オーディオビデオ規格

オーディオビデオコーディング規格（AVS）は、中国のオーディオおよびビデオコーディング規格作業グループによって策定されたデジタルオーディオおよびデジタルビデオシリーズの圧縮規格を指します。作業は2002年に開始され、3世代の規格が公開されました。^[1]

第 1 世代の AVS 標準には、「情報技術、高度なオーディオ ビデオ コーディング、パート 2: ビデオ」( AVS1 ) と「情報技術、高度なオーディオ ビデオ コーディング パート 16: ラジオ テレビ ビデオ」( AVS+ ) が含まれています。AVS2と呼ばれる第 2 世代では、主なアプリケーション ターゲットは超高精細テレビビデオであり、超高解像度 ( 4K以上)、高ダイナミック レンジ ビデオの効率的な圧縮をサポートし、IEEE 国際標準 IEEE 1857.4 として公開されました。AVS 標準の開発と推進のために業界アライアンスが設立されました。^[2]特許プールは、コンテンツ プロバイダーとオペレーターを除く端末製品 (テレビなど) に対して少額のロイヤリティを請求します。^[3]

AVS3コーデックがDVBのメディア配信ツールボックスに追加されました。 ^[4]

AVS ワークグループは、中国の企業や科学研究機関と協力して、デジタルオーディオやデジタルビデオの圧縮、解凍、処理、表現などの共通技術標準を策定および改訂し、高解像度デジタル放送、高密度デジタルレーザーストレージメディア、無線ブロードバンドマルチメディア通信、インターネットブロードバンドストリーミングメディアなどのアプリケーションに対応する、デジタルオーディオおよびデジタルビデオデバイスとシステムに効率的で経済的なコーディング/デコーディング技術を提供するために、2002 年 6 月に設立されました。

この作業グループは、中国工程院の院士であり、北京大学の教授兼博士課程の指導教官、国家自然科学基金委員会の副委員長である高文氏が率いており、要件グループ、システムグループ、ビデオグループ、オーディオグルー​​プ、テストグループ、知的財産グループなどの部門で構成されています。最初の挫折は、2003年に中国が自国のデジタルテレビ放送システムにAVSを使用しなかったときでした。^[5]

2004年9月20日、特許を管理・認可するパテントプールが設立された。同委員会は中国初のパテントプール管理機関となった。独立した法人団体である北京市海淀区デジタルオーディオ・ビデオ標準推進センターが北京市海淀区民政局に登録されている。^[6]推進センターの専門家委員会および主な経営意思決定機関として、標準に含まれる特許技術について審議・承認を行っている。第1世代AVS標準のロイヤリティは端末1台につき1元のみであった。コンテンツを除く端末のみ、およびインターネット上のソフトウェアサービスに対して少額のロイヤリティを課す予定であった。^[7]

AVS 産業連盟は、中関村オーディオビジュアル産業技術革新連盟の略称で、2005 年 5 月に北京で、TCL グループ株式会社、スカイワース グループ研究所、華為技術株式会社、海信集団株式会社、ハイアール グループ株式会社、北京海爾光科株式会社、インスパー グループ株式会社、ジョイント ソース デジタル オーディオ ビデオ テクノロジー (北京) 株式会社、新浦東地区移動通信協会、四川長虹株式会社、上海 SVA (グループ) 中央研究所、ZTE コミュニケーション株式会社、中関村ハイテク産業協会を含む 12 の団体によって設立されました。この組織は AVSA としても知られており、「三車」の一部として「AVS ワークグループ」および「AVS 特許プール管理委員会」と連携しています。

第 1 世代の AVS 規格には、中国の国家規格「情報技術、先進オーディオ ビデオ コーディング、パート 2: ビデオ」(略称 AVS1、GB ラベル：GB／T 20090.2-2006) と「情報技術、先進オーディオ ビデオ コーディング、パート 16: ラジオ テレビ ビデオ」(略称 AVS+、GB ラベル：GB/T 20090.16-2016) が含まれていました。国家ラジオ映画テレビ総局 (SARFT、後に国家ラジオテレビ総局の一部門) のラジオテレビ計画研究所が主催したテストでは、AVS1 ビットレートがMPEG-2規格の半分の場合、標準解像度と高解像度の両方でコーディング品質が優秀に達し、ビットレートが 1/3 未満の場合も、良好から優秀なレベルに達することが示されています。 AVS1規格のビデオ部分は、2006年2月に中国の国家規格として公布されました。この頃、AVSは拡張多用途ディスクフォーマットでの使用が検討されましたが、^[8]製品は市場に出回ることはありませんでした。

