a little bit more bitstream syntax for the residual
[ffmpeg.git] / doc / snow.txt
1 =============================================
2 SNOW Video Codec Specification Draft 20070103
3 =============================================
4
5 Intro:
6 ======
7 This Specification describes the snow syntax and semmantics as well as
8 how to decode snow.
9 The decoding process is precissely described and any compliant decoder
10 MUST produce the exactly same output for a spec conformant snow stream.
11 For encoding though any process which generates a stream compliant to
12 the syntactical and semmantical requirements and which is decodeable by
13 the process described in this spec shall be considered a conformant
14 snow encoder.
15
16 Definitions:
17 ============
18
19 MUST    the specific part must be done to conform to this standard
20 SHOULD  it is recommended to be done that way, but not strictly required
21
22 ilog2(x) is the rounded down logarithm of x with basis 2
23 ilog2(0) = 0
24
25 Type definitions:
26 =================
27
28 b   1-bit range coded
29 u   unsigned scalar value range coded
30 s   signed scalar value range coded
31
32
33 Bitstream syntax:
34 =================
35
36 frame:
37     header
38     prediction
39     residual
40
41 header:
42     keyframe                            b   MID_STATE
43     if(keyframe || always_reset)
44         reset_contexts
45     if(keyframe){
46         version                         u   header_state
47         always_reset                    b   header_state
48         temporal_decomposition_type     u   header_state
49         temporal_decomposition_count    u   header_state
50         spatial_decomposition_count     u   header_state
51         colorspace_type                 u   header_state
52         chroma_h_shift                  u   header_state
53         chroma_v_shift                  u   header_state
54         spatial_scalability             b   header_state
55         max_ref_frames-1                u   header_state
56         qlogs
57     }
58     if(!keyframe){
59         update_mc                       b   header_state
60         if(update_mc){
61             for(plane=0; plane<2; plane++){
62                 diag_mc                 b   header_state
63                 htaps/2-1               u   header_state
64                 for(i= p->htaps/2; i; i--)
65                     |hcoeff[i]|         u   header_state
66             }
67         }
68         update_qlogs                    b   header_state
69         if(update_qlogs){
70             spatial_decomposition_count u   header_state
71             qlogs
72         }
73     }
74
75     spatial_decomposition_type          s   header_state
76     qlog                                s   header_state
77     mv_scale                            s   header_state
78     qbias                               s   header_state
79     block_max_depth                     s   header_state
80
81 qlogs:
82     for(plane=0; plane<2; plane++){
83         quant_table[plane][0][0]        s   header_state
84         for(level=0; level < spatial_decomposition_count; level++){
85             quant_table[plane][level][1]s   header_state
86             quant_table[plane][level][3]s   header_state
87         }
88     }
89
90 reset_contexts
91     *_state[*]= MID_STATE
92
93 prediction:
94     for(y=0; y<block_count_vertical; y++)
95         for(x=0; x<block_count_horizontal; x++)
96             block(0)
97
98 block(level):
99     mvx_diff=mvy_diff=y_diff=cb_diff=cr_diff=0
100     if(keyframe){
101         intra=1
102     }else{
103         if(level!=max_block_depth){
104             s_context= 2*left->level + 2*top->level + topleft->level + topright->level
105             leaf                        b   block_state[4 + s_context]
106         }
107         if(level==max_block_depth || leaf){
108             intra                       b   block_state[1 + left->intra + top->intra]
109             if(intra){
110                 y_diff                  s   block_state[32]
111                 cb_diff                 s   block_state[64]
112                 cr_diff                 s   block_state[96]
113             }else{
114                 ref_context= ilog2(2*left->ref) + ilog2(2*top->ref)
115                 if(ref_frames > 1)
116                     ref                 u   block_state[128 + 1024 + 32*ref_context]
117                 mx_context= ilog2(2*abs(left->mx - top->mx))
118                 my_context= ilog2(2*abs(left->my - top->my))
119                 mvx_diff                s   block_state[128 + 32*(mx_context + 16*!!ref)]
