本发明涉及视频编码技术领域，特别涉及一种基于vvc帧内编码的深度预测方法、设备及存储介质。
背景技术：
随着4g、5g网络技术的迅猛发展，混合屏幕内容图像应用的场景越来越广泛。在人们的现实生活中，随处都可以见到视频会议、网络游戏、远程在线教育、汽车信息娱乐、虚拟桌面界面和云计算等应用程序。这些应用程序包含众多重复的图标、线条、文本以及网页等内容，这些内容组成了不同于相机拍摄内容的混合屏幕内容图像。针对这些混合屏幕内容图像，传统的hevc编码技术已无法达到较好的压缩性能。图像编码联合协作组(jointcollaborativeteamonvideocoding，简称jct-vc)在hevc的基础上，推出了屏幕内容编码(screencontentcoding，简称scc)标准扩展。hevc－scc中的帧内复制块(intrablockcopy，简称ibc)编码工具对屏幕内容图像的压缩性能有很大提高。
为了进一步提升编码效率，运动图像专家组(movingpictureexpertgroup，简称mpeg)和视频编码专家组(videocodingexpertgroup，简称vceg)于2015年成立了联合视频探索组(jointvideoexplorationteam，简称jvet)，推出了新的视频编码标准，并命名为versatilevideocoding，简称vvc，并发布了相应的编码器测试模型vtm。目前vvc中也采纳了ibc编码工具。
ibc技术的编码过程是：首先获取mvp，然后根据mvp寻找最佳mv。在找最佳mv的过程中，先进行哈希搜索，如果哈希搜索找不到最佳匹配块，就进行运动估计搜索匹配最佳mv，运动估计过程中需要设置搜索区域。找到最佳mv后，通过运动补偿计算cu的预测值，用cu的原始值与预测值相减得到残差，并对残差进行变换量化熵编码。ibc的搜索区域及mv如图1所示。
vvc采用了基于块的混合编码框架。典型的vvc视频编码流程如图2所示，输入的每帧图像首先被划分为128x128大小的正方形图像块，这些图像块被称为编码树单元(codingtreeunit，简称ctu)，ctu是四叉树以及嵌套的多类型树划分结构的根节点，ctu将根据四叉树及嵌套多类型树的划分结构进一步划分为编码单元(codingunit，简称cu)，cu是进行预测的基本单位。一个cu首先会根据其帧内帧间属性进行帧内预测或者帧间预测。如果是帧内预测，则主要利用空间相邻的参考像素经过线性插值得到当前cu的像素预测值，如果是帧间预测，则是利用时间相邻(前一帧或前几帧)的参考像素经过位移补偿得到当前cu的像素预测值；然后将cu的预测值与原始值相减得到残差，残差经过变换进一步减少相邻像素点误差的空间相关性并得到相应的残差系数。残差系数经量化后一方面会结合编码模式以及相关的编码参数等信息进行熵编码，从而得到压缩后的码流。另一方面，量化后的残差系数会经反量化反变换，然后将反量化反变换后的残差和预测值相加得到重建像素，重建图像经滤波后生成参考帧并存储在解码图像缓存器中，用于后面的cu帧内预测或帧间预测时作参考像素。
与hevc一样，vvc采用的也是基于块的编码方式，块的尺寸在编码过程中通过不同方式的划分自适应的改变。编码器首先将一帧图像划分为大小为128x128的ctu块。然后将此ctu作为根节点进行四叉树以及多类型树的划分。在vvc的帧内预测过程中，首先将128x128大小的块进行四叉树划分，块尺寸变为64x64的大小，然后再进行帧内模式预测；再将64x64大小的编码块进行四叉树划分或者二叉树、三叉树划分，其中二叉树划分又分为二叉水平划分和二叉垂直划分，三叉树划分分为三叉水平划分和三叉垂直划分。当四叉划分进行到16x16的大小时，四叉划分的深度为3，将16x16大小的块进行二叉或三叉划分时，最大的划分深度为3，所以对于此块来说总的分割深度为6。vvc中的四叉树划分如图3所示，二叉树水平划分如图4所示，二叉树垂直划分如图5所示，三叉树水平划分如图6所示，三叉树垂直划分如图7所示；
就目前来说，使用vvc标准编码器vtm编码时，数据的每个cu都需要划分至最小尺寸，当数据量较大时，无疑将导致编码时间过长，不利于实际应用。
技术实现要素：
本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种基于vvc帧内编码的深度预测方法、设备及存储介质，根据ibc模式选出的参考块的深度来预测编码数据cu的深度，不必对每个编码数据的cu都划分到最小尺寸，以尽可能地降低编码时间，提高实际应用性。
本发明实施例提供了一种基于vvc帧内编码的深度预测方法、设备及存储介质。
根据本发明第一方面实施例的一种基于vvc帧内编码的深度预测方法，包括以下步骤：
