AV1 specification を読む 2018-03-26 .. 04-17

AOMedia Video 1 (AV1)はインターネット上での動画配信を目的として設計されたオープンかつロイヤリティフリーな動画圧縮コーデックである。このコーデックはGoogleのVP9、そしてMPEGのHEVC/H.265の置き換えを目指している。

2018年3月28日に、AV1仕様がFreezeしました。
Freezeとはいっても、ドキュメントは更新され続けていますし、リファレンス実装もデバグ・最適化が続けられている状態です。
大きな仕様変更や追加はもうないよ、程度に考えているとよさそうです。

AV1仕様書はgithubで公開されています。

• https://github.com/AOMediaCodec/av1-spec
• http://av1-spec.argondesign.com/av1-spec/av1-spec.html

自分自身がAV1仕様を理解するために、日本語訳を作っています。
「とりあえず」2018-03-26 版で進めてみます。
（ほぼ毎日更新されているので、気が向いたら更新します）

---

まずは、章ごとにどんな内容が書いてあるかを簡単に説明します。
章ごとの日本語訳は、別ページで記述します。

1. Scope

本ドキュメントのスコープが定義されています。

2. Terms and Definitions

用語定義です。
我々は雰囲気で規格書を読んではいけません。
一般名詞ではない意味が込められていたりするので、気が向いたときにでも参照してみましょう。

3. Symbols and Abbreviated Terms

略語と定数定義です。
（定数をまとめて定義されても、参照されているところでは忘れてしまいますが・・・）

4. Conventions

算術演算子・論理演算子・関係演算子・ビット操作・代入・数学関数・ビットストリーム記法・関数記法などが定義されます。
まあ、雰囲気でだいたい理解したつもりにはなれるので、気が向いたときに細かく読むとよいでしょう。

5. Syntax Structures

AV1規格に適合するビットストリームの文法構造の定義です。
表形式で定義されていて、読むには慣れが必要です。
（AVC, HEVC の規格書も、ほぼ同じ形式で書かれています）

文法の定義とデコード処理が一体となって記述されています。
（個人的には、分離したほうが理解しやすいのではないのかなと思っています。）

• 5.1. OBU Syntax
• 5.2. Reserved OBU Syntax
• 5.3. Sequence Header OBU Syntax
• 5.4. Temporal Delimiter OBU Syntax
• 5.5. Padding OBU Syntax
• 5.6. Metadata OBU Syntax
• 5.7. Frame Header OBU Syntax
• 5.8. Frame OBU Syntax
• 5.9. Tile Group OBU Syntax

6. Syntax Structures Semantics

5章で定義された文法構造について、それぞれの要素の意味を説明しています。

処理の内容がわからないのに使うパラメータを説明されても、まったく意味が分からないと思います。
実際のデコード処理は7章以降で定義されているので、そちらを先に読むことをお勧めします。

• 6.1. OBU Semantics
• 6.2. Reserved OBU Semantics
• 6.3. Sequence Header OBU Semantics
• 6.4. Temporal Delimiter OBU Semantics
• 6.5. Padding OBU Semantics
• 6.6. Metadata OBU Semantics
• 6.7. Frame Header OBU Semantics
• 6.8. Frame OBU Semantics
• 6.9. Tile Group OBU Semantics