120                 mvy_diff                s   block_state[128 + 32*(my_context + 16*!!ref)]
121             }
122         }else{
123             block(level+1)
124             block(level+1)
125             block(level+1)
126             block(level+1)
127         }
128     }
129
130
131 residual:
132     residual2(luma)
133     residual2(chroma_cr)
134     residual2(chroma_cb)
135
136 residual2:
137     for(level=0; level<spatial_decomposition_count; level++){
138         if(level==0)
139             subband(LL, 0)
140         subband(HL, level)
141         subband(LH, level)
142         subband(HH, level)
143     }
144
145 subband:
146     FIXME
147
148
149
150 Tag description:
151 ----------------
152
153 version
154     0
155     this MUST NOT change within a bitstream
156
157 always_reset
158     if 1 then the range coder contexts will be reset after each frame
159
160 temporal_decomposition_type
161     0
162
163 temporal_decomposition_count
164     0
165
166 spatial_decomposition_count
167     FIXME
168
169 colorspace_type
170     0
171     this MUST NOT change within a bitstream
172
173 chroma_h_shift
174     log2(luma.width / chroma.width)
175     this MUST NOT change within a bitstream
176
177 chroma_v_shift
178     log2(luma.height / chroma.height)
179     this MUST NOT change within a bitstream
180
181 spatial_scalability
182     0
183
184 max_ref_frames
185     maximum number of reference frames
186     this MUST NOT change within a bitstream
187
188 update_mc
189     indicates that motion compensation filter parameters are stored in the
190     header
191
192 diag_mc
193     flag to enable faster diagonal interpolation
194     this SHOULD be 1 unless it turns out to be covered by a valid patent
195
196 htaps
197     number of half pel interpolation filter taps, MUST be even, >0 and <10
198
199 hcoeff
200     half pel interpolation filter coefficients, hcoeff[0] are the 2 middle
201     coefficients [1] are the next outer ones and so on, resulting in a filter
202     like: ...eff[2], hcoeff[1], hcoeff[0], hcoeff[0], hcoeff[1], hcoeff[2] ...
203     the sign of the coefficients is not explicitly stored but alternates
204     after each coeff and coeff[0] is positive, so ...,+,-,+,-,+,+,-,+,-,+,...
205     hcoeff[0] is not explicitly stored but found by subtracting the sum
206     of all stored coefficients with signs from 32
207     hcoeff[0]= 32 - hcoeff[1] - hcoeff[2] - ...
208     a good choice for hcoeff and htaps is
209     htaps= 6
210     hcoeff={40,-10,2}
211     an alternative which requires more computations at both encoder and
212     decoder side and may or may not be better is
213     htaps= 8
214     hcoeff={42,-14,6,-2}
215
216
217 ref_frames
218     minimum of the number of available reference frames and max_ref_frames
219     for example the first frame after a key frame always has ref_frames=1
220
221 spatial_decomposition_type
222     wavelet type
223     0 is a 9/7 symmetric compact integer wavelet
224     1 is a 5/3 symmetric compact integer wavelet
225     others are reserved
226     stored as delta from last, last is reset to 0 if always_reset || keyframe
227
228 qlog
229     quality (logarthmic quantizer scale)
230     stored as delta from last, last is reset to 0 if always_reset || keyframe
231
232 mv_scale
233     stored as delta from last, last is reset to 0 if always_reset || keyframe
234     FIXME check that everything works fine if this changes between frames
235
236 qbias
237     dequantization bias
238     stored as delta from last, last is reset to 0 if always_reset || keyframe
239
240 block_max_depth
241     maximum depth of the block tree
242     stored as delta from last, last is reset to 0 if always_reset || keyframe
243
244 quant_table
245     quantiztation table
246
247
248 Highlevel bitstream structure:
249 =============================
250  --------------------------------------------
251 |                   Header                   |
252  --------------------------------------------
253 |    ------------------------------------    |
254 |   |               Block0               |   |
255 |   |             split?                 |   |
256 |   |     yes              no            |   |
257 |   |  .........         intra?          |   |
258 |   | : Block01 :    yes         no      |   |
259 |   | : Block02 :  .......   ..........  |   |
260 |   | : Block03 : :  y DC : : ref index: |   |
261 |   | : Block04 : : cb DC : : motion x : |   |
262 |   |  .........  : cr DC : : motion y : |   |
263 |   |              .......   ..........  |   |
264 |    ------------------------------------    |