s100、对待预测数据进行ibc模式块匹配，获取m个参考块的mv，若m个所述参考块的mv不均为0时，进入步骤s200；
s200、计算不同mv的所述参考块cost的平均值avgcost，从m个所述参考块中筛选出cost小于或等于avgcost并且mv不同的n个有效参考块；
s300、计算n个所述有效参考块的总深度的加权平均深度depth以及计算n个所述有效参考块的mt深度的加权平均深度mtdepth，对depth以及mtdepth向下取整得到refdepth以及refmtdepth；
s400、对数据的当前cu进行intra模式选择；
s500、对数据的当前cu进行分割，当当前cu尺寸分割至64×64时，判断refdepth 1是否等于当前cu的总深度、以及refmtdepth 1是否等于当前cu的mt深度，若refdepth 1等于当前cu的总深度并且refmtdepth 1等于当前cu的mt深度时，则当前cu尺寸停止分割。
根据发明的一些实施例，所述计算n个所述有效参考块的总深度的加权平均深度depth以及计算n个所述有效参考块的mt深度的加权平均深度mtdepth，具体包括步骤：
计算n个所述有效参考块cost的总和sumcost；
计算n个所述有效参考块的加权系数ωi(0<i<n)；
遍历每个所述有效参考块，计算所述有效参考块中每个像素点的总深度depthi(0<i<n)以及每个像素点的mt深度mtdepthi(0<i<n)，计算每个所述有效参考块的总深度之和sumdepthi(0<i<n)以及每个所述有效参考块的mt深度之和summtdepthi(0<i<n)；
根据以下公式计算depth以及mtdepth：
其中，w为当前cu的宽，h为当前cu的高度。
根据发明的一些实施例，还包括步骤：
若refdepth 1不等于当前cu的总深度和/或refmtdepth 1不等于当前cu的mt深度时，则当前cu尺寸继续分割，直至分割至最小允许的尺寸。
根据发明的一些实施例，所述获取m个参考块的mv，具体包括：
进行哈希搜索选择cost最小的m个参考块的mv，或者进行运动估计选择失真度sad最小的m个参考块的mv。
根据发明的一些实施例，还包括步骤：
若m个所述参考块的mv均为0时，则直接对数据的当前cu尺寸进行分割，直至分割至最小允许的尺寸。
根据本发明第二方面实施例的一种基于vvc帧内编码的深度预测设备，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上述的一种基于vvc帧内编码的深度预测方法。
根据本发明第三方面实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上述的一种基于vvc帧内编码的深度预测方法。
相对于现有技术，本公开实施例披露的一种基于vvc帧内编码的深度预测方法、设备及存储介质，至少具有以下优点：
本发明方案根据ibc模式选出的数据参考块的深度来预测数据当前cu的深度，从而预测数据的当前cu是否必须得划分至最小尺寸，当编码数据的数据量较大时，不必对每个数据的cu都划分到最小尺寸，因此可以降低编码时间，解决了现有技术中vvc标准编码器vtm编码时间长的问题，缩短了编码时间，提高了实际应用性。
本公开实施例所实现的更多特点和优势，将在具体实施方式或实践中给出。
附图说明
下面结合附图和实施例对本发明进一步地说明；
图1为现有技术提供的ibc的搜索区域及mv的示意图；
图2为现有技术提供的一种典型的vvc视频编码流程的示意图；
图3为现有技术提供的四叉树划分的示意图；
图4为现有技术提供的二叉树水平划分的示意图；
图5为现有技术提供的二叉树垂直划分的示意图；
图6为现有技术提供的三叉树水平划分的示意图；
图7为现有技术提供的三叉树垂直划分的示意图；
图8为本发明实施例提供的一种基于vvc帧内编码的深度预测方法的流程示意图；
图9为本发明实施例提供的一种基于vvc帧内编码的深度预测方法的流程示意图；
图10为本发明实施例提供的一种基于vvc帧内编码的深度预测设备的结构示意图。
具体实施方式
下面将结合附图，对本公开实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。需要说明的是，在不冲突的情况下，本公开实施例及实施例中的特征可以相互组合。另外，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本公开的每个技术特征和整体技术方案，但其不能理解为对本公开保护范围的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
方法实施例：
参照图8，本发明的一个实施例：提供了一种基于vvc帧内编码的深度预测方法，包括以下步骤：
