【】本發(fā)明涉及使用基于子塊的時間運動矢量預測(subblock-based?temporalmotion?vector?prediction，簡稱sbtmvp)的視頻編解碼系統(tǒng)。特別地，本發(fā)明涉及改進sbtmvp編解碼效率的技術(shù)。

背景技術(shù)

0、
背景技術(shù)：

1、背景和相關技術(shù)

2、多功能視頻編解碼(versatile?video?coding，簡稱vvc)是由國際電信聯(lián)盟-電信標準化部門(itu-t)視頻編解碼專家組(video?coding?experts?group，簡稱vceg)和國際標準化組織/國際電工委員會(iso/iec)運動圖像專家組(moving?picture?expertsgroup，簡稱mpeg)共同組成的聯(lián)合視頻專家團隊(joint?video?experts?team，簡稱jvet)開發(fā)的最新國際視頻編解碼標準。該標準已作為iso標準發(fā)布：iso/iec?23090-3：2021，信息技術(shù)-沉浸式媒體的編碼表示-第3部分：多功能視頻編解碼，發(fā)布于2021年2月。vvc是在其前身高效視頻編解碼(high?efficiency?video?coding，簡稱hevc)的基礎上開發(fā)的，通過增加更多編解碼工具來提高編解碼效率，并處理包含三維(3d)視頻信號的各種類型視頻源。

3、圖1a展示了一個示例性的適應性交錯/幀內(nèi)視頻編解碼系統(tǒng)，其中包含環(huán)路處理。對于幀內(nèi)預測，預測數(shù)據(jù)是基于當前圖片中先前編碼的視頻數(shù)據(jù)派生的。對于幀間預測112，在編碼器端執(zhí)行運動估計(motion?estimation，簡稱me)，并基于me的結(jié)果執(zhí)行運動補償(motion?compensation，簡稱mc)，以提供從其他圖片和運動數(shù)據(jù)派生的預測數(shù)據(jù)。開關114選擇幀內(nèi)預測110或幀間預測112，所選的預測數(shù)據(jù)被提供給加法器116以形成預測誤差，也稱為殘差。然后，預測誤差經(jīng)過變換(t)118處理，隨后是量化(q)120。變換和量化后的殘差隨后由熵編碼器122編碼，以包含在對應于壓縮視頻數(shù)據(jù)的視頻比特流中。與變換系數(shù)相關的比特流隨后與側(cè)信息打包，例如與幀內(nèi)預測和幀間預測相關的運動和編解碼模式，以及與應用于底層圖像區(qū)域的環(huán)路濾波器相關的參數(shù)等其他信息。與幀內(nèi)預測110、幀間預測112和環(huán)路濾波器130相關的側(cè)信息，如圖1a所示，被提供給熵編碼器122。當使用幀間預測模式時，參考圖片或圖片也必須在編碼器端重建。因此，變換和量化后的殘差經(jīng)過逆量化(iq)124和逆變換(it)126處理以恢復殘差。然后，殘差被添加回預測數(shù)據(jù)136，在重建(rec)128處重建視頻數(shù)據(jù)。重建的視頻數(shù)據(jù)可能被存儲在參考圖片緩沖區(qū)134中，并用于其他幀的預測。

4、如圖1a所示，傳入的視頻數(shù)據(jù)在編碼系統(tǒng)中經(jīng)歷一系列處理。來自rec?128的重建視頻數(shù)據(jù)可能會因為一系列處理而受到各種損害。因此，環(huán)路濾波器130通常在重建的視頻數(shù)據(jù)存儲到參考圖片緩沖區(qū)134之前應用于重建的視頻數(shù)據(jù)，以提高視頻質(zhì)量。例如，可以使用去塊濾波器(deblocking?filter，簡稱df)、樣本適應性偏移(sample?adaptiveoffset，簡稱sao)和適應性環(huán)路濾波器(adaptive?loop?filter，簡稱alf)。環(huán)路濾波器信息可能需要被納入比特流，以便解碼器能夠正確恢復所需信息。因此，環(huán)路濾波器信息也被提供給熵編碼器122以納入比特流。在圖1a中，環(huán)路濾波器130被應用于重建的視頻，然后重建的樣本被存儲在參考圖片緩沖區(qū)134中。圖1a中的系統(tǒng)旨在說明典型視頻編碼器的示例性結(jié)構(gòu)。它可能對應于高效視頻編解碼(hevc)系統(tǒng)、vp8、vp9、h.264或vvc。

