]> git.sesse.net Git - ffmpeg/blob - doc/snow.txt
Merge commit 'e4d5b55193109d08be47c42d320334546c006b51'
[ffmpeg] / doc / snow.txt
1 =============================================
2 Snow Video Codec Specification Draft 20080110
3 =============================================
4
5 Introduction:
6 =============
7 This specification describes the Snow bitstream syntax and semantics as
8 well as the formal Snow decoding process.
9
10 The decoding process is described precisely and any compliant decoder
11 MUST produce the exact same output for a spec-conformant Snow stream.
12 For encoding, though, any process which generates a stream compliant to
13 the syntactical and semantic requirements and which is decodable by
14 the process described in this spec shall be considered a conformant
15 Snow encoder.
16
17 Definitions:
18 ============
19
20 MUST    the specific part must be done to conform to this standard
21 SHOULD  it is recommended to be done that way, but not strictly required
22
23 ilog2(x) is the rounded down logarithm of x with basis 2
24 ilog2(0) = 0
25
26 Type definitions:
27 =================
28
29 b   1-bit range coded
30 u   unsigned scalar value range coded
31 s   signed scalar value range coded
32
33
34 Bitstream syntax:
35 =================
36
37 frame:
38     header
39     prediction
40     residual
41
42 header:
43     keyframe                            b   MID_STATE
44     if(keyframe || always_reset)
45         reset_contexts
46     if(keyframe){
47         version                         u   header_state
48         always_reset                    b   header_state
49         temporal_decomposition_type     u   header_state
50         temporal_decomposition_count    u   header_state
51         spatial_decomposition_count     u   header_state
52         colorspace_type                 u   header_state
53         if (nb_planes > 2) {
54             chroma_h_shift              u   header_state
55             chroma_v_shift              u   header_state
56         }
57         spatial_scalability             b   header_state
58         max_ref_frames-1                u   header_state
59         qlogs
60     }
61     if(!keyframe){
62         update_mc                       b   header_state
63         if(update_mc){
64             for(plane=0; plane<nb_plane_types; plane++){
65                 diag_mc                 b   header_state
66                 htaps/2-1               u   header_state
67                 for(i= p->htaps/2; i; i--)
68                     |hcoeff[i]|         u   header_state
69             }
70         }
71         update_qlogs                    b   header_state
72         if(update_qlogs){
73             spatial_decomposition_count u   header_state
74             qlogs
75         }
76     }
77
78     spatial_decomposition_type          s   header_state
79     qlog                                s   header_state
80     mv_scale                            s   header_state
81     qbias                               s   header_state
82     block_max_depth                     s   header_state
83
84 qlogs:
85     for(plane=0; plane<nb_plane_types; plane++){
86         quant_table[plane][0][0]        s   header_state
87         for(level=0; level < spatial_decomposition_count; level++){
88             quant_table[plane][level][1]s   header_state
89             quant_table[plane][level][3]s   header_state
90         }
91     }
92
93 reset_contexts
94     *_state[*]= MID_STATE
95
96 prediction:
97     for(y=0; y<block_count_vertical; y++)
98         for(x=0; x<block_count_horizontal; x++)
99             block(0)
100
101 block(level):
102     mvx_diff=mvy_diff=y_diff=cb_diff=cr_diff=0