s100、对待预测数据进行ibc模式块匹配，获取m个参考块的mv，若m个参考块的mv不均为0时，进入步骤s200；
在本步骤中，编码数据可以基于vvc的官方测试软件vtm5.0对若干个不同类型的视频序列编码码流进行统计分析，例如：使用vvc的encoder_intra_vtm配置文件，对6个来自vvc发布的官方测试的序列在四个量化参数(22，27，32，37)下编码10帧。需要注意的是，编码数据的获取条件并不局限，可以根据具体需求场景自行设置。
这里，对待预测数据进行ibc模式块匹配，获取m个参考块的mv，具体流程如下：
vvc在全帧内预测模式下，首先，进行ibc模式，可根据ibc预测模式获取当前pu的cost按从小到大排序的前m个参考块的mv。找mv的过程中，先进行哈希搜索，在这一过程中进行整像素和四分之一像素的搜索，在两种像素之间选择cost最小的m个mv。如果哈希搜索匹配不到最佳mv，则可以进行运动估计，在这个过程中选择失真度sad最小的m个参考块的mv。
由于，这里选出的m个参考块的mv可能存在mv均为0的情况，若出现这种情况，则可以直接对数据的cu尺寸进行分割，直至分割至最小允许的尺寸，无需进行后续步骤。
s200、计算不同mv的参考块cost的平均值avgcost，从m个参考块中筛选出cost小于或等于avgcost并且mv不同的n个有效参考块；
s300、计算n个有效参考块的总深度的加权平均深度depth以及计算n个有效参考块的mt深度的加权平均深度mtdepth，对depth以及mtdepth向下取整得到refdepth以及refmtdepth；
其中，本步骤的具体流程如下
s301、计算n个有效参考块cost的总和sumcost；
s302、计算n个有效参考块的加权系数ωi(0<i<n)；
s303、遍历每个有效参考块，计算有效参考块中每个像素点的总深度depthi(0<i<n)以及每个像素点的mt深度mtdepthi(0<i<n)，计算每个有效参考块的总深度之和sumdepthi(0<i<n)以及每个有效参考块的mt深度之和summtdepthi(0<i<n)；
根据以下公式计算depth以及mtdepth：
其中，w为当前cu的宽，h为当前cu的高度；
s304、对depth以及mtdepth向下取整得到refdepth以及refmtdepth。
s400、对数据的当前cu进行intra模式选择；
其中，本步骤具体流程如下：
s401、获取每个有效参考块中每个像素所占cu的mtsflag等于0的像素点的个数之和counti(0<i<n)；
s402、根据以下公式计算n个有效参考块中mtsflag等于0的加权平均概率pmtsflag0：
计算n个有效参考块中的mtsflag等于0的加权平均概率pmtsflag0，若pmtsflag0大于阈值，则mts(多变换选择技术)等于0，对候选方向模式只进行dct2变换；若pmtsflag0小于或等于阈值，则mts等于1，对候选方向模式进行多变换；当所有候选方向模式做完后，选择一个最优方向模式，intra模式结束。这里为本领域公知，因此不再细述。
s500、对数据的当前cu进行分割，当当前cu尺寸分割至64×64时，判断refdepth 1是否等于当前cu的总深度、以及refmtdepth 1是否等于当前cu的mt深度，若refdepth 1等于当前cu的总深度并且refmtdepth 1等于当前cu的mt深度时，则当前cu尺寸停止分割。
在本步骤中，由于选取的有效参考块与cu具有很大的相似性，可以用编码数据的有效参考块来预测数据的cu是否得划分至最小尺寸，如此，当数据量较大时，数据的cu就不需要都划分至最小块，从而缩短编码的时间，而且编码后的质量的损失影响可以忽略不计，详细实验结果可见后续实施例。
本实施例，提供了一种基于vvc帧内编码的深度预测方法，根据ibc模式选出数据的参考块的深度来预测当前cu的深度，不必对每个数据的cu都划分到最小尺寸，以尽可能地降低编码时间，解决了现有技术中vvc标准编码器vtm编码时间长的问题，缩短了编码时间，扩大了应用性。
参照图9，本发明的一个实施例，提供了一种基于vvc帧内编码的深度预测方法的具体实施流程，包括以下步骤：
第一步、得到编码数据；
为了得到编码数据，基于vvc的官方测试软件vtm5.0对6个不同类型的视频序列编码码流进行统计分析。主要编码参数如下表1所示，使用vvc的encoder_intra_vtm配置文件，对6个序列在四个量化参数(qp)下编码10帧。
表1
第二步、获取参考块；
vvc在全帧内预测模式下，进行ibc模式，根据ibc预测模式获取当前pu的参考块的cost，并选取按从小到大排序的前5个参考块的mv；具体计算mv的过程中，首先进行哈希搜索，在这一过程中进行了整像素和四分之一像素的搜索，在两种像素之间选择cost最小的5个mv。如果哈希搜索匹配不到最佳mv，则进行运动估计，在这个过程中选择失真度sad最小的5个mv；