5、如圖1b所示的解碼器，可以使用與編碼器相同或部分相同的功能塊，除了變換118和量化120，因為解碼器只需要逆量化124和逆變換126。解碼器使用熵解碼器140代替熵編碼器122，以將視頻比特流解碼為量化變換系數(shù)和所需的編解碼信息(例如，ilpf信息、幀內(nèi)預測信息和幀間預測信息)。解碼器端的幀內(nèi)預測150不需要執(zhí)行模式搜索。相反，解碼器只需要根據(jù)從熵解碼器140接收的幀內(nèi)預測信息生成幀內(nèi)預測。此外，對于幀間預測，解碼器只需要根據(jù)從熵解碼器140接收的幀間預測信息執(zhí)行運動補償(mc?152)，而無需進行運動估計。

6、根據(jù)vvc，輸入圖片被劃分為不重疊的正方形塊區(qū)域，稱為編解碼樹單元(codingtree?units，簡稱ctus)，類似于hevc。每個ctu可以被劃分為一個或多個較小尺寸的編解碼單元(scoding?units，簡稱cus)。結(jié)果產(chǎn)生的cu劃分可以是正方形或矩形。此外，vvc將ctu劃分為預測單元(prediction?units，簡稱pus)，作為應用預測過程(例如，幀間預測、幀內(nèi)預測等)的單元。

7、vvc標準納入了各種新的編解碼工具，以進一步提高相對于hevc標準的編解碼效率。在各種新的編解碼工具中，一些與本發(fā)明相關的編解碼工具如下所述。

8、vvc中的基于子塊的時間運動矢量預測(subblock-based?temporal?motionvector?prediction，簡稱sbtmvp)

9、vvc支持基于子塊的時間運動矢量預測(sbtmvp)方法。與hevc中的時間運動矢量預測(temporal?motion?vector?prediction，簡稱tmvp)類似，sbtmvp使用共位圖片中的運動場來改進當前圖片中cus的運動矢量預測和合并模式。tmvp使用的共位圖片也用于sbtmvp。sbtmvp與tmvp的兩個主要區(qū)別如下：

10、tmvp在cu級別預測運動，而sbtmvp在子cu級別預測運動；

11、tmvp從共位圖片中的共位塊(即，相對于當前cu的底部右側(cè)或中心塊)獲取時間運動矢量，而sbtmvp在從共位圖片獲取時間運動信息之前應用運動位移，其中運動位移是從當前cu的空間相鄰塊之一的運動矢量獲得的。

12、sbtmvp過程如圖2a-b所示。sbtmvp在兩個步驟中預測當前cu內(nèi)子cus的運動矢量。在第一步中，檢查圖2a中當前圖片220的當前塊222的空間鄰居a1。如果a1有一個使用共位圖片作為其參考圖片的運動矢量，則選擇此運動矢量作為要應用的運動位移。如果沒有識別到這樣的運動，則將運動位移設置為(0，0)。

13、在第二步中，如圖2b所示，應用在第一步中確定的運動位移240(即加到當前塊的坐標上)，以從共位圖像230中獲得子cu級別的運動信息(運動矢量和參考索引)。圖2b中的示例假設運動位移設置為塊a1的運動，并且可以基于共位參考子塊a1′定位共位圖像230中的共位塊232。然后，對于當前cu?222的每個子cu，其對應塊(覆蓋中心樣本的最小運動網(wǎng)格)在共位圖像中的運動信息被用來推導共位cu?232的子cu的運動信息。例如，共位cu?232的左上子塊的運動信息被用來推導當前cu?222的左上子塊的運動信息。在確定了共位子cu的運動信息后，它被轉(zhuǎn)換為當前子cu的運動矢量和參考索引，這與hevc的tmvp過程類似，其中應用了時間運動縮放以將時間運動矢量的參考圖像與當前cu的參考圖像對齊。在圖2b中，共位圖像230中每個子塊的箭頭對應于共位子塊的運動矢量(粗線箭頭表示l0?mv，細線箭頭表示l1?mv)。對于當前圖像220，每個子塊中的箭頭對應于當前子塊的縮放運動矢量(粗線箭頭表示l0?mv，細線箭頭表示l1?mv)。如果沒有可用的共位子cu的運動信息(例如，內(nèi)部編碼的子塊)，則使用默認運動。

