Extrapolation intra prediction model for inter chroma coding

Abstract

A method for using extended intra prediction (EIP) or multiple source sample-based prediction to generate cross-component prediction of chroma samples with inter-prediction is provided. A video coder receives data to be encoded or decoded as a current block of pixels of a current picture of a video. The video coder receives a model for predicting a set of one or more target samples based on a set of one or more neighboring source samples. The video coder reconstructs first component samples of the current block using non-intra prediction based on samples from a reference block. The video coder applies the model to the reconstructed samples of the current block to generate a predictor comprising predictions of second component samples of the current block. The predictions of the second component samples are clipped to be within a range of values.

Description

EXTRAPOLATION INTRA PREDICTION MODEL FOR INTER CHROMA CODINGCROSS REFERENCE TO RELATED PATENT APPLICATION (S)The present disclosure is part of a non-provisional application that claims the priority benefit of U.S. Provisional Patent Application No. 63 / 623,838, filed on 23 January 2024. Content of above-listed application is herein incorporated by reference.TECHNICAL FIELDThe present disclosure relates generally to video coding. In particular, the present disclosure relates to methods of coding pixel blocks by extrapolation intra prediction (EIP) and cross-component prediction.BACKGROUNDUnless otherwise indicated herein, approaches described in this section are not prior art to the claims listed below and are not admitted as prior art by inclusion in this section.High-Efficiency Video Coding (HEVC) is an international video coding standard developed by the Joint Collaborative Team on Video Coding (JCT-VC) . HEVC is based on the hybrid block-based motion-compensated DCT-like transform coding architecture. The basic unit for compression, termed coding unit (CU) , is a 2Nx2N square block of pixels, and each CU can be recursively split into four smaller CUs until the predefined minimum size is reached. Each CU contains one or multiple prediction units (PUs) .Versatile video coding (VVC) is the latest international video coding standard developed by the Joint Video Expert Team (JVET) of ITU-T SG16 WP3 and ISO / IEC JTC1 / SC29 / WG11. The input video signal is predicted from the reconstructed signal, which is derived from the coded picture regions. The prediction residual signal is processed by a block transform. The transform coefficients are quantized and entropy coded together with other side information in the bitstream. The reconstructed signal is generated from the prediction signal and the reconstructed residual signal after inverse transform on the de-quantized transform coefficients. The reconstructed signal is further processed by in-loop filtering for removing coding artifacts. The decoded pictures are stored in the frame buffer for predicting the future pictures in the input video signal.In VVC, a coded picture is partitioned into non-overlapped square block regions represented by the associated coding tree units (CTUs) . The leaf nodes of a coding tree correspond to the coding units (CUs) . A coded picture can be represented by a collection of slices, each comprising an integer number of CTUs. The individual CTUs in a slice are processed in raster-scan order. A bi-predictive (B) slice may be decoded using intra prediction or inter prediction with at most two motion vectors (MVs) and reference indices to predict the sample values of each block. A predictive (P) slice is decoded using intra prediction or inter prediction with at most one motion vector and reference index to predict the sample values of each block. An intra (I) slice is decoded using intra prediction only.A CTU can be partitioned into one or multiple non-overlapped coding units (CUs) using the quadtree (QT) with nested multi-type-tree (MTT) structure to adapt to various local motion and texture characteristics. A CU can be further split into smaller CUs using one of the five split types: quad-tree partitioning, vertical binary tree partitioning, horizontal binary tree partitioning, vertical center-side triple-tree partitioning, horizontal center-side triple-tree partitioning.Each CU contains one or more prediction units (PUs) . The prediction unit, together with the associated CU syntax, works as a basic unit for signaling the predictor information. The specified prediction process is employed to predict the values of the associated pixel samples inside the PU. Each CU may contain one or more transform units (TUs) for representing the prediction residual blocks. A transform unit (TU) is comprised of a transform block (TB) of luma samples and two corresponding transform blocks of chroma samples and each TB correspond to one residual block of samples from one color component. An integer transform is applied to a transform block. The level values of quantized coefficients together with other side information are entropy coded in the bitstream. The terms coding tree block (CTB) , coding block (CB) , prediction block (PB) , and transform block (TB) are defined to specify the 2-D sample array of one-color component associated with CTU, CU, PU, and TU, respectively. Thus, a CTU consists of one luma CTB, two chroma CTBs, and associated syntax elements. A similar relationship is valid for CU, PU, and TU.For each inter-predicted CU, motion parameters consisting of motion vectors, reference picture