高频调零
VTM6中允许最大为64x64的大尺寸变换,适用于更高分辨率的视频处理,例如1080P和4K序列。对于大小(宽度或高度,或宽度和高度)等于64的变换块,将高频变换系数归零,仅保留低频系数。例如,对于一个尺寸为MxN的变换块,其中M是宽度,N是高度,当M等于64,仅保留左边32列的变换系数。类似地,当N等于64,只保留上边的32行变换系数。如果大尺寸块使用了transform skip模式,则保留所有的变换系数。VTM还支持在SPS里设置最大变换尺寸,因此编码器可以根据实际需求灵活地选择最大变换尺寸为16,32或64。
多变换选择(MTS)
除了HEVC里采用的DCT-II变换,VTM还支持对帧内或帧间残差编码使用多变换选择方法。它支持来自DCT8和DST7的多个可选变换。表3-10中给出了DCT2, DCT8和DST7的函数表达式。
![](https://i-blog.csdnimg.cn/blog_migrate/daa3ea826f3cf97dca65ca41bf49e778.png)
为了保证变换矩阵的正交性,变换矩阵的精度比HEVC中的精度更高。为保证变换系数中间值的精度在16bit范围内,在水平变换和垂直变换后,所有的系数的精度均调整为10bit。
在SPS级上,分别给帧内和帧间设置了独立的使能标志位,以更好地控制MTS方法。当SPS级使能MST时,CU级会有标志位指示当前CU是否使用MTS. 此处的MTS仅适用于亮度分量。CU级的MTS标志位仅在下列条件满足时存在:
1.当CU的宽度和高度均小于等于32时;
2.CBF标志位等于1.
如果CU级的MTS标志位等于0,则在水平和垂直变换方向均采用DCT2变换公式。反之,若CU级的MTS标志位等于1,那么对水平和垂直方向分别需要增加两个标志位来指示变换类型。表3-11中给出了变换类型和标志位的匹配情况。通过消除对帧内预测模式和变换块形状的依赖性,统一了ISP(帧内子划分,下略)的变换选择和隐式MTS的用法。如果当前变换块是ISP模式或当前块是帧内块且帧内和帧间的显式MTS都打开时,水平和垂直变换核都是DST7. 关于变换矩阵的精度,使用8bit主变换核。因此,HEVC中使用的变换核均保持不变,包括4点DCT2和DST7,8点、16点和32点的DCT2。此外,新增了一些变换核,包括64点DCT2,4点DCT8,8点、16点和32点的DST7和DCT8,使用8bit主变换核。
![](https://i-blog.csdnimg.cn/blog_migrate/2969d23bff84bd847e979592eee58c8c.png)
为了减少大尺寸DST7和DCT8的复杂度,对大小(宽度或高度,或宽度和高度)等于32的DST7和DCT8变换块采用高频调零技术。只有残差系数在16x16的低频区域范围内的系数才会保留。
在HEVC中,变换块的残差信息可以用transform skip模式编码。为了避免语法元素的编码冗余,当CU级的MTS_CU_flag不等于0时,无需编码transform skip标志位。Transform skip的尺寸限制和JEM4中的MTS一样,即当块的宽度和高度均等于或小于32时才适用transform skip模式。注意,当前CU使用LFNST或MIP时,隐式MTS变换均设为DCT2。此外,当对帧间编码块启用MTS时,仍然可以启用MTS。
低频不可分变换(LFNST)
VVC里,LFNST(低频不可分变换)被称为减少的二次变换,如图40所示,用于前向主变换和量化(编码端)之间以及反量化和逆主变换(解码端)之间。LFNST里,根据块尺寸适用4x4不可分变换核8x8不可分变换。例如,对于小尺寸变换块(如宽和高的较小值小于8)适用4x4 LFNST,对于较大尺寸的块(如宽和高的较小值大于4)适用8x8 LFNST.