14、在vvc中，使用了一個結(jié)合了基于子塊的合并列表，其中包含了sbtmvp候選和仿射合并候選，用于基于子塊的合并模式的信號傳遞。sbtmvp模式由序列參數(shù)集(sps)標志啟用/禁用。如果啟用了sbtmvp模式，則sbtmvp預測器作為基于子塊的合并候選列表的第一個條目被添加，并且其后是仿射合并候選?；谧訅K的合并列表的大小在sps中被信號傳遞，vvc中基于子塊的合并列表的最大允許大小為5。

15、在sbtmvp中使用的子cu大小固定為8x8，并且與仿射合并模式一樣，sbtmvp模式僅適用于寬度和高度均大于或等于8的cu。

16、附加sbtmvp合并候選的編碼處理流程與其他合并候選相同，即對于p或b切片中的每個cu，執(zhí)行額外的rd檢查以決定是否使用sbtmvp候選。

17、非相鄰空間候選

18、在vvc標準的開發(fā)過程中，提出了一種稱為非相鄰運動矢量預測(namvp)的編解碼工具，在jvet-l0399(yu?han等，″ce4.4.6：merge/skip模式的改進″，聯(lián)合視頻探索小組(jvet)的itu-t?sg?16wp?3和iso/iec?jtc?1/sc?29/wg?11，第12次會議：中國澳門，2018年10月3日至12日，文件：jvet-l0399)中提出。根據(jù)namvp技術(shù)，非相鄰空間合并候選被插入到常規(guī)合并候選列表中的tmvp(即時間mvp)之后?？臻g合并候選的模式如圖3所示。非相鄰空間候選與當前編解碼塊之間的距離基于當前編解碼塊的寬度和高度。在圖3中，每個小編號框?qū)粋€namvp候選，并且候選按照距離(如方框內(nèi)的數(shù)字所示)排序。

19、多通道解碼器側(cè)運動矢量細化(mp-dmvr)

20、應用了多通道解碼器側(cè)運動矢量細化。在第一通道中，對編解碼塊應用雙邊匹配(bm)。在第二通道中，對編解碼塊內(nèi)的每個16x16子塊應用bm。在第三通道中，通過應用雙向光流(bdof)對每個8x8子塊中的mv進行細化。細化后的mvs被存儲，用于空間和時間運動矢量預測。

21、第一通道-基于塊的雙邊匹配mv細化

22、在第一通道中，通過對編解碼塊應用bm來推導出一個細化的mv。類似于解碼器側(cè)運動矢量細化(dmvr)，在雙預測操作中，在參考圖像列表l0和l1中的兩個初始mv(即mv0和mv1)周圍搜索一個細化的mv?；趌0和l1中兩個參考塊之間的最小雙邊匹配成本，推導出細化的mvs(即mv0_pass1和mv1_pass1)。

23、bm執(zhí)行局部搜索以推導整數(shù)樣本精度intdeltamv。局部搜索應用3×3方形搜索模式在水平方向的搜索范圍[-shor，shor]和垂直方向的搜索范圍[-sver，sver]中循環(huán)，其中，shor和sver的值由塊尺寸決定，shor和sver的最大值為8。

24、雙邊匹配成本計算為：bilcost＝mvdistancecost+sadcost。當塊大小cbw*cbh大于64時，應用mrsad成本函數(shù)來消除參考塊之間失真的dc效應。當3×3搜索模式中心點的bilcost具有最小成本時，終止intdeltamv局部搜索。否則，當前最小成本搜索點成為3×3搜索模式的新中心點，并繼續(xù)搜索最小成本，直到達到搜索范圍的末端。