103     if(keyframe){
104         intra=1
105     }else{
106         if(level!=max_block_depth){
107             s_context= 2*left->level + 2*top->level + topleft->level + topright->level
108             leaf                        b   block_state[4 + s_context]
109         }
110         if(level==max_block_depth || leaf){
111             intra                       b   block_state[1 + left->intra + top->intra]
112             if(intra){
113                 y_diff                  s   block_state[32]
114                 cb_diff                 s   block_state[64]
115                 cr_diff                 s   block_state[96]
116             }else{
117                 ref_context= ilog2(2*left->ref) + ilog2(2*top->ref)
118                 if(ref_frames > 1)
119                     ref                 u   block_state[128 + 1024 + 32*ref_context]
120                 mx_context= ilog2(2*abs(left->mx - top->mx))
121                 my_context= ilog2(2*abs(left->my - top->my))
122                 mvx_diff                s   block_state[128 + 32*(mx_context + 16*!!ref)]
123                 mvy_diff                s   block_state[128 + 32*(my_context + 16*!!ref)]
124             }
125         }else{
126             block(level+1)
127             block(level+1)
128             block(level+1)
129             block(level+1)
130         }
131     }
132
133
134 residual:
135     residual2(luma)
136     if (nb_planes > 2) {
137         residual2(chroma_cr)
138         residual2(chroma_cb)
139     }
140
141 residual2:
142     for(level=0; level<spatial_decomposition_count; level++){
143         if(level==0)
144             subband(LL, 0)
145         subband(HL, level)
146         subband(LH, level)
147         subband(HH, level)
148     }
149
150 subband:
151     FIXME
152
153 nb_plane_types = gray ? 1 : 2;
154
155 Tag description:
156 ----------------
157
158 version
159     0
160     this MUST NOT change within a bitstream
161
162 always_reset
163     if 1 then the range coder contexts will be reset after each frame
164
165 temporal_decomposition_type
166     0
167
168 temporal_decomposition_count
169     0
170
171 spatial_decomposition_count
172     FIXME
173
174 colorspace_type
175     0   unspecified YcbCr
176     1   Gray
177     2   Gray + Alpha
178     3   GBR
179     4   GBRA
180     this MUST NOT change within a bitstream
181
182 chroma_h_shift
183     log2(luma.width / chroma.width)
184     this MUST NOT change within a bitstream
185
186 chroma_v_shift
187     log2(luma.height / chroma.height)
188     this MUST NOT change within a bitstream
189
190 spatial_scalability
191     0
192
193 max_ref_frames
194     maximum number of reference frames
195     this MUST NOT change within a bitstream
196
197 update_mc
198     indicates that motion compensation filter parameters are stored in the
199     header
200
201 diag_mc
202     flag to enable faster diagonal interpolation
203     this SHOULD be 1 unless it turns out to be covered by a valid patent
204
205 htaps
206     number of half pel interpolation filter taps, MUST be even, >0 and <10
207
208 hcoeff
209     half pel interpolation filter coefficients, hcoeff[0] are the 2 middle
210     coefficients [1] are the next outer ones and so on, resulting in a filter
211     like: ...eff[2], hcoeff[1], hcoeff[0], hcoeff[0], hcoeff[1], hcoeff[2] ...
212     the sign of the coefficients is not explicitly stored but alternates
213     after each coeff and coeff[0] is positive, so ...,+,-,+,-,+,+,-,+,-,+,...
214     hcoeff[0] is not explicitly stored but found by subtracting the sum
215     of all stored coefficients with signs from 32
216     hcoeff[0]= 32 - hcoeff[1] - hcoeff[2] - ...