2007年5月7日から11日まで開催されたITU-T（ITU電気通信標準化部門）会議では、AVS1はMPEG-2、 H.264、VC-1とともにインターネットプロトコルテレビ（IPTV）で利用可能な標準規格の1つでした。2013年6月4日、AVS1ビデオパートは電気電子技術者協会（IEEE）によって標準IEEE1857-2013として発行されました。AVS+は、2012年7月10日にSARFTによって発行されたラジオ、映画、テレビ業界標準GY/T 257.1-2012「ラジオとテレビの高度なオーディオビデオコーディング、パート1：ビデオ」であるだけでなく、AVS1の拡張バージョンでもあります。^[9]

第2世代のAVS規格には、中国の国家規格「情報技術、効率的なマルチメディアコーディング」（AVS2）シリーズが含まれていました。AVS2は主に追加のHDテレビ番組の送信を対象としており、SARFTは2016年5月にAVS2ビデオを業界標準として発行し、2016年12月30日に中国の国家規格として発行しました。AVS2は、 2019年8月に電気電子技術者協会（IEEE）によって標準1857.4-2018として発行されました。 ^[10]

テストでは、AVS2のコーディング効率はAVS+の2倍以上であり、圧縮率は国際標準のHEVC（H.265）を上回っていることが示されました。第1世代のAVS標準と比較して、第2世代では伝送帯域幅を半分に節約できます。

AVS2はハイブリッド符号化フレームワークを採用しており、符号化プロセス全体には、フレーム内予測、フレーム間予測、変換、量子化、逆量子化、逆変換、ループフィルタ、エントロピー符号化などのモジュールが含まれています。次のような技術的特徴を備えています。^[11]