需要说明的是，当这5个参考块的mv均为0时，则对编码数据的cu尺寸进行分割，直至分割至最小允许的尺寸。
第三步、计算cost的平均值；
由于第二步中，获取的5个参考块的mv可能有相同的，所以需要计算不同mv的参考块cost的平均值avgcost；
第四步、筛选有效参考块；
从5个参考块中筛选出cost小于等于avgcost的，并且mv不同的n(0<n<＝5)个参考块，这n个参考块为有效参考块，并计算这n个有效参考块的cost总和sumcost；
第五步、求加权系数ωi(0<i<n)；
根据每个有效参考块的costi(0<i<n)与sumcost相比即得到加权系数ωi(0<i<n)；
第六步、求sumdepthi(0<i<n)和summtdepthi(0<i<n)；
遍历每个有效参考块，首先，计算有效参考块中每个像素点的总深度depthi(0<i<n)以及每个像素点的mt深度mtdepthi(0<i<n)，然后，计算每个有效参考块的总深度之和sumdepthi(0<i<n)以及每个有效参考块的mt深度之和summtdepthi(0<i<n)；
第七步、求counti(0<i<n)；
获取每个有效参考块中每个像素所占cu的mtsflag等于0的像素点的个数之和counti(0<i<n)；
第八步、计算n个有效参考块的加权平均深度；
根据以下公式计算depth以及mtdepth：
其中，w为cu的宽，h为cu的高度；并且对depth以及mtdepth向下取整得到refdepth以及refmtdepth；
第九步、计算n个有效参考块中mtsflag等于0的加权平均概率；
根据以下公式计算n个有效参考块中mtsflag等于0的加权平均概率pmtsflag0：
第十步、对当前cu进行intra模式的变换编码；
当pmtsflag0大于阈值，则进行dct2变换；当pmtsflag0小于或等于阈值，则进行dct8和/或dst7变换，具体可根据实际情况选择。
第十一步、判断当前cu是否往下分割；
由于初始cu尺寸为128×128，需要被分割成64×64的，若当前cu尺寸为64×64时，进入下一步；
第十二步、根据加权平均深度判断当前cu是否分割；
判断以下条件：
第一条件：refdepth 1等于当前cu的总深度；
第二条件：refmtdepth 1等于当前cu的mt深度；
若第一条件与第二条件同时满足，则当前cu尺寸停止分割；若第一条件与第二条件之间仅满足一个或者均不满足，则当前cu尺寸继续分割，直至分割至最小允许的尺寸。
例如：当前cu尺寸为128×128时，需要被要分割，当前cu尺寸等于64×64时，判断上述第一条件和第二条件是否同时成立，若同时成立，则当前cu尺寸停止分割；若不同时成立，则当前cu尺寸继续分割，直至分割至最小允许的尺寸。
以下是基于本实施方法的实验数据：
本实验数据基于vvc官方参考平台vtm5.0实现，并在jvet的通用测试条件下进行实验。在编码器的设置上，使用encoder_intra_vtm.cfg配置文件中默认的设置，测试所用视频序列为官方推荐的视频序列。编码性能主要由bdbr(bjotegaarddeltabitrate)和ts两个指标进行评估，并以原始的vtm5.0编码器为基准评估算法的编码性能。其中，bdbr由同一段视频在四个qp(量化参数)取值下(22，27，32，37)分别编码并计算码率和psnr所得到。
其中，bdbr能够综合反映视频的码率和质量，它表示在同样的客观质量下，较优的编码方法可以节省的码率百分比，一般为负值，表示相同psnr下，码率减少，性能提高。正值表示码率增加，性能下降。ts则用于衡量快速算法在原编码器的基础上对编码时间的缩减程度，其计算方式如下：
其中，tp为将快速算法嵌入vtm5.0后的总编码时间，t0为原编码器vtm5.0的总编码时间。实验结果如下表2所示：
表2
根据表2，从平均意义上看，帧内模式下的深度预测算法使y、u、v各个分量的bdbr分别平均增加了1.76％、1.29％、1.14％，说明其码率并无明显增加，有效地保证了编码器的压缩性能，而编码时间相比原编码器减少了25.05％，降低了编码时长，提高了实际应用性。
设备实施例：
参照图10，本发明实施例还提供了一种基于vvc帧内编码的深度预测设备，该基于vvc帧内编码的深度预测设备可以是任意类型的智能终端，例如手机、平板电脑、个人计算机等。
具体地，该基于vvc帧内编码的深度预测设备包括：一个或多个控制处理器和存储器，图10中以一个控制处理器为例。