25、進一步應用現(xiàn)有的分數(shù)樣本細化來推導最終的deltamv。第一通道后推導出的細化mvs為：

26、mv0_passl＝mv0+deltamv

27、mv1_pass1＝mv1-deltamv

28、第二通道-基于子塊的雙邊匹配mv細化

29、在第二通道中，通過對16×16網(wǎng)格子塊應用bm來推導出一個細化的mv。對于每個子塊，在參考圖像列表l0和l1中的兩個mv(例如mv0_pass1和mv1_pass1)周圍搜索一個細化的mv，這些mv是在第一通道期間獲得的?；趌0和l1中兩個參考子塊之間的最小雙邊匹配成本，推導出細化的mvs(即mv0_pass2(sbidx2)和mv1pass2(sbidx2))。

30、對于每個子塊，bm執(zhí)行全搜索以推導整數(shù)樣本精度intdeltamv。全搜索具有水平方向的搜索范圍[-shor,shor]和垂直方向的搜索范圍[-sver，sver]，其中，shor和sver的值由塊尺寸決定，shor和sver的最大值為8。

31、雙邊匹配成本通過將成本因子應用于兩個參考子塊之間的satd成本來計算，如下所示：bilcost＝satdcost*costfactor。搜索區(qū)域(2*shor+1)*(2*sver+1)被劃分為圖4所示的5個菱形搜索區(qū)域，其中5個搜索區(qū)域以5種不同的陰影顯示。每個搜索區(qū)域都被分配了一個costfactor，該costfactor由每個搜索點與起始mv之間的距離(intdeltamv)決定，每個菱形區(qū)域按從搜索區(qū)域中心開始的順序處理。在每個區(qū)域內(nèi)，搜索點按從左上角開始到區(qū)域右下角的光柵掃描順序處理。當當前搜索區(qū)域內(nèi)的最小bilcost小于等于sbw*sbh的閾值時，整像素全搜索終止；否則，整像素全搜索繼續(xù)到下一個搜索區(qū)域，直到檢查所有搜索點。此外，如果迭代中前一個最小成本與當前最小成本之間的差異小于等于塊面積的閾值，則搜索過程終止。

32、現(xiàn)有的vvc?dmvr分數(shù)樣本細化進一步應用于推導最終的deltamv(sbidx2)。第二遍的細化mv然后推導為：

33、mv0_pass2(sbidx2)＝mv0_pass1+deltamv(sbidx2)

34、mv1_pass2(sbidx2)＝mv1_pass1-deltamv(sbidx2)

35、第三遍-基于子塊的雙向光流mv細化

36、在第三遍中，通過將bdof應用于8×8網(wǎng)格子塊來推導出細化的mv。對于每個8×8子塊，從第二遍的父子塊的細化mv開始，應用bdof細化來推導出未經(jīng)剪輯的縮放vx和vy。推導出的biomv(vx，vy)四舍五入到1/16樣本精度，并剪輯在-32和32之間。

37、第三遍的細化mv(例如mv0_pass3(sbidx3)和mv1_pass3(sbidx3))推導為：

38、mv0_pass3(sbidx3)＝mv0_pass2(sbidx2)+biomv

39、mv1_pass3(sbidx3)＝mv0_pass2(sbidx2)-biomv

40、適應性解碼器側(cè)運動矢量細化

41、適應性解碼器側(cè)運動矢量細化方法是多遍dmvr的擴展，它包括兩種新的合并模式，只在雙向預測的l0或l1方向上細化mv，用于滿足dmvr條件的合并候選。多遍dmvr過程應用于選定的合并候選以細化運動矢量，但是在1st遍(即pu級別)dmvr中，mvd0或mvd1被設置為零。

42、新合并模式的合并候選是從空間相鄰編碼塊、tmvps、非相鄰塊、hmvps、成對候選中推導出的，與常規(guī)合并模式相似。不同之處在于，只有滿足dmvr條件的候選才被添加到候選列表中。兩種新合并模式使用相同的合并候選列表。如果bm候選列表包含繼承的bcw權(quán)重，并且dmvr過程保持不變，除了如果權(quán)重不相等并且雙向預測與bcw權(quán)重加權(quán)，則使用mrsad或mrsatd計算失真。合并索引如常規(guī)合并模式中編碼。

