７、ＲＯＭ ８４５、ＲＡＭ ８４６などと密接に関連してもよい。
【0094】
コンピュータ可読媒体は、各コンピュータによって実現される動作を実行するためのコンピュータコードを有する。媒体及びコンピュータコードは、実施形態の目的のために特別に設計および構築された媒体及びコンピュータコードであるか、又は媒体及びコンピュータコードは、コンピュータソフトウェア分野の当業者に知られ取得可能なタイプであってもよい。
【0095】
一例として、非限定的な方式で、アーキテクチャを有するコンピュータシステム８００、特にコア８４０は、プロセッサー（ＣＰＵ、ＧＰＵ、ＦＰＧＡ、アクセラレータなどを含む）により、１つ又は複数の有形コンピュータ可読媒体に実装されたソフトウェアを実行して、機能を提供する。このようなコンピュータ可読媒体は、上記のようなユーザーがアクセス可能な大容量記憶装置に関連する媒体、及びコア８４０の特定の非一時的記憶装置、例えば、コア内部大容量記憶装置８４７又はＲＯＭ ８４５であり得る。各実施形態を実現するソフトウェアは、このような装置に記憶され、コア８４０によって実行される。特定の必要に応じて、コンピュータ可読媒体は、１つ又は複数の記憶装置又はチップを含み得る。ソフトウェアは、コア８４０、特にそのプロセッサー（ＣＰＵ、ＧＰＵ、ＦＰＧＡなどを含む）に、本明細書に記載の特定処理又は特定処理の特定部分を実行させて、ＲＡＭ ８４６に記憶されているデータ構造の定義すること、ソフトウェアによって定義された処理に従ってこれらのデータ構造を補正することを含む。追加的または代替的に、コンピュータシステムは、ハードワイヤ又は他の方式で回路（例えば、アクセラレータ８４４）に具体化されたロジックによって機能を提供して、当該ロジックは、本明細書に記載の特定処理又は特定処理の特定部分を実行するために、ソフトウェアを置き換えるか、又はソフトウェアとともに作動することができる。必要に応じて、関連するソフトウェアはロジックをカバーでき、逆に、関連するロジックはソフトウェアをカバーできる。必要に応じて、関連するコンピュータ可読媒体は、ソフトウェアを実行するための回路（例えば、集積回路（ＩＣ））、ロジックを実行するための回路、又はその両方をカバーできる。実施形態は、ハードウェアとソフトウェアの任意の適切な組み合わせを含む。
【0096】
本開示はいくつかの例示的な実施形態を記載しているが、本開示の範囲内にある変更、置換、および様々な同等物が存在する。従って、当業者は、本明細書に明示的に開示されていないか又は説明されていないが、本開示の原理を実施する、本開示の精神および範囲内にある多くのシステムおよび方法を設計できる。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【国際調査報告】