控制处理器和存储器可以通过总线或者其他方式连接，图10中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的基于vvc帧内编码的深度预测设备对应的程序指令/模块；控制处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而实现上述方法实施例的基于vvc帧内编码的深度预测方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于控制处理器远程设置的存储器，这些远程存储器可以通过网络连接至该基于vvc帧内编码的深度预测设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个控制处理器执行时，执行上述方法实施例中的基于vvc帧内编码的深度预测方法，例如，执行以上描述的图8中的方法步骤s100-s500。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，例如，被图10中的一个控制处理器执行，可使得上述一个或多个控制处理器执行上述方法实施例中的基于vvc帧内编码的深度预测方法，例如，执行以上描述的图8中的方法步骤s100-s500。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现。本领域技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(readonlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
1.一种基于vvc帧内编码的深度预测方法，其特征在于，包括以下步骤：
s100、对待预测数据进行ibc模式块匹配，获取m个参考块的mv，若m个所述参考块的mv不均为0时，进入步骤s200；
s200、计算不同mv的所述参考块cost的平均值avgcost，从m个所述参考块中筛选出cost小于或等于avgcost并且mv不同的n个有效参考块；
s300、计算n个所述有效参考块的总深度的加权平均深度depth以及计算n个所述有效参考块的mt深度的加权平均深度mtdepth，对depth以及mtdepth向下取整得到refdepth以及refmtdepth；
s400、对数据的当前cu进行intra模式选择；
s500、对数据的当前cu进行分割，当当前cu尺寸分割至64×64时，判断refdepth 1是否等于当前cu的总深度、以及refmtdepth 1是否等于当前cu的mt深度，若refdepth 1等于当前cu的总深度并且refmtdepth 1等于当前cu的mt深度时，则当前cu尺寸停止分割。
2.根据权利要求1所述的一种基于vvc帧内编码的深度预测方法，其特征在于，所述计算n个所述有效参考块的总深度的加权平均深度depth以及计算n个所述有效参考块的mt深度的加权平均深度mtdepth，具体包括步骤：
计算n个所述有效参考块cost的总和sumcost；
计算n个所述有效参考块的加权系数ωi(0<i<n)；
遍历每个所述有效参考块，计算所述有效参考块中每个像素点的总深度depthi(0<i<n)以及每个像素点的mt深度mtdepthi(0<i<n)，计算每个所述有效参考块的总深度之和sumdepthi(0<i<n)以及每个所述有效参考块的mt深度之和summtdepthi(0<i<n)；
根据以下公式计算depth以及mtdepth：
其中，w为当前cu的宽，h为当前cu的高度。
3.根据权利要求1或2任一项所述的一种基于vvc帧内编码的深度预测方法，其特征在于，还包括步骤：
若refdepth 1不等于当前cu的总深度和/或refmtdepth 1不等于当前cu的mt深度时，则当前cu尺寸继续分割，直至分割至最小允许的尺寸。
4.根据权利要求1所述的一种基于vvc帧内编码的深度预测方法，其特征在于，所述获取m个参考块的mv，具体包括：
进行哈希搜索选择cost最小的m个参考块的mv，或者进行运动估计选择失真度sad最小的m个参考块的mv。
5.根据权利要求1所述的一种基于vvc帧内编码的深度预测方法，其特征在于，还包括步骤：
若m个所述参考块的mv均为0时，则直接对数据的当前cu尺寸进行分割，直至分割至最小允许的尺寸。
6.一种基于vvc帧内编码的深度预测设备，其特征在于，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至5任一项所述的一种基于vvc帧内编码的深度预测方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至5任一项所述的一种基于vvc帧内编码的深度预测方法。
技术总结