indices and reference picture list usage index, and additional information are used for inter-predicted sample generation. The motion parameter can be signalled in an explicit or implicit manner. When a CU is coded with skip mode, the CU is associated with one PU and has no significant residual coefficients, no coded motion vector delta or reference picture index. A merge mode is specified whereby the motion parameters for the current CU are obtained from neighbouring CUs, including spatial and temporal candidates, and additional schedules introduced in VVC. The merge mode can be applied to any inter-predicted CU. The alternative to merge mode is the explicit transmission of motion parameters, where motion vector, corresponding reference picture index for each reference picture list and reference picture list usage flag and other needed information are signalled explicitly per each CU.SUMMARYThe following summary is illustrative only and is not intended to be limiting in any way. That is, the following summary is provided to introduce concepts, highlights, benefits and advantages of the novel and non-obvious techniques described herein. Select and not all implementations are further described below in the detailed description. Thus, the following summary is not intended to identify essential features of the claimed subject matter, nor is it intended for use in determining the scope of the claimed subject matter.Some embodiments of the disclosure provide a method for using extended intra prediction (EIP) or multiple source sample-based prediction to generate cross-component prediction of chroma samples with inter-prediction is provided. A video coder receives data to be encoded or decoded as a current block of pixels of a current picture of a video. The video coder receives a model for predicting a set of one or more target samples based on a set of one or more neighboring source samples. The video coder reconstructs first component samples of the current block using non-intra prediction based on samples from a reference block. The reference block may be located by a block vector in the current picture or located by a motion vector in a reference picture. The video coder applies the model to the reconstructed samples of the current block to generate a predictor comprising predictions of second component samples of the current block. The video coder uses the predictor to encode or decode the current block.In some embodiments, the predictions of the second component samples are clipped to be within a range of values. The range of values may be determined by the maximum and minimum of the luma or chroma reconstructions neighboring the current block, or by the maximum and minimum of (selected) luma or chroma reconstructions in the reference block.The model may be derived based on reconstructed or predicted samples in a neighboring template region of the current block and may be inherited by a subsequent block for encoding the subsequent block. The model may also be derived based on samples in a neighboring template region of a reference block that is located by a motion vector or a block vector.In some embodiments, whether the generated predictor is used for encoding the current block is determined based on an inter-prediction mode specified for the current block, e.g., only when the inter-prediction mode specified for the current block is merge mode (i.e., the inter prediction parameters for the current block are inferred from a neighboring inter-predicted partition) .In some embodiments, the current block may be partitioned into at least a first prediction region and a second prediction region, and the model is applied to reconstructed first component samples of the first prediction region to produce prediction of second component samples of the first prediction region. The first component samples of the second prediction region may be reconstructed by inter-prediction or inter-prediction. More generally, the first and prediction regions may be coded by either inter-prediction or intra-prediction. A first EIP model may be applied to the reconstructed first component samples of the first prediction region to produce prediction of second component samples of the first prediction region and a second EIP model is applied to reconstructed first component samples of the second prediction region to produce prediction of second component samples of the second prediction region. The first and second models may be derived from template samples neighboring the current block or inherited from a previous EIP coded block. The first and second models may be selected from a list of candidate EIP models that are derived from reconstructed and predicted samples of template regions of the current block or are inherited from previously coded blocks, and the selection may be implicitly based on neighboring template costs of the candidates in the list.In some embodiments, the current block is encoded by using a combined prediction of the generated predictor and another prediction of the current block that may be inter-or intra-prediction.BRIEF DESCRIPTION OF THE DRAWINGSThe accompanying drawings are included to provide a further understanding of the present disclosure, and are incorporated in and constitute a part of the present disclosure. The drawings illustrate implementations of the present disclosure and, together with the description, serve to explain the principles of the present disclosure. It is appreciable that the drawings are not necessarily in scale as some components may be shown to be out of proportion