217     a good choice for hcoeff and htaps is
218     htaps= 6
219     hcoeff={40,-10,2}
220     an alternative which requires more computations at both encoder and
221     decoder side and may or may not be better is
222     htaps= 8
223     hcoeff={42,-14,6,-2}
224
225
226 ref_frames
227     minimum of the number of available reference frames and max_ref_frames
228     for example the first frame after a key frame always has ref_frames=1
229
230 spatial_decomposition_type
231     wavelet type
232     0 is a 9/7 symmetric compact integer wavelet
233     1 is a 5/3 symmetric compact integer wavelet
234     others are reserved
235     stored as delta from last, last is reset to 0 if always_reset || keyframe
236
237 qlog
238     quality (logarthmic quantizer scale)
239     stored as delta from last, last is reset to 0 if always_reset || keyframe
240
241 mv_scale
242     stored as delta from last, last is reset to 0 if always_reset || keyframe
243     FIXME check that everything works fine if this changes between frames
244
245 qbias
246     dequantization bias
247     stored as delta from last, last is reset to 0 if always_reset || keyframe
248
249 block_max_depth
250     maximum depth of the block tree
251     stored as delta from last, last is reset to 0 if always_reset || keyframe
252
253 quant_table
254     quantiztation table
255
256
257 Highlevel bitstream structure:
258 =============================
259  --------------------------------------------
260 |                   Header                   |
261  --------------------------------------------
262 |    ------------------------------------    |
263 |   |               Block0               |   |
264 |   |             split?                 |   |
265 |   |     yes              no            |   |
266 |   |  .........         intra?          |   |
267 |   | : Block01 :    yes         no      |   |
268 |   | : Block02 :  .......   ..........  |   |
269 |   | : Block03 : :  y DC : : ref index: |   |
270 |   | : Block04 : : cb DC : : motion x : |   |
271 |   |  .........  : cr DC : : motion y : |   |
272 |   |              .......   ..........  |   |
273 |    ------------------------------------    |
274 |    ------------------------------------    |
275 |   |               Block1               |   |
276 |                    ...                     |
277  --------------------------------------------
278 | ------------   ------------   ------------ |
279 || Y subbands | | Cb subbands| | Cr subbands||
280 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
281 || |LL0||HL0| | | |LL0||HL0| | | |LL0||HL0| ||
282 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
283 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
284 || |LH0||HH0| | | |LH0||HH0| | | |LH0||HH0| ||
285 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
286 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
287 || |HL1||LH1| | | |HL1||LH1| | | |HL1||LH1| ||
288 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
289 ||  ---  ---  | |  ---  ---  | |  ---  ---  ||
290 || |HH1||HL2| | | |HH1||HL2| | | |HH1||HL2| ||
291 ||    ...     | |    ...     | |    ...     ||
292 | ------------   ------------   ------------ |
293  --------------------------------------------
294
295 Decoding process:
296 =================
297
298                                          ------------
299                                         |            |
300                                         |  Subbands  |
301                    ------------         |            |
302                   |            |         ------------
303                   |  Intra DC  |               |
304                   |            |    LL0 subband prediction
305                    ------------                |
306                                 \        Dequantizaton
307  -------------------             \             |
308 |  Reference frames |             \           IDWT
309 | -------   ------- |    Motion    \           |
310 ||Frame 0| |Frame 1|| Compensation  .   OBMC   v      -------
311 | -------   ------- | --------------. \------> + --->|Frame n|-->output
312 | -------   ------- |                                 -------
313 ||Frame 2| |Frame 3||<----------------------------------/
314 |        ...        |
315  -------------------
316
317
318 Range Coder:
319 ============
320
321 Binary Range Coder:
322 -------------------
323 The implemented range coder is an adapted version based upon "Range encoding:
324 an algorithm for removing redundancy from a digitised message." by G. N. N.
325 Martin.
326 The symbols encoded by the Snow range coder are bits (0|1). The
327 associated probabilities are not fix but change depending on the symbol mix
328 seen so far.
