[发明专利]不同运动矢量细化中的基于区域的梯度计算

权利要求书

1.一种视频处理方法，包括：

通过基于根据精度规则的初始预测样点的梯度使用光流计算来细化视频的当前视频块的一个或多个初始预测，为所述当前视频块确定所述当前视频块的最终预测块；以及

使用所述最终预测块来执行所述当前视频块和编码表示之间的转换，

其中，所述光流计算包括利用光流的预测细化(PROF)过程或双向光流(BDOF)过程，

其中，所述精度规则指定使用相同的精度用于表示所述PROF过程和所述BDOF过程两者的梯度。

2.根据权利要求1所述的方法，其中，在所述PROF过程中，所述一个或多个初始预测在仿射运动补偿预测期间在子块级别被计算，并使用所述光流计算进行细化。

3.根据权利要求1所述的方法，其中，在所述BDOF过程中，所述一个或多个初始预测使用在所述光流计算期间获取的至少一个梯度值进行细化。

4.根据权利要求1所述的方法，其中，分别表示为gradientH和gradientV的水平梯度和垂直梯度如以下中的一个进行计算：

i)gradientH[x][y]＝(predSamples[x+1][y]-predSample[x-1][y])Shift0,gradientV[x][y]＝(predSample[x][y+1]-predSample[x][y-1])Shift1，

ii)gradientH[x][y]＝Shift((predSamples[x+1][y]-predSample[x-1][y]),Shift0),gradientV[x][y]＝Shift((predSample[x][y+1]-predSample[x][y-1]),Shift1)，

iii)gradientH[x][y]＝SatShift((predSamples[x+1][y]-predSample[x-1][y]),Shift0),gradientV[x][y]＝SatShift((predSample[x][y+1]-predSample[x][y-1]),Shift1)，或者

iv)gradientH[x][y]＝Shift(predSamples[x+1][y],Shift0)-Shift(predSample[x-1][y],Shift0),gradientV[x][y]＝Shift(predSample[x][y+1],Shift0)-predSample[x][y-1],Shift1)，并且

其中，Shift(x,n)被定义为Shift(x,n)＝(x+offset0)n，并且Satshift(x,n)被定义为