than the size in actual implementation in order to clearly illustrate the concept of the present disclosure.FIG. 1 illustrates 67 intra predictions modes, including 65 directional or angular intra prediction modes.FIG. 2A, FIG. 2B and FIG. 2C illustrate some defined types of reconstructed areas.FIG. 3A, FIG. 3B and FIG. 3C illustrate some defined types of filter shapes.FIG. 4 shows examples of generating predictions for different positions in the current block by a diagonal order.FIG. 5 illustrates the spatial parts of the convolution filter.FIG. 6 illustrates a reference area for calculating the filter coefficients for convolution cross-component model (CCCM) .FIG. 7 shows four Sobel based gradient patterns for Gradient Linear Model.FIG. 8 illustrates non-downsampled neighboring luma samples used to derive a chroma sample.FIG. 9 illustrates various downsampling filters.FIG. 10 illustrates a 3×3 low-pass filter that is applied to filter prediction samples generated by MM-CCLM / MM-CCCM.FIG. 11 illustrates motion vector scaling for temporal merge candidate.FIG. 12 shows candidate positions for temporal merge candidate.FIG. 13 illustrates predefined search area for intra template matching.FIG. 14 illustrates template regions of reference blocks that can be used to derive EIP models for use by a non-intra coded current block.FIG. 15 illustrates an example video encoder that may implement multiple source sample-based prediction (MSSBP) .FIG. 16 illustrates portions of the video encoder that implement cross-component MSSBP with inter-prediction.FIG. 17 conceptually illustrates a process that uses cross-component MSSBP to encode a pixel block with inter-prediction.FIG. 18 illustrates an example video decoder that may implement multiple source sample-based prediction.FIG. 19 illustrates portions of the video decoder that implement cross-component MSSBP with inter-prediction.FIG. 20 conceptually illustrates a process that uses cross-component MSSBP to decode a pixel block with inter-prediction.FIG. 21 conceptually illustrates an electronic system with which some embodiments of the present disclosure are implemented.DETAILED DESCRIPTIONIn the following detailed description, numerous specific details are set forth by way of examples in order to provide a thorough understanding of the relevant teachings. Any variations, derivatives and / or extensions based on teachings described herein are within the protective scope of the present disclosure. In some instances, well-known methods, procedures, components, and / or circuitry pertaining to one or more example implementations disclosed herein may be described at a relatively high level without detail, in order to avoid unnecessarily obscuring aspects of teachings of the present disclosure.I. Intra PredictionA. Intra Mode Coding with 67 Intra Prediction ModesTo capture the arbitrary edge directions presented in natural video, the number of directional intra modes is extended from 33 (as in HEVC) to 65 (as in VVC) . FIG. 1 illustrates 67 intra predictions modes, including 65 directional or angular intra prediction modes (from 2 to 66) .In VVC, several conventional angular intra prediction modes may be adaptively replaced with wide-angle intra prediction modes for the non-square blocks. In HEVC, every intra-coded block has a square shape and the length of each of its side is a power of 2. Thus, no division operations are required to generate an intra-predictor using DC mode. In VVC, blocks can have a rectangular shape that necessitates the use of a division operation per block in the general case. To avoid division operations for DC prediction, only the longer side is used to compute the average for non-square blocks.B. Extrapolation Intra Prediction (EIP)Extrapolation Intra Prediction, or EIP, is a process for generating the predictor for each sample in one block based on multiple source samples. It is therefore also called multiple source sample-based prediction (MSSBP) . In some (but not all) applications, EIP is restricted to the block size not greater than 32x32 and intra slice only.For EIP, an offset value may be removed when feeding the inputs to the EIP filter. The top-left reconstructed pixel from a pre-defined neighboring area of the current block is used as the offset value for EIP prediction. The min and max value may be obtained from reconstructed pixels in the pre-defined reconstructed area of the current block.In some embodiments, there are three types of reconstructed areas and three filter shapes. FIG. 2A, FIG. 2B and FIG. 2C illustrate three defined types of reconstructed areas. FIG. 3A, FIG. 3B and FIG. 3C illustrate three defined types of filter shapes that have 15 inputs and generate one output.When the current block is predicted by using the EIP mode, the decoder decodes the relevant syntax elements to determine the selected type of reconstructed area and the filter shape for the current block. The size of reconstructed area depends on the min (blockWidth, blockHeight) and the selected filter shape. For the example illustrated, when the current block is an 8x16 block and the selected filter shape is 4x4. The aboveSize of reconstructed area is min (8, 16) + 4 –1 = 11, and the leftSize of reconstructed area is min (8, 16) + 4 –1 = 11.The selected filter moves in the selected reconstructed area with a one-pixel step to collect input samples and output samples of EIP. The auto-correlation matrix and cross-correlation vector are constructed while removing the offset value from input samples and output samples. Then, the EIP coefficients