329
330
331 bit seen | new state
332 ---------+-----------------------------------------------
333     0    | 256 - state_transition_table[256 - old_state];
334     1    |       state_transition_table[      old_state];
335
336 state_transition_table = {
337   0,   0,   0,   0,   0,   0,   0,   0,  20,  21,  22,  23,  24,  25,  26,  27,
338  28,  29,  30,  31,  32,  33,  34,  35,  36,  37,  37,  38,  39,  40,  41,  42,
339  43,  44,  45,  46,  47,  48,  49,  50,  51,  52,  53,  54,  55,  56,  56,  57,
340  58,  59,  60,  61,  62,  63,  64,  65,  66,  67,  68,  69,  70,  71,  72,  73,
341  74,  75,  75,  76,  77,  78,  79,  80,  81,  82,  83,  84,  85,  86,  87,  88,
342  89,  90,  91,  92,  93,  94,  94,  95,  96,  97,  98,  99, 100, 101, 102, 103,
343 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 114, 115, 116, 117, 118,
344 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133, 133,
345 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 145, 146, 147, 148, 149,
346 150, 151, 152, 152, 153, 154, 155, 156, 157, 158, 159, 160, 161, 162, 163, 164,
347 165, 166, 167, 168, 169, 170, 171, 171, 172, 173, 174, 175, 176, 177, 178, 179,
348 180, 181, 182, 183, 184, 185, 186, 187, 188, 189, 190, 190, 191, 192, 194, 194,
349 195, 196, 197, 198, 199, 200, 201, 202, 202, 204, 205, 206, 207, 208, 209, 209,
350 210, 211, 212, 213, 215, 215, 216, 217, 218, 219, 220, 220, 222, 223, 224, 225,
351 226, 227, 227, 229, 229, 230, 231, 232, 234, 234, 235, 236, 237, 238, 239, 240,
352 241, 242, 243, 244, 245, 246, 247, 248, 248,   0,   0,   0,   0,   0,   0,   0};
353
354 FIXME
355
356
357 Range Coding of integers:
358 -------------------------
359 FIXME
360
361
362 Neighboring Blocks:
363 ===================
364 left and top are set to the respective blocks unless they are outside of
365 the image in which case they are set to the Null block
366
367 top-left is set to the top left block unless it is outside of the image in
368 which case it is set to the left block
369
370 if this block has no larger parent block or it is at the left side of its
371 parent block and the top right block is not outside of the image then the
372 top right block is used for top-right else the top-left block is used
373
374 Null block
375 y,cb,cr are 128
376 level, ref, mx and my are 0
377
378
379 Motion Vector Prediction:
380 =========================
381 1. the motion vectors of all the neighboring blocks are scaled to
382 compensate for the difference of reference frames
383
384 scaled_mv= (mv * (256 * (current_reference+1) / (mv.reference+1)) + 128)>>8
385
386 2. the median of the scaled left, top and top-right vectors is used as
387 motion vector prediction
388
389 3. the used motion vector is the sum of the predictor and
390    (mvx_diff, mvy_diff)*mv_scale
391
392
393 Intra DC Predicton:
394 ======================
395 the luma and chroma values of the left block are used as predictors
396
397 the used luma and chroma is the sum of the predictor and y_diff, cb_diff, cr_diff
398 to reverse this in the decoder apply the following:
399 block[y][x].dc[0] = block[y][x-1].dc[0] +  y_diff;
400 block[y][x].dc[1] = block[y][x-1].dc[1] + cb_diff;
401 block[y][x].dc[2] = block[y][x-1].dc[2] + cr_diff;
402 block[*][-1].dc[*]= 128;
403
404
405 Motion Compensation:
406 ====================
407
408 Halfpel interpolation:
409 ----------------------
410 halfpel interpolation is done by convolution with the halfpel filter stored
411 in the header:
412
413 horizontal halfpel samples are found by
414 H1[y][x] =    hcoeff[0]*(F[y][x  ] + F[y][x+1])
415             + hcoeff[1]*(F[y][x-1] + F[y][x+2])
416             + hcoeff[2]*(F[y][x-2] + F[y][x+3])
417             + ...
418 h1[y][x] = (H1[y][x] + 32)>>6;
419
420 vertical halfpel samples are found by
421 H2[y][x] =    hcoeff[0]*(F[y  ][x] + F[y+1][x])
422             + hcoeff[1]*(F[y-1][x] + F[y+2][x])
423             + ...
424 h2[y][x] = (H2[y][x] + 32)>>6;
425
426 vertical+horizontal halfpel samples are found by
427 H3[y][x] =    hcoeff[0]*(H2[y][x  ] + H2[y][x+1])
428             + hcoeff[1]*(H2[y][x-1] + H2[y][x+2])
429             + ...
430 H3[y][x] =    hcoeff[0]*(H1[y  ][x] + H1[y+1][x])
431             + hcoeff[1]*(H1[y+1][x] + H1[y+2][x])
432             + ...