43、模板匹配用于mv細化

44、模板匹配(tm)是一種解碼器側(cè)mv推導方法，用于通過在當前圖像510的當前cu512的模板(即，頂部514和/或左側(cè)516相鄰塊)和參考圖像520中的塊(即，與模板同等大小，塊524和526)之間找到最接近的匹配來細化當前cu的運動信息，如圖5所示。在圖5中，在參考圖像520中的位置528周圍的[-8，+8]-像素搜索范圍522內(nèi)，圍繞當前cu?512的初始運動530搜索更好的mv。jvet-j0021中的模板匹配方法(yi-wen?chen等，″qualcomm和technicolor提出的sdr、hdr和360°視頻編解碼技術(shù)提案描述-低和高復雜度版本″，聯(lián)合視頻編解碼團隊(jct-vc)itu-t?sg16?wp3和iso/iec?jtc?1/sc?29/wg11，第10次會議：美國圣地亞哥，2018年4月10-20日，文件：jvet-j0021)使用以下修改：搜索步長基于amvr模式確定，tm可以與合并模式中的雙邊匹配過程級聯(lián)。

45、在amvp模式中，基于模板匹配誤差確定mvp候選，以選擇達到當前塊模板與參考塊模板之間最小差異的那個。然后只對這個特定的mvp候選進行tm以進行mv細化。tm通過從整像素mvd精度(或?qū)τ?-像素amvr模式的4-像素)開始的迭代菱形搜索在[-8，+8]-像素搜索范圍內(nèi)細化這個mvp候選。根據(jù)amvr模式的規(guī)定，amvp候選可能會進一步通過使用交叉搜索與整像素mvd精度(或?qū)τ?-像素amvr模式的4-像素)，然后依次是半像素和四分之一像素的搜索來細化。這個搜索過程確保了mvp候選在tm過程后仍然保持amvr模式所指示的相同mv精度。在搜索過程中，如果迭代中前一個最小成本與當前最小成本之間的差異小于等于塊面積的閾值，則搜索過程終止。

46、表1-amvr以及具有amvr的合并模式的搜索態(tài)樣

47、

48、在合并模式中，應用類似的搜索方法到合并索引指示的合并候選。如表1所示，tm可能一直執(zhí)行到1/8-像素mvd精度，或者根據(jù)合并運動信息是否使用替代插值濾波器(用于amvr為半像素模式)跳過超出半像素mvd精度的那些。此外，當tm模式啟用時，模板匹配可以作為一個獨立的過程或者在塊基和子塊基雙邊匹配(bm)方法之間的額外mv細化過程，這取決于根據(jù)其啟用條件檢查是否可以啟用bm。

49、適應性重排序合并候選與模板匹配(armc-tm)

50、合并候選根據(jù)使用模板匹配(tm)評估的成本適應性重排序。重排序方法可以應用于常規(guī)合并模式、模板匹配(tm)合并模式和仿射合并模式(不包括sbtmvp候選)。對于tm合并模式，在細化過程之前對合并候選進行重排序。

51、在構(gòu)建合并候選列表后，合并候選被分為多個子組。常規(guī)合并模式和tm合并模式的子組大小設置為5。仿射合并模式的子組大小設置為3。每個子組中的合并候選根據(jù)基于模板匹配的成本值按升序重新排序。對于armc-tm，如果子組滿足以下2個條件，則跳過子組中的候選：(1)子組是最后一個子組；(2)子組不是第一個子組。為了簡化，最后一個但不是第一個子組的合并候選不會被重新排序。

52、合并候選的模板匹配成本被測量為當前塊的模板樣本與其相應參考樣本之間的絕對差異之和(sad)。模板包括一組重建樣本，鄰近于當前塊。模板的參考樣本由合并候選的運動信息定位。