7. Decoding Process

5章・6章で定義された変数を使って、画像をデコードする処理を説明しています。

• 7.1. General Decoding Process
• 7.2. Large Scale Tile Decoding Process
• 7.3. Decode Frame Process
• 7.4. Ordering of OBUs
• 7.5. Random Access Decoding
• 7.6. CDF Update Process
• 7.7. Set Frame Refs Process
• 7.8. Motion Field Estimation Process
  • 7.8.1. Projection Process
  • 7.8.2. Get MV Projection Process
  • 7.8.3. Get Block Position Process
• 7.9. Motion Vector Prediction Processes
  • 7.9.1. Find MV Stack Process
    • 7.9.1.1. Setup Zero MV Process
    • 7.9.1.2. Scan Row Process
    • 7.9.1.3. Scan Col Process
    • 7.9.1.4. Scan Point Process
    • 7.9.1.5. Temporal Scan Process
    • 7.9.1.6. Temporal Sample Process
    • 7.9.1.7. Add Reference Motion Vector Process
    • 7.9.1.8. Search Stack Process
    • 7.9.1.9. Compound Search Stack Process
    • 7.9.1.10. Lower Precision Process
    • 7.9.1.11. Sorting Process
    • 7.9.1.12. Extra Search Process
    • 7.9.1.13. Add Extra Mv Candidate Process
    • 7.9.1.14. Context and Clamping Process
  • 7.9.2. Has Overlappable Candidates Process
  • 7.9.3. Find Warp Samples Process
• 7.10. Prediction Processes
  • 7.10.1. Intra Prediction Process
    • 7.10.1.1. Basic Intra Prediction Process
    • 7.10.1.2. Recursive Intra Prediction Process
    • 7.10.1.3. Directional Intra Prediction Process
    • 7.10.1.4. DC Intra Prediction Process
    • 7.10.1.5. Smooth Intra Prediction Process
    • 7.10.1.6. Filter Corner Process
    • 7.10.1.7. Intra Filter Type Process
    • 7.10.1.8. Intra Edge Filter Strength Selection Process
    • 7.10.1.9. Intra Edge Upsample Selection Process
    • 7.10.1.10. Intra Edge Upsample Process
    • 7.10.1.11. Intra Edge Filter Process
  • 7.10.2. Inter Prediction Process
    • 7.10.2.1. Rounding Variables Derivation Process
    • 7.10.2.2. Motion Vector Scaling Process
    • 7.10.2.3. Block Inter Prediction Process
    • 7.10.2.4. Block Warp Process
    • 7.10.2.5. Setup Shear Process
    • 7.10.2.6. Resolve Divisor Process
    • 7.10.2.7. Warp Estimation Process
    • 7.10.2.8. Overlapped Motion Compensation Process
    • 7.10.2.9. Overlap Blending Process
    • 7.10.2.10. Wedge Mask Process
    • 7.10.2.11. Segment Mask Process
    • 7.10.2.12. Inter Intra Mask Process
    • 7.10.2.13. Mask Blend Process
    • 7.10.2.14. Distance Weights Process
  • 7.10.3. Palette Prediction Process
  • 7.10.4. Predict Chroma From Luma Process
• 7.11. Reconstruction and Dequantization
  • 7.11.1. Dequantization Functions
  • 7.11.2. Reconstruct Process
• 7.12. Inverse Transform Process
• 7.13. Loop Filter Process
• 7.14. CDEF Process
• 7.15. Upscaling Process
• 7.16. Loop Restoration Process
• 7.17. Output Process
• 7.18. Motion Field Motion Vector Storage Process
• 7.19. Reference Frame Update Process
• 7.20. Reference Frame Loading Process

8. Parsing Process

8章では、AV1ビットストリームから、どのように値を抽出するかについて説明をしています。

ヘッダやパラメータ類は、固定長・可変長の符号が使われています。
（がんばれば、目視でエンコード・デコード可能です）

画像情報（変換係数や動きベクトルの値）は、算術符号化が使われています。
（人間がビット列を解釈することは無理です）

• 8.1. Parsing Process for f(n)
• 8.2. Parsing Process for Symbol Decoder
• 8.3. Parsing process for CDF encoded syntax elements

9. Additional Tables

処理で使う様々なテーブルの定義です。
（わざわざ規格書に乗せなくても良いのでは・・・と思います）

10. Annex A: Profiles and Levels

おそらく・・・

プロファイル：AV1で定義されている符号化ツールの使用を制約すること
レベル：パラメータの値域を制約すること

（まだ工事中らしい）

11. Annex B: Bitstream Format

符号化した情報をどのようにビットストリームとして構成するかについて説明しています。

12. Annex C: Included Experiments

AV1策定時の符号化ツールが列挙されています。
（いずれ消えるのでは・・・）

13. Bibliography

参考文献