![](https://i-blog.csdnimg.cn/blog_migrate/017e625b2c0c43f8034612d05bb83cde.png)
下面举例说明不可分变换在LFNST中的应用。对于4x4 LFNST,输入为如下的4x4输入块X:
![](https://i-blog.csdnimg.cn/blog_migrate/a8109f66167a8fde0fb787ab950c400c.png)
首先将其表示成向量形式:
不可分变换的计算公式为 F = T ·X,其中 F表示变换系数向量,T是个16x16的变换矩阵。随后,16x1的系数向量F通过该块使用的扫描顺序(水平,垂直或对角线)重新组织为4x4块。索引较小的系数将被放在4x4系数块中扫描索引值较小的位置。
减少的不可分变换
LFNST(低频不可分变换)是基于直接的矩阵乘法的不可分变换,因此它只需通过一次计算实现而不需要多次迭代。然而,不可分变换矩阵的维度需要减少以最小化计算复杂度和变换系数的存储空间。因此,在LFNST里采用了减少的不可分变换(或RST)。减少的不可分变换法主要思想是将N维向量(N通常等于64或8x8 NSST)映射为不同空间中的R维向量,其中N/R(R<N)是减少因子。因此,RST矩阵变成了如下所示的RxN矩阵,而不是NxN矩阵:
![](https://i-blog.csdnimg.cn/blog_migrate/ecdc415aa0d59a47d5e38e6a49803a78.png)
LFNST共有4个变换集,每个变换集使用两个不可分变换矩阵(核)。如表3-11所示,帧内预测模式和变换集的对应关系是预先确定的。如果当前块(81<=predModeIntra<=83)使用三个CCLM模式(INTRA_LT_CCLM, INTRA_T_CCLM或INTRA_L_CCLM)中的一种,则选择变换集0. 对于每个变换集,选择的不可分二次变换集候选值进一步由显示信号LFNST索引确定。在变换系数之后,每个帧内cu在比特流中发送一次索引信号。
![](https://i-blog.csdnimg.cn/blog_migrate/48caf25168ce3a85a687f5492698a62a.png)
LFNST索引信号及与其他工具的交互
由于LFNST仅限于第一个系数子组以外的系数均不显著时才使用,故LFNST索引值的编码依赖于最后一个显著系数的位置。此外,LFNST索引的上下文编码不依赖于帧内预测模式,且只有第一个bin是上下文编码的。而且,LFNST适用于帧内和帧间slice里的帧内CU块,且对亮度和色度分量矩适用。如果允许双树,则亮度和色度的LFNST索引值分别编码。对于帧间slice(禁用双树),只编码单个LFNST索引,为亮度和色度分量所共用。
当选择ISP模式时,禁用LFNST且不用将RST索引信号写入码流,因为即使对所有可能的分块使用RST,性能的提升仍然微不足道。此外,对ISP预测残差模式禁用RST可以减少编码复杂度。当选择MIP模式时,LFNST也被禁用,不需传输索引值。
考虑到当前最大变换尺寸存在限制(64x64), 尺寸大于64x64的CU块存在隐式划分(TU tiling),LFNST的索引值搜索可能在一些数量的解码流水级上引起四倍数据缓存量的增加。因此,LFNST的最大适用尺寸为64x64。注意,LFNST仅在DCT2为主变换时可用。
子块变换(SBT)
VTM里,子块变换被引入到帧间预测块的变换中。这种变换方法仅对CU的子块残差进行变换。当帧间预测CU块的cu_cbf等于1时,可以编码cu_sbt_flag,用于指示是否对整个残差块或残差块的子块进行编码。在前种情况里,需要进一步解析帧间MTS信息以决定当前CU的变换类型。在后种情况里,利用推断出的自适应变换对残差块的一部分进行编码,将残差块的另一部分归零。
当对帧间编码CU使用SBT时,需要将SBT类型和SBT位置信息编入码流。由图41所示,有两种SBT类型和SBT位置。对于SBT-V(或SBT-H),TU的宽度(或高度)可等于CU宽度(或高度)的一半或1/4,使得CU按2:2或1:3/3:1分块。2:2划分类似二叉树(BT)划分,而1:3/3:1类似非对称的二叉树(ABT)划分。在ABT划分中,只有较小的区域包含非零残差。如果CU亮度分量的一个维度为8,则不允许沿该维度的1:3/3:1拆分。CU最多有8个SBT划分模式。
在SBT-V和SBT-H(色度TB总是使用DCT2)中,亮度变换块采用位置相关的变换核选择方法。SBT-H和SBT-V的两个位置和不同的核变换相关。更具体地,图41中给出了每个SBT位置的水平和垂直变换。例如,当残差TU的一边大于32时,两个维度上的变换均设为DCT2。因此,子块变换可联合确定残差块的TU tiling,cbf,水平和垂直核变换类型。
SPS里的变量maxSbtSize可确定能使用SBT的最大CU尺寸。在VTM6里,maxSbitSize的值在编码器端设置,分辨率为HD和4K序列的maxSbtSize通常设为64,而其他较小分辨率的序列则设为32.
SBT不适用于采用组合帧间-帧内模式或TPM(三角划分模式)编码的CU块。
![](https://i-blog.csdnimg.cn/blog_migrate/79f2f2117e1e4ceaddc18544d175c169.png)