53、當合并候選使用雙向預測時，合并候選的模板的參考樣本也由雙預測生成，如圖6所示。在圖6中，塊612對應于當前圖片610中的當前塊，塊622和632分別對應于列表0和列表1中的參考圖片620和630中的參考塊。模板614和616用于當前塊612，模板624和626用于參考塊622，模板634和636用于參考塊632。運動矢量640、642和644是列表0中的合并候選，運動矢量650、652和654是列表1中的合并候選。

54、對于基于子塊的合并候選，其子塊大小等于wsub×hsub，上述模板包括幾個大小為wsub×1的子模板，左側(cè)模板包括幾個大小為1×hsub的子模板。如圖7所示，當前塊的第一行和第一列的子塊的運動信息用于推導每個子模板的參考樣本。在圖7中，塊712對應于當前圖片710中的當前塊，塊722對應于參考圖片720中的共位塊。當前塊和共位塊中的每個小方塊對應一個子塊。當前塊的左側(cè)和頂部的點填充區(qū)域?qū)斍皦K的模板。邊界子塊從a到g標記。與每個子塊相關的箭頭對應于子塊的運動矢量。參考子塊(標記為aref到gref)根據(jù)與邊界子塊相關的運動矢量定位。

55、帶mvd的合并模式(mmvd)

56、除了合并模式，其中隱含派生的運動信息直接用于當前cu的預測樣本生成外，還引入了帶運動矢量差異(mmvd)的合并模式。在發(fā)送常規(guī)合并標志后立即傳信mmvd標志，以指定是否為cu使用mmvd模式。

57、在mmvd中，選擇合并候選后，將通過傳信的mvd信息進一步細化。進一步的信息包括合并候選標志、指定運動幅度的索引和指示運動方向的索引。在mmvd模式中，合并列表中的前兩個候選之一被選定用作mv基礎。mmvd候選標志被傳信以指定使用第一個還是第二個合并候選。

58、距離索引指定運動幅度信息，并指示從起始點(812和822)到l0參考塊810和l1參考塊820的預定義偏移，如圖8所示。在圖8中，偏移被添加到起始mv的水平分量或垂直分量，其中不同樣式的小圓圈對應于中心的不同偏移。距離索引與預定義偏移的關系在表2中指定。

59、表2-距離索引與預定義偏移的關系

60、 距離索引 0 1 2 3 4 5 6 7 像素距離 1/4-像素 1/2-像素 1-像素 2-像素 4-像素 8-像素 16-像素 32-像素

61、方向索引表示相對于起始點的mvd的方向。方向索引可以表示如下所示的四個方向。方向索引表示相對于起始點的mvd的方向。方向索引可以表示表3中所示的四個方向。需要注意的是，mvd符號的含義可能根據(jù)起始mv的信息而變化。當起始mv是未預測mv或雙預測mv，并且兩個列表都指向當前圖片的同一側(cè)時(即兩個參考的poc都大于當前圖片的poc，或都小于當前圖片的poc)，表3中的符號指定添加到起始mv的mv偏移的符號。當起始mv是雙預測mv，并且兩個mv指向當前圖片的不同側(cè)時(即一個參考的poc大于當前圖片的poc，另一個參考的poc小于當前圖片的poc)，并且列表0中的poc差大于列表1中的poc差時，表3中的符號指定添加到列表0?mv分量的mv偏移的符號，而列表1mv的符號具有相反的值。否則，如果列表1中的poc差大于列表0，則表3中的符號指定添加到列表1mv分量的mv偏移的符號，而列表0?mv的符號具有相反的值。

62、根據(jù)每個方向的poc差異，mvd被縮放。如果兩個列表中的poc差異相同，則不需要縮放。否則，如果l0(即l0)參考圖片與當前圖片之間的poc差異大于l1(即l1)圖片與當前圖片之間的poc差異，則根據(jù)td和tb的比例縮放列表1的mvd，其中td對應于l0參考圖片與當前圖片的poc差異，tb對應于l1參考圖片與當前圖片的poc差異。如果l1參考圖片與當前圖片之間的poc差異大于l0參考圖片與當前圖片之間的poc差異，則以類似方式縮放列表0的mvd。如果起始mv是單預測的，則將mvd添加到可用mv。