265 |    ------------------------------------    |
266 |   |               Block1               |   |
267 |                    ...                     |
268  --------------------------------------------
269 | ------------   ------------   ------------ |
270 || Y subbands | | Cb subbands| | Cr subbands||
271 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
272 || |LL0||HL0| | | |LL0||HL0| | | |LL0||HL0| ||
273 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
274 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
275 || |LH0||HH0| | | |LH0||HH0| | | |LH0||HH0| ||
276 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
277 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
278 || |HL1||LH1| | | |HL1||LH1| | | |HL1||LH1| ||
279 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
280 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
281 || |HH1||HL2| | | |HH1||HL2| | | |HH1||HL2| ||
282 ||    ...     | |    ...     | |    ...     ||
283 | ------------   ------------   ------------ |
284  --------------------------------------------
285
286 Decoding process:
287 =================
288
289                                          ------------
290                                         |            |
291                                         |  Subbands  |
292                    ------------         |            |
293                   |            |         ------------
294                   |  Intra DC  |               |
295                   |            |    LL0 subband prediction
296                    ------------                |
297                                 \        Dequantizaton
298  -------------------             \             |
299 |  Reference frames |             \           IDWT
300 | -------   ------- |    Motion    \           |
301 ||Frame 0| |Frame 1|| Compensation  .   OBMC   v      -------
302 | -------   ------- | --------------. \------> + --->|Frame n|-->output
303 | -------   ------- |                                 -------
304 ||Frame 2| |Frame 3||<----------------------------------/
305 |        ...        |
306  -------------------
307
308
309 Range Coder:
310 ============
311 FIXME
312
313 Neighboring Blocks:
314 ===================
315 left and top are set to the respective blocks unless they are outside of
316 the image in which case they are set to the Null block
317
318 top-left is set to the top left block unless it is outside of the image in
319 which case it is set to the left block
320
321 if this block has no larger parent block or it is at the left side of its
322 parent block and the top right block is not outside of the image then the
323 top right block is used for top-right else the top-left block is used
324
325 Null block
326 y,cb,cr are 128
327 level, ref, mx and my are 0
328
329
330 Motion Vector Prediction:
331 =========================
332 1. the motion vectors of all the neighboring blocks are scaled to
333 compensate for the difference of reference frames
334
335 scaled_mv= (mv * (256 * (current_reference+1) / (mv.reference+1)) + 128)>>8
336
337 2. the median of the scaled left, top and top-right vectors is used as
338 motion vector prediction
339
340 3. the used motion vector is the sum of the predictor and
341    (mvx_diff, mvy_diff)*mv_scale
342
343
344 Intra DC Predicton:
345 ======================
346 the luma and chroma values of the left block are used as predictors
347
348 the used luma and chroma is the sum of the predictor and y_diff, cb_diff, cr_diff
349 to reverse this in the decoder apply the following:
350 block[y][x].dc[0] = block[y][x-1].dc[0] +  y_diff;
351 block[y][x].dc[1] = block[y][x-1].dc[1] + cb_diff;
352 block[y][x].dc[2] = block[y][x-1].dc[2] + cr_diff;
353 block[*][-1].dc[*]= 128;
354
355
356 Motion Compensation:
357 ====================
358
359 Halfpel interpolation:
360 ----------------------
361 halfpel interpolation is done by convolution with the halfpel filter stored
362 in the header:
363
364 horizontal halfpel samples are found by
365 H1[y][x] =    hcoeff[0]*(F[y][x  ] + F[y][x+1])
366             + hcoeff[1]*(F[y][x-1] + F[y][x+2])
367             + hcoeff[2]*(F[y][x-2] + F[y][x+3])
368             + ...
369 h1[y][x] = (H1[y][x] + 32)>>6;
370
371 vertical halfpel samples are found by
372 H2[y][x] =    hcoeff[0]*(F[y  ][x] + F[y+1][x])
373             + hcoeff[1]*(F[y-1][x] + F[y+2][x])
374             + ...
375 h2[y][x] = (H2[y][x] + 32)>>6;
376
377 vertical+horizontal halfpel samples are found by
378 H3[y][x] =    hcoeff[0]*(H2[y][x  ] + H2[y][x+1])
379             + hcoeff[1]*(H2[y][x-1] + H2[y][x+2])
380             + ...