• 柔軟なコーディング構造パーティション
  • AVS2 は、HD および Ultra HD 解像度のビデオの圧縮効率の要件を満たすために、 CU (コーディング ユニット)、PU (予測ユニット)、TU (変換ユニット) を含む4 分木に基づくブロック分割構造を採用しています。画像は固定サイズの LCU (最大 CU) に分割され、これが反復されて 4 分木の形式で一連の CU に分割されます。各 CU には、輝度コーディング ブロックと、対応する 2 つの色差コーディング ブロックが含まれます (以下のブロック ユニットのサイズは、輝度コーディング ブロックを指します)。従来のマクロ ブロックと比較すると、4 分木に基づく分割構造はより柔軟で、CU サイズは 8×8 から 64×64 に拡張されています。
  • PU は CU のすべての予測モードを規定し、フレーム内予測とフレーム間予測を含む予測の基本単位です。PU の最大サイズは、それが属する現在の CU のサイズを超えることはできません。AVS1 の正方形のフレーム内予測ブロックに基づいて、非正方形のフレーム内予測ブロック パーティションが追加されます。一方、対称予測ブロック パーティションに基づいて、フレーム間予測にも 4 つの非対称パーティション方法が追加されます。
  • CU と PU のほかに、AVS2 は残差変換と量子化の予測のための変換単位 TU も定義します。TU は変換と量子化の基本単位で、PU と同様に CU で定義されます。そのサイズの選択は、対応する PU の形状に関係します。現在の CU が非正方形 PU に分割されている場合、非正方形パーティションが対応する TU に適用されます。それ以外の場合は、正方形パーティション タイプが適用されます。TU のサイズは PU のサイズよりも大きくなる可能性がありますが、それが属する CU のサイズを超えることはできません。
• イントラ予測コーディング
  • AVS1 および H.264/AVC と比較すると、AVS2 は輝度ブロックのフレーム内予測コーディング用に、DC 予測モード、平面予測モード、双線形予測モード、および 30 の角度予測モードを含む 33 のモードを設計しています。色差ブロックには、DC モード、水平予測モード、垂直予測モード、双線形補間モードの 5 つのモードと、新たに追加された輝度導出モード (DM) があります。
• インター予測コーディング
  • AVS1 と比較して、AVS2 では候補参照フレームの最大数が 4 に増加し、マルチレベル参照フレーム管理に適応し、バッファの冗長スペースも最大限に活用します。
  • 複数の参照フレーム管理の要件を満たすために、AVS2 は一種のマルチレベル参照フレーム管理モードを採用しています。このモードでは、各 GOP (Group of Pictures) 内のフレームは、フレーム間の参照関係に応じて複数のレベルに分割されます。
• インター予測モード
  • AVS1 の 3 つの画像タイプ I、P、B に基づいて、アプリケーションの要件に応じて、AVS2 は前向きマルチ仮説予測画像 F を追加します。ビデオ監視、シーン再生、およびその他の特定のアプリケーションを目的として、AVS2 はシーン フレーム (画像 G と画像 GB) と参照シーン フレーム S を設計します。
  • フレーム B では、従来の前方、後方、双方向モード、スキップ/ダイレクト モードに加えて、新しい対称モードが追加されました。対称モードでは、前方の動きベクトルのみをエンコードする必要があり、後方の動きベクトルは前方の動きベクトルから導出されます。
  • フレーム B のスキップ/ダイレクト モードの性能を十分に発揮するために、AVS2 はフレーム B の元のスキップ/ダイレクト モードを保持するという前提で、双方向スキップ/ダイレクト モード、対称スキップ/ダイレクト モード、後方スキップ/ダイレクト モード、前方スキップ/ダイレクト モードの多方向スキップ/ダイレクト モードも採用しています。4 つの特定のモードでは、現在のブロックの予測モードに従って、隣接ブロック間の同じ予測モード ブロックが検出され、最初に検出された同じ予測モードの隣接ブロックの動きベクトルが、現在のブロックの動きベクトルと見なされます。
  • フレーム F の場合、コーディング ブロックは 2 つの前方参照ブロックを参照できます。これは、フレーム P の二重仮説予測に相当します。
  • AVS2 は、多仮説予測を時間的多仮説モードと空間的多仮説モードの 2 つのカテゴリに分類します。
  • 時間領域二重仮説の現在のエンコード ブロックは、予測ブロックの加重平均を現在の予測値として適用しますが、MVD (動きベクトル差) と参照画像インデックスはどちらも 1 つしかなく、別の MVD と参照画像インデックスは時間領域の距離に基づく線形スケーリングから導出されます。
  • 空間領域二重予測は DMH (Directional Multi-Hypothesis) とも呼ばれ、初期予測点の周囲に 2 つの予測点を融合することで得られ、初期点は 2 つの予測点の間の線上にあります。初期予測点に加えて、合計 8 つの予測点があり、初期予測点と同じ直線上に位置する 2 つの予測点のみと融合されます。4 つの異なる方向に加えて、距離に応じて調整も行われ、1/2 ピクセル距離と 1/4 ピクセル距離の 4 つのモードがそれぞれ計算され、さらに初期予測点を加えて、合計 9 つのモードを比較して、最適な予測モードが選択されます。
  • シーン フレームは、背景モデリングの監視ビデオ コーディング方法に基づいて AVS2 によって提案されています。監視ツールが開かれていない場合、フレーム I は次のランダム アクセス ポイントの前の画像の参照のみに使用されます。監視ツールが開かれると、AVS2 はビデオ内の特定のフレームをシーン画像フレーム G として適用します。これは、後続の画像の長期的な参照として考えることができます。
  • AVS2 は、ビデオ内のいくつかのフレームを使用してシーン イメージ フレーム GB を生成することができ、フレーム GB を長期参照として適用することもできます。
  • 動き補償を簡素化するために、AVS2 はDCT変換に基づく 8 タップ補間フィルタを採用しています。これにより、必要なフィルタリングが 1 回のみとなり、1/4 ピクセルよりも高い動きベクトル精度の生成をサポートします。
• 変換
  • AVS2 の変換コーディングでは、主に整数DCT変換が適用され、サイズ 4×4、8×8、16×16、32x32 の変換ブロックに対して直接実行されます。
  • 次元が 64 を超える 1 つの変換ブロックの場合、論理変換 LOT が採用されてウェーブレット変換が実行され、その後に整数 DCT 変換が実行されます。
  • DCT 変換が完了した後、AVS2 は低周波係数を持つ 4 x 4 ブロックに対して 2 番目の 4 x 4 変換を実行し、係数間の相関関係をさらに低減して、エネルギーをさらに集中させます。
• エントロピー符号化
  • AVS2 エントロピー符号化は、まず変換係数を 4 x 4 サイズの CG (係数グループ) に分割し、次に CG に従って符号化とジグザグスキャンを実行します。
  • 係数コーディングでは、まず最後の非ゼロ係数を含む CG 位置をエンコードし、次にすべての CG 係数が完了するまで各 CG をエンコードして、エンコード処理中にゼロ係数をより集中できるようにします。
  • AVS2 でも、コンテキストに基づくバイナリ算術符号化と 2 次元可変長符号化が引き続き適用されています。
• ループフィルター
  • AVS2 のループ フィルター モジュールには、デブロッキング フィルター、適応サンプル ポイント オフセット、サンプル補正フィルターの 3 つの部分が含まれています。
  • デブロッキングフィルタのフィルタリングブロックは8×8サイズで、最初に垂直エッジ、次に水平エッジのフィルタリングを行い、エッジごとに異なるフィルタリング強度に応じて多様なフィルタリング方法を選択します。
  • デブロッキング フィルタの後には、適応サンプル オフセット補正が採用され、歪みがさらに低減されます。
  • AVS2 は、デブロッキング フィルタとサンプル オフセット補正の後に、適応フィルタ、 7×7 クロスと 3×3 スクエア中心対称性を持つウィーナー フィルタを追加します。このフィルタは、元の歪みのない画像とエンコード再構成画像を適用して最小二乗フィルタ係数を計算し、デコード再構成画像にフィルタリングを実行して、デコード画像の圧縮歪みを減らし、参照画像の品質を向上させます。