63、表3-方向索引指定的mv偏移符號

64、

65、

66、在本發(fā)明中，公開了進一步改進sbtmvp性能的方案。

技術(shù)實現(xiàn)思路

0、
技術(shù)實現(xiàn)要素：

1、本發(fā)明公開了一種使用基于子塊的時間運動矢量預測(subblock-basedtemporalmotion?vector?prediction，簡稱sbtmvp)的視頻編解碼方法和裝置。根據(jù)該方法，接收與當前塊相關的輸入數(shù)據(jù)，其中輸入數(shù)據(jù)包括用于在編碼器端編碼的當前塊的像素數(shù)據(jù)或與在解碼器端解碼的當前塊相關的編碼數(shù)據(jù)。基于當前塊的一個或多個空間相鄰塊確定一個或多個運動位移候選。基于所述一個或多個運動位移候選和所述當前塊的一個或多個空間相鄰塊分別確定位于共位圖像中的兩個或多個共位參考塊。從所述兩個或多個共位參考塊中確定一個目標共位參考塊?；谀繕斯参粎⒖級K相應子塊的目標運動信息，為當前塊的子塊推導子塊運動信息?；诋斍皦K的子塊的子塊運動信息，為當前塊生成一個sbtmvp候選。使用包括sbtmvp候選的運動預測集對當前塊進行編碼或解碼。

2、在一個實施例中，位于共位圖像中的所述兩個或多個共位參考塊是通過根據(jù)當前塊的目標空間相鄰塊的位置和與當前塊的目標空間相鄰塊相關的目標運動位移候選來定位基礎共位參考塊所確定的，并通過向基礎共位參考塊添加一個或多個額外運動位移來定位一個或多個額外共位參考塊。在一個實施例中，當前塊的目標空間相鄰塊對應于左下相鄰塊，并且三個額外共位參考塊分別位于基礎共位參考塊的上側(cè)、左側(cè)和底側(cè)。在一個實施例中，目標共位參考塊是根據(jù)與所述兩個或多個共位參考塊相關的速率失真成本從所述兩個或多個共位參考塊確定的。

3、在一個實施例中，第一語法被傳信或解析以指示是否使用所述兩個或多個共位參考塊。在一個實施例中，當?shù)谝徽Z法指示所述兩個或多個共位參考塊被使用時，第二語法被傳信或解析以指示被選定的目標共位參考塊。

4、在一個實施例中，當基于當前塊的兩個或多個空間相鄰塊確定兩個或多個運動位移候選時，在共位圖像中的所述兩個或多個共位參考塊包括來自所述兩個或多個運動位移候選的每一個的一個基礎共位參考塊，并且所述一個基礎共位參考塊是根據(jù)當前塊的每一個空間相鄰塊的位置和與所述一個基礎共位參考塊相關的目標運動位移候選定位的。在一個實施例中，第一語法被傳信或解析以指示是否使用所述兩個或多個運動位移候選。在一個實施例中，當?shù)谝徽Z法指示所述兩個或多個運動位移候選被使用時，第二語法被傳信或解析以指示哪一個基礎共位參考塊被選定。在另一個實施例中，第一語法僅在當前塊的仿射多模式向量差分(affine?multiple?mode?vector?difference，簡稱mmvd)被禁用時被傳信或解析。

5、在一個實施例中，與所述兩個或多個共位參考塊相關的相應sbtmvp候選根據(jù)適應性重排序合并候選與模板匹配(adaptive?reordering?of?merge?candidates?withtemplate?matching，簡稱armc-tm)重新排序。在一個實施例中，重新排序后的相應sbtmvp候選中，n個最佳候選用于進一步的速率失真成本評估，其中n小于或等于相應sbtmvp候選的總數(shù)。在一個實施例中，一組索引用于指示n個最佳候選，并且使用縮短的碼字傳信較小的索引值。在一個實施例中，使用當前塊的一個或多個模板和目標共位參考塊的一個或多個相應模板進行armc-tm。在另一個實施例中，使用當前塊的一個或多個模板和目標共位參考塊的一個或多個相應模板進行armc-tm，其中目標共位參考塊的子塊是基于子塊運動定位的。