381 H3[y][x] =    hcoeff[0]*(H1[y  ][x] + H1[y+1][x])
382             + hcoeff[1]*(H1[y+1][x] + H1[y+2][x])
383             + ...
384 h3[y][x] = (H3[y][x] + 2048)>>12;
385
386
387                    F   H1  F
388                    |   |   |
389                    |   |   |
390                    |   |   |
391                    F   H1  F
392                    |   |   |
393                    |   |   |
394                    |   |   |
395    F-------F-------F-> H1<-F-------F-------F
396                    v   v   v
397                   H2   H3  H2
398                    ^   ^   ^
399    F-------F-------F-> H1<-F-------F-------F
400                    |   |   |
401                    |   |   |
402                    |   |   |
403                    F   H1  F
404                    |   |   |
405                    |   |   |
406                    |   |   |
407                    F   H1  F
408
409
410 unavailable fullpel samples (outside the picture for example) shall be equal
411 to the closest available fullpel sample
412
413
414 Smaller pel interpolation:
415 --------------------------
416 if diag_mc is set then points which lie on a line between 2 vertically,
417 horiziontally or diagonally adjacent halfpel points shall be interpolated
418 linearls with rounding to nearest and halfway values rounded up.
419 points which lie on 2 diagonals at the same time should only use the one
420 diagonal not containing the fullpel point
421
422
423
424            F-->O---q---O<--h1->O---q---O<--F
425            v \           / v \           / v
426            O   O       O   O   O       O   O
427            |         /     |     \         |
428            q       q       q       q       q
429            |     /         |         \     |
430            O   O       O   O   O       O   O
431            ^ /           \ ^ /           \ ^
432           h2-->O---q---O<--h3->O---q---O<--h2
433            v \           / v \           / v
434            O   O       O   O   O       O   O
435            |     \         |         /     |
436            q       q       q       q       q
437            |         \     |     /         |
438            O   O       O   O   O       O   O
439            ^ /           \ ^ /           \ ^
440            F-->O---q---O<--h1->O---q---O<--F
441
442
443
444 the remaining points shall be bilinearly interpolated from the
445 up to 4 surrounding halfpel and fullpel points, again rounding should be to
446 nearest and halfway values rounded up
447
448 compliant snow decoders MUST support 1-1/8 pel luma and 1/2-1/16 pel chroma
449 interpolation at least
450
451
452 Overlapped block motion compensation:
453 -------------------------------------
454 FIXME
455
456 LL band prediction:
457 ===================
458 Each sample in the LL0 subband is predicted by the median of the left, top and
459 left+top-topleft samples, samples outside the subband shall be considered to
460 be 0. To reverse this prediction in the decoder apply the following.
461 for(y=0; y<height; y++){
462     for(x=0; x<width; x++){
463         sample[y][x] += median(sample[y-1][x],
464                                sample[y][x-1],
465                                sample[y-1][x]+sample[y][x-1]-sample[y-1][x-1]);
466     }
467 }
468 sample[-1][*]=sample[*][-1]= 0;
469 width,height here are the width and height of the LL0 subband not of the final
470 video
471
472
473 Dequantizaton:
474 ==============
475 FIXME
476
477 Wavelet Transform:
478 ==================
479
480 Snow supports 2 wavelet transforms, the symmetric biorthogonal 5/3 integer
481 transform and a integer approximation of the symmetric biorthogonal 9/7
482 daubechies wavelet.
483
484 2D IDWT (inverse discrete wavelet transform)
485 --------------------------------------------
486 The 2D IDWT applies a 2D filter recursively, each time combining the
487 4 lowest frequency subbands into a single subband until only 1 subband
488 remains.
489 The 2D filter is done by first applying a 1D filter in the vertical direction
490 and then applying it in the horizontal one.
491  ---------------    ---------------    ---------------    ---------------
492 |LL0|HL0|       |  |   |   |       |  |       |       |  |       |       |
493 |---+---|  HL1  |  | L0|H0 |  HL1  |  |  LL1  |  HL1  |  |       |       |
494 |LH0|HH0|       |  |   |   |       |  |       |       |  |       |       |
495 |-------+-------|->|-------+-------|->|-------+-------|->|   L1  |  H1   |->...