uAVS3はオープンソースでクロスプラットフォームのAVS3エンコーダーとデコーダーです。デコーダー（uAVS3d）とエンコーダー（uAVS3e）はAVS3-Phase2ベースラインプロファイルをサポートしています。uAVS3dはWindows、Linux、macOS、iOS、Android用にコンパイルできますが、^{[12] uAVS3eはWindowsと}Linux用にのみコンパイルできます。^[13] uAVS3dとuAVS3eはそれぞれBSD 3条項^[12]とBSD 4条項^[13]ライセンスの条件の下でリリースされています。

FFmpeg v6はAVS3-P2/IEEE1857.10ビデオデコード用のuAVS3dライブラリを利用できます。^[14]

北京大学深圳大学院デジタルメディア研究センターではuAVS2と呼ばれるエンコーダーを開発しました。その後、AVS2 Ultra HDリアルタイムビデオエンコーダーとモバイルHDエンコーダーが発表されました。^{[15] [16]}

OpenAVS2は、AVS2標準に基づいたオーディオおよびビデオのコーディング、トランスコーディング、デコードソフトウェアのセットです。^[17]

xAVS2 と dAVS2 は、AVS2-P2/IEEE 1857.4 ビデオ コーディング標準に基づいて北京大学ビデオ コーディング研究所 (PKU-VCL) によって公開されたオープン ソースのエンコーダーとデコーダーであり、GNU一般公衆利用許諾書(GPL) バージョン 2 または商用ライセンスのいずれかで提供されます。

FFmpegバージョン6は、 AVS2-P2/IEEE1857.4ビデオデコード用のdAVS2ライブラリ^{[18] [19]}とAVS2-P2/IEEE1857.4ビデオエンコード用のxAVS2ライブラリ^{[20] [21]}を利用できます。

libdavs2 および libxavs2 は、GNU General Public License バージョン 2以降に準拠しています。

• MPEG-5 パート1: EVC
• MPEG-5 パート2: LC EVC
• MPEGi パート 3: VVC = H.266 DVB承認 / 採用 / 追加
• AV1 DVB承認を検討中 / 追加進行中

• AVSワーキンググループのウェブサイト