摘要：本发明实施例涉及用于视频图像编码和解码的方法、编码设备和解码设备。该方法包括：确定当前编码块的运动矢量组；根据该运动矢量组，确定该当前编码块的运动模型初始向量的第一分量集合的预测值；根据该第一分量集合的预测值，确定该第一分量集合的待传输值；对该第一分量集合的待传输值进行编码并发送至解码端。本发明实施例的用于视频图像编码和解码的方法、编码设备和解码设备，根据该运动矢量组确定该当前编码块的运动模型初始向量，根据该运动模型初始向量确定该运动模型待传输值，并将该运动模型待传输值进行编码传输，以便于解码端根据该运动模型待传输值进行解码，从而能够减少编解码传输的数据量和占用的比特数。

摘要：本发明实施例涉及用于视频图像编码和解码的方法、编码设备和解码设备。该方法包括：确定当前编码块的运动矢量组；根据该运动矢量组，确定该当前编码块的运动模型初始向量的第一分量集合的预测值；根据该第一分量集合的预测值，确定该第一分量集合的待传输值；对该第一分量集合的待传输值进行编码并发送至解码端。本发明实施例的用于视频图像编码和解码的方法、编码设备和解码设备，根据该运动矢量组确定该当前编码块的运动模型初始向量，根据该运动模型初始向量确定该运动模型待传输值，并将该运动模型待传输值进行编码传输，以便于解码端根据该运动模型待传输值进行解码，从而能够减少编解码传输的数据量和占用的比特数。

摘要：提供一种图像预测方法及装置，涉及视频编解码技术领域，能够提高编解码的性能，降低编解码的复杂度。该方法包括：根据待预测的当前图像块的相邻图像块的控制点的运动信息，确定当前图像块的控制点的运动信息；根据当前图像块的控制点的运动信息，采用仿射变换模型，确定当前图像块的子块的运动信息；根据该子块的运动信息，得到该子块的预测块。其中，当前图像块的相邻图像块满足以下条件中的至少一项：当当前图像块的上边界与当前图像块所在的CTU的上边界重合时，该相邻图像块为位于当前图像块的左方或者左下方的图像块；当当前图像块的左边界与

摘要：本发明公开了一种视频解码方法和视频解码器。所述方法包括：解析接收的码流，以获得当前块的待熵解码的语法元素，所述当前块待熵解码的语法元素包括所述当前块的语法元素1或语法元素2；获取所述待熵解码的语法元素对应的上下文模型；其中，从预设的上下文模型集合中确定所述语法元素1的上下文模型；或从所述上下文模型集合中确定所述语法元素2的上下文模型；基于所述当前块的待熵解码的语法元素对应的上下文模型对所述待熵解码的语法元素进行熵解码；基于熵解码得到的所述当前块的语法元素对所述当前块进行预测处理，以获得所述当前块的预测块；基于所述预测块获得所述当前块的重构图像。使用本发明，可以减少上下文模型占用的存储空间。

摘要：一种视频图像预测方法及装置，提供一种确定子块融合模式的候选运动矢量列表的最大长度的方式。方法包括，从码流中解析第一标识；当所述第一标识指示所述待处理块进行帧间预测所采用的候选模式包括仿射模式时，从所述码流中解析第二标识，所述第二标识用于指示第一候选运动矢量列表的最大长度，所述第一候选运动矢量列表为所述待处理块采用子块融合预测模式时构建的候选运动矢量列表；根据所述第二标识确定所述第一候选运动矢量列表的最大长度。

摘要：本申请公开了视频编码器、视频解码器及相应方法，一种时域候选运动矢量的获取方法，待处理图像块位于当前编码树单元，所述当前编码树单元位于当前图像，所述方法包括：根据所述待处理图像块的右下角点位置、所述当前编码树单元的边界位置和所述当前图像的边界位置，确定所述待处理图像块的第一时域位置，其中，所述第一时域位置位于所述当前编码树单元所在的编码树单元行以内；在所述当前图像的时域对应图像中，确定所述第一时域位置对应的第一邻域位置；当所述第一邻域位置对应的第一运动矢量可得时，根据所述第一运动矢量确定所述待处理图像块的时域候选运动矢量。

摘要：本申请实施例公开了一种应用于双向帧间预测中的参考帧获取方法方法及装置，涉及视频图像编解码技术领域，提高了编解码效率。该方法包括：确定当前图像块的第一参考帧列表以及第二参考帧列表；从所述第一参考帧列表中，确定是否存在满足条件A1的X向参考帧x1；从所述第二参考帧列表中，确定是否存在满足条件B1的Y向参考帧y1；响应于确定存在的所述X向参考帧x1以及确定存在的Y向参考帧y1获取所述当前图像块的双向参考帧索引值(R1,R2)。

摘要：本发明公开了视频解码方法和视频解码器。所述方法包括：解析接收的码流，以获得当前块的待熵解码的语法元素，所述当前块待熵解码的语法元素包括所述当前块的语法元素1或语法元素2；获取所述待熵解码的语法元素对应的上下文模型；其中，从预设的上下文模型集合中确定所述语法元素1的上下文模型；或从所述上下文模型集合中确定所述语法元素2的上下文模型；基于所述当前块的待熵解码的语法元素对应的上下文模型对所述待熵解码的语法元素进行熵解码；基于熵解码得到的所述当前块的语法元素对所述当前块进行预测处理，以获得所述当前块的预测块；基于所述当前块的预测块获得所述当前块的重构图像。使用本发明，可以减少上下文模型占用的存储空间。

摘要：本申请提供了帧间预测方法和装置。涉及基于人工智能(AI)的视频或图像压缩技术领域领域，具体涉及基于神经网络的视频压缩技术领域。该方法包括：获取当前块的周边区域中的P个已重建图像块各自的运动矢量；根据P个已重建图像块各自的运动矢量得到当前块的Q个先验候选运动矢量以及Q个概率值；根据与M个先验候选运动矢量对应的M个概率值，得到与M个先验候选运动矢量对应的M个权重因子；M、P和Q为正整数；根据M个先验候选运动矢量分别执行运动补偿得到M个预测值；根据M个预测值和对应的M个权重因子加权求和得到当前块的预测值。本申请能够提升帧间预测的准确度，减小帧间预测的误差，改善帧间预测的RDO效率。

摘要：一种装置包括：存储器；以及处理器，耦合到所述存储器并用于：获取与视频帧中的当前块相邻的相邻块对应的候选MV，生成所述候选MV的候选列表，从所述候选列表中选择最终MV，以及对所述最终MV或变换施加约束以获得约束MV。一种装置包括：存储器；以及处理器，耦合到所述存储器并用于：获取与视频帧中的当前块相邻的相邻块对应的候选MV，生成所述候选MV的候选列表，对所述候选MV或变换施加约束以获得约束MV，以及从所述约束MV中选择最终MV。