496 |       |       |  |       |       |  |       |       |  |       |       |
497 |  LH1  |  HH1  |  |  LH1  |  HH1  |  |  LH1  |  HH1  |  |       |       |
498 |       |       |  |       |       |  |       |       |  |       |       |
499  ---------------    ---------------    ---------------    ---------------
500
501
502 1D Filter:
503 ----------
504 1. interleave the samples of the low and high frequency subbands like
505 s={L0, H0, L1, H1, L2, H2, L3, H3, ... }
506 note, this can end with a L or a H, the number of elements shall be w
507 s[-1] shall be considered equivalent to s[1  ]
508 s[w ] shall be considered equivalent to s[w-2]
509
510 2. perform the lifting steps in order as described below
511
512 5/3 Integer filter:
513 1. s[i] -= (s[i-1] + s[i+1] + 2)>>2; for all even i < w
514 2. s[i] += (s[i-1] + s[i+1]    )>>1; for all odd  i < w
515
516 \ | /|\ | /|\ | /|\ | /|\
517  \|/ | \|/ | \|/ | \|/ |
518   +  |  +  |  +  |  +  |   -1/4
519  /|\ | /|\ | /|\ | /|\ |
520 / | \|/ | \|/ | \|/ | \|/
521   |  +  |  +  |  +  |  +   +1/2
522
523
524 snows 9/7 Integer filter:
525 1. s[i] -= (3*(s[i-1] + s[i+1])         + 4)>>3; for all even i < w
526 2. s[i] -=     s[i-1] + s[i+1]                 ; for all odd  i < w
527 3. s[i] += (   s[i-1] + s[i+1] + 4*s[i] + 8)>>4; for all even i < w
528 4. s[i] += (3*(s[i-1] + s[i+1])            )>>1; for all odd  i < w
529
530 \ | /|\ | /|\ | /|\ | /|\
531  \|/ | \|/ | \|/ | \|/ |
532   +  |  +  |  +  |  +  |   -3/8
533  /|\ | /|\ | /|\ | /|\ |
534 / | \|/ | \|/ | \|/ | \|/
535  (|  + (|  + (|  + (|  +   -1
536 \ + /|\ + /|\ + /|\ + /|\  +1/4
537  \|/ | \|/ | \|/ | \|/ |
538   +  |  +  |  +  |  +  |   +1/16
539  /|\ | /|\ | /|\ | /|\ |
540 / | \|/ | \|/ | \|/ | \|/
541   |  +  |  +  |  +  |  +   +3/2
542
543 optimization tips:
544 following are exactly identical
545 (3a)>>1 == a + (a>>1)
546 (a + 4b + 8)>>4 == ((a>>2) + b + 2)>>2
547
548 16bit implementation note:
549 The IDWT can be implemented with 16bits, but this requires some care to
550 prevent overflows, the following list, lists the minimum number of bits needed
551 for some terms
552 1. lifting step
553 A= s[i-1] + s[i+1]                              16bit
554 3*A + 4                                         18bit
555 A + (A>>1) + 2                                  17bit
556
557 3. lifting step
558 s[i-1] + s[i+1]                                 17bit
559
560 4. lifiting step
561 3*(s[i-1] + s[i+1])                             17bit
562
563
564 TODO:
565 =====
566 Important:
567 finetune initial contexts
568 flip wavelet?
569 try to use the wavelet transformed predicted image (motion compensated image) as context for coding the residual coefficients
570 try the MV length as context for coding the residual coefficients
571 use extradata for stuff which is in the keyframes now?
572 the MV median predictor is patented IIRC
573 implement per picture halfpel interpolation
574 try different range coder state transition tables for different contexts
575
576 Not Important:
577 compare the 6 tap and 8 tap hpel filters (psnr/bitrate and subjective quality)
578 spatial_scalability b vs u (!= 0 breaks syntax anyway so we can add a u later)
579
580
581 Credits:
582 ========
583 Michael Niedermayer
584 Loren Merritt
585
586
587 Copyright:
588 ==========
589 GPL + GFDL + whatever is needed to make this a RFC