433 h3[y][x] = (H3[y][x] + 2048)>>12;
434
435
436                    F   H1  F
437                    |   |   |
438                    |   |   |
439                    |   |   |
440                    F   H1  F
441                    |   |   |
442                    |   |   |
443                    |   |   |
444    F-------F-------F-> H1<-F-------F-------F
445                    v   v   v
446                   H2   H3  H2
447                    ^   ^   ^
448    F-------F-------F-> H1<-F-------F-------F
449                    |   |   |
450                    |   |   |
451                    |   |   |
452                    F   H1  F
453                    |   |   |
454                    |   |   |
455                    |   |   |
456                    F   H1  F
457
458
459 unavailable fullpel samples (outside the picture for example) shall be equal
460 to the closest available fullpel sample
461
462
463 Smaller pel interpolation:
464 --------------------------
465 if diag_mc is set then points which lie on a line between 2 vertically,
466 horiziontally or diagonally adjacent halfpel points shall be interpolated
467 linearls with rounding to nearest and halfway values rounded up.
468 points which lie on 2 diagonals at the same time should only use the one
469 diagonal not containing the fullpel point
470
471
472
473            F-->O---q---O<--h1->O---q---O<--F
474            v \           / v \           / v
475            O   O       O   O   O       O   O
476            |         /     |     \         |
477            q       q       q       q       q
478            |     /         |         \     |
479            O   O       O   O   O       O   O
480            ^ /           \ ^ /           \ ^
481           h2-->O---q---O<--h3->O---q---O<--h2
482            v \           / v \           / v
483            O   O       O   O   O       O   O
484            |     \         |         /     |
485            q       q       q       q       q
486            |         \     |     /         |
487            O   O       O   O   O       O   O
488            ^ /           \ ^ /           \ ^
489            F-->O---q---O<--h1->O---q---O<--F
490
491
492
493 the remaining points shall be bilinearly interpolated from the
494 up to 4 surrounding halfpel and fullpel points, again rounding should be to
495 nearest and halfway values rounded up
496
497 compliant Snow decoders MUST support 1-1/8 pel luma and 1/2-1/16 pel chroma
498 interpolation at least
499
500
501 Overlapped block motion compensation:
502 -------------------------------------
503 FIXME
504
505 LL band prediction:
506 ===================
507 Each sample in the LL0 subband is predicted by the median of the left, top and
508 left+top-topleft samples, samples outside the subband shall be considered to
509 be 0. To reverse this prediction in the decoder apply the following.
510 for(y=0; y<height; y++){
511     for(x=0; x<width; x++){
512         sample[y][x] += median(sample[y-1][x],
513                                sample[y][x-1],
514                                sample[y-1][x]+sample[y][x-1]-sample[y-1][x-1]);
515     }
516 }
517 sample[-1][*]=sample[*][-1]= 0;
518 width,height here are the width and height of the LL0 subband not of the final
519 video
520
521
522 Dequantizaton:
523 ==============
524 FIXME
525
526 Wavelet Transform:
527 ==================
528
529 Snow supports 2 wavelet transforms, the symmetric biorthogonal 5/3 integer
530 transform and an integer approximation of the symmetric biorthogonal 9/7
531 daubechies wavelet.
532
533 2D IDWT (inverse discrete wavelet transform)
534 --------------------------------------------
535 The 2D IDWT applies a 2D filter recursively, each time combining the
536 4 lowest frequency subbands into a single subband until only 1 subband
537 remains.
538 The 2D filter is done by first applying a 1D filter in the vertical direction
539 and then applying it in the horizontal one.
540  ---------------    ---------------    ---------------    ---------------
541 |LL0|HL0|       |  |   |   |       |  |       |       |  |       |       |
542 |---+---|  HL1  |  | L0|H0 |  HL1  |  |  LL1  |  HL1  |  |       |       |
543 |LH0|HH0|       |  |   |   |       |  |       |       |  |       |       |
544 |-------+-------|->|-------+-------|->|-------+-------|->|   L1  |  H1   |->...
