Abstract:
은닉 변수를 이용하는 영상 압축을 위한 방법 및 장치가 제공된다. 은닉 변수의 복수의 성분들은 중요도의 순서로 정렬될 수 있다. 이러한 정렬을 통해 복수의 성분들 중 일부의 성분의 특징 정보들 만이 사용되는 경우에, 재구축된 영상의 품질이 향상될 수 있다. 이러한 중요도의 순서로 정렬된 은닉 변수를 생성하기 위해, 다양한 방식의 학습이 수행될 수 있다. 또한, 은닉 변수로부터 중요도가 낮은 정보가 제거될 수 있으며, 양자화와 같은 처리가 은닉 변수에 적용될 수 있다. 이러한 제거 및 처리에 의해 은닉 변수에 대한 데이터의 양이 감소될 수 있다.
Abstract:
분산 처리 환경에서의 딥 러닝 모델의 학습을 위한 학습 파라미터를 압축하고, 압축된 파라미터를 전송하는 방법 및 장치가 개시된다. 분산 처리 시스탬 내의 복수의 전자 장치들은 신경망의 학습을 수행한다. 학습의 수행에 의해 파라미터가 갱신된다. 전자 장치는 자신의 갱신된 파라미터를 다른 전자 장치들과 공유할 수 있다. 이러한 공유를 효율적으로 수행하기 위해, 파라미터의 잔차가 다른 전자 장치에게 제공된다. 파라미터의 잔차가 제공되면, 다른 전자 장치는 파라미터의 잔차를 사용하여 파라미터의 갱신을 수행한다.
Abstract:
비디오의 복호화 방법, 복호화 장치, 부호화 방법 및 부호화 장치가 개시된다. 대상 블록에 대한 예측 블록을 사용하는 제1 변환을 수행하여 변환된 블록을 생성하고, 변환된 블록을 사용하는 제2 변환을 수행하여 대상 블록에 대한 재구축된 블록을 생성된다. 예측 블록은 참조 영상 내의 블록이거나 대상 영상 내의 재구축된 블록이다. 제1 변환 및 제2 변환은 신경망들에 의해 각각 이루어질 수 있다. 신경망에 의하여 변환이 자동으로 이루어짐에 따라 변환을 위해 요구되는 정보가 비트스트림으로부터 제외될 수 있다.
Abstract:
움직임 예측 정보를 유도하고, 유도된 움직임 예측 정보를 사용하여 동영상에 대한 부호화 및/또는 복호화를 수행하는 방법 및 장치가 개시된다. 부호화 장치 및 복호화 장치는 대상 블록의 인터 예측을 위한 리스트를 생성한다. 리스트의 생성에 있어서, 후보 블록의 움직임 정보가 리스트로 추가될지 여부는 대상 블록에 대한 정보 및 움직임 정보에 기반하여 결정된다. 움직임 정보가 움직임 예측 경계 검사를 통과하는 경우, 움직임 정보는 리스트에 추가된다. 움직임 예측 경계 검사를 통해, 대상 블록의 예측에 대해 유용한 움직임 정보가 선택적으로 리스트에 추가된다.
Abstract:
비디오의 복호화 방법, 복호화 장치, 부호화 방법 및 부호화 장치가 개시된다. 예측 네트워크를 사용하여 대상 블록에 대한 예측을 수행함으로써 대상 블록에 대한 예측 블록이 생성되며, 예측 블록 및 재구축된 잔차 블록에 기반하여 대상 블록에 대한 재구축된 블록이 생성된다. 예측 네트워크는 인트라 예측 네트워크 및 인터 예측 네트워크를 포함하며, 예측을 수행함에 있어서 공간적 참조 블록 및/또는 시간적 참조 블록을 사용한다. 예측 네트워크의 학습을 위해 손실 함수가 정의되며, 손실 함수에 따라 예측 네트워크의 학습이 이루어진다.
Abstract:
픽쳐 분할 정보를 사용하는 비디오의 부호화 및 복호화를 위한 방법 및 장치가 개시된다. 비디오의 픽쳐들의 각 픽쳐는 픽쳐 분할 정보에 기반하여 타일들 또는 슬라이스들로 분할된다. 각 픽쳐는 픽쳐 분할 정보에 기반하여 적어도 2개의 상이한 방식들 중 하나의 방식으로 분할된다. 픽쳐 분할 정보는 2개 이상의 픽쳐 분할 방식들을 나타낼 수 있다. 픽쳐 분할 방식은 주기적으로 변화하거나, 특정된 규칙에 따라 변화할 수 있다. 픽쳐 분할 정보는 이러한 주기적인 변화 또는 특정된 규칙을 기술할 수 있다.