545 |       |       |  |       |       |  |       |       |  |       |       |
546 |  LH1  |  HH1  |  |  LH1  |  HH1  |  |  LH1  |  HH1  |  |       |       |
547 |       |       |  |       |       |  |       |       |  |       |       |
548  ---------------    ---------------    ---------------    ---------------
549
550
551 1D Filter:
552 ----------
553 1. interleave the samples of the low and high frequency subbands like
554 s={L0, H0, L1, H1, L2, H2, L3, H3, ... }
555 note, this can end with a L or a H, the number of elements shall be w
556 s[-1] shall be considered equivalent to s[1  ]
557 s[w ] shall be considered equivalent to s[w-2]
558
559 2. perform the lifting steps in order as described below
560
561 5/3 Integer filter:
562 1. s[i] -= (s[i-1] + s[i+1] + 2)>>2; for all even i < w
563 2. s[i] += (s[i-1] + s[i+1]    )>>1; for all odd  i < w
564
565 \ | /|\ | /|\ | /|\ | /|\
566  \|/ | \|/ | \|/ | \|/ |
567   +  |  +  |  +  |  +  |   -1/4
568  /|\ | /|\ | /|\ | /|\ |
569 / | \|/ | \|/ | \|/ | \|/
570   |  +  |  +  |  +  |  +   +1/2
571
572
573 Snow's 9/7 Integer filter:
574 1. s[i] -= (3*(s[i-1] + s[i+1])         + 4)>>3; for all even i < w
575 2. s[i] -=     s[i-1] + s[i+1]                 ; for all odd  i < w
576 3. s[i] += (   s[i-1] + s[i+1] + 4*s[i] + 8)>>4; for all even i < w
577 4. s[i] += (3*(s[i-1] + s[i+1])            )>>1; for all odd  i < w
578
579 \ | /|\ | /|\ | /|\ | /|\
580  \|/ | \|/ | \|/ | \|/ |
581   +  |  +  |  +  |  +  |   -3/8
582  /|\ | /|\ | /|\ | /|\ |
583 / | \|/ | \|/ | \|/ | \|/
584  (|  + (|  + (|  + (|  +   -1
585 \ + /|\ + /|\ + /|\ + /|\  +1/4
586  \|/ | \|/ | \|/ | \|/ |
587   +  |  +  |  +  |  +  |   +1/16
588  /|\ | /|\ | /|\ | /|\ |
589 / | \|/ | \|/ | \|/ | \|/
590   |  +  |  +  |  +  |  +   +3/2
591
592 optimization tips:
593 following are exactly identical
594 (3a)>>1 == a + (a>>1)
595 (a + 4b + 8)>>4 == ((a>>2) + b + 2)>>2
596
597 16bit implementation note:
598 The IDWT can be implemented with 16bits, but this requires some care to
599 prevent overflows, the following list, lists the minimum number of bits needed
600 for some terms
601 1. lifting step
602 A= s[i-1] + s[i+1]                              16bit
603 3*A + 4                                         18bit
604 A + (A>>1) + 2                                  17bit
605
606 3. lifting step
607 s[i-1] + s[i+1]                                 17bit
608
609 4. lifiting step
610 3*(s[i-1] + s[i+1])                             17bit
611
612
613 TODO:
614 =====
615 Important:
616 finetune initial contexts
617 flip wavelet?
618 try to use the wavelet transformed predicted image (motion compensated image) as context for coding the residual coefficients
619 try the MV length as context for coding the residual coefficients
620 use extradata for stuff which is in the keyframes now?
621 implement per picture halfpel interpolation
622 try different range coder state transition tables for different contexts
623
624 Not Important:
625 compare the 6 tap and 8 tap hpel filters (psnr/bitrate and subjective quality)
626 spatial_scalability b vs u (!= 0 breaks syntax anyway so we can add a u later)
627
628
629 Credits:
630 ========
631 Michael Niedermayer
632 Loren Merritt
633
634
635 Copyright:
636 ==========
637 GPL + GFDL + whatever is needed to make this a RFC