are obtained by the same method for deriving CCCM filter coefficients as described in Section II. C below, specifically, by minimising mean-square-error (MSE) between corresponding input samples and output samples. Specifically, the filter coefficients ci are calculated by minimising MSE between predicted and reconstructed chroma samples in a reference area.The EIP mode generates predictions for the current block from the top-left position to the bottom-right position by a diagonal prediction order, as shown in FIG. 4, which shows examples of generating predictions for different positions in the current block by a diagonal order. To reduce the prediction error, the min and max values from the neighboring reconstructed area may be applied to restrict the output range of each predicted value. The calculation for predicted samples in the test is shown as follows:where pred (x, y) is the predicted value at (x, y) in the current block (min, max, and offset are values described above in this section. ) ci is the i-th coefficient of the derived EIP filter, the index of the coefficient is from 0 to 14, t(x-xoffset, y-yoffset) is reconstructed or predicted value used for the current position’s prediction.C. Decoder Side Intra Mode Derivation (DIMD)When DIMD is applied, two intra modes may be derived from the reconstructed neighbor samples, and those two predictors are combined with the planar mode predictor with the weights derived from the histogram of gradients. The division operations in weight derivation may be performed utilizing the same lookup table (LUT) . For example, the division operation in the orientation (Orient) calculation:Orient = Gy  / Gx is computed by the following LUT-based scheme:x = Floor (Log2 (Gx ) )normDiff = ( (Gx<< 4 ) >> x ) &15x += (3 + (normDiff ! = 0 ) ? 1: 0)Orient = (Gy* (DivSigTable [normDiff ] | 8) + (1<< (x-1) ) ) >> xwhere DivSigTable

[0016] = {0, 7, 6, 5 , 5, 4, 4, 3, 3, 2, 2, 1, 1, 1, 1, 0} . Derived intra modes are included into the primary list of intra most probable modes (MPM) , so the DIMD process is performed before the MPM list is constructed. The primary derived intra mode of a DIMD block is stored with a block and is used for MPM list construction of the neighboring blocks.D. Intra Prediction FusionThe intra prediction fusion method derives predicted samples as a weighted combination of multiple predictors generated from different reference lines. In this process multiple intra predictors are generated and then fused by weighted averaging. The process of deriving the predictors to be used in the fusion process is described as follows:(1) For angular intra prediction modes including the single mode case of TIMD and DIMD, the intra prediction fusion method derives intra prediction by weighting intra predictions obtained from multiple reference lines represented as pfusion=w0pline+w1pline+1, where pline is the intra prediction from the default reference line and pline+1 is the prediction from the line above the default reference line. The weights are set as w0=3 / 4 and w1=1 / 4.(2) For TIMD mode with blending, pline is used for the first mode (w0=1, w1=0) and pline+1 is used for the second mode (w0=0, w1=1) .(3) For DIMD mode with blending, the number of predictors selected for a weighted average is increased from 3 to 6.Intra prediction fusion may be applied to luma blocks when angular intra mode has non-integer slope (required reference samples interpolation) and the block size is greater than 16, it is used with MRL and not applied for ISP coded blocks. PDPC may be applied to the intra prediction mode using the closest to the current block reference line.II. Cross-Component PredictionA. Cross-Component Linear Model (CCLM)To reduce the cross-component redundancy, a cross-component linear model (CCLM) prediction mode is used in the VVC, for which the chroma samples are predicted based on the reconstructed luma samples of the same CU by using a linear model as follows:predC (i, j) =α·recL′ (i, j) + β       (1)where predC (i, j) represents the predicted chroma samples in a CU and recL (i, j) represents the downsampled reconstructed luma samples of the same CU. The CCLM parameters (αand β) are derived with at most four neighbouring chroma samples and their corresponding down-sampled luma samples.The four neighbouring luma samples at the selected positions are down-sampled and compared four times to find two larger values: x0A and x1A, and two smaller values: x0B and x1B. Their corresponding chroma sample values are denoted as y0A, y1A, y0B and y1B. Then xA, xB, yA and yB are derived as:Xa= (x0A + x1A +1) >>1; Xb= (x0B + x1B +1) >>1Ya= (y0A + y1A +1) >>1; Yb= (y0B + y1B +1) >>1Finally, the linear model parameters α and β are obtained according to the following equations.β=Yb-α·XbBesides the above template and left template can be used to calculate the linear model coefficients together, they also can be used alternatively in the other 2 LM modes, called LM_A, and LM_L modes.In LM_Amode, only the above template are used to calculate the linear model coefficients. To get more samples, the above template are extended to (W+H) samples. In LM_L mode, only left template are used to calculate the linear model coefficients. To get more samples, the left template are extended to (H+W) samples.In LM_LA mode, left and above templates are used to calculate the linear model coefficients. To match the chroma sample locations for 4: 2: 0 video sequences, two types of downsampling filter are applied to luma samples to achieve 2 to 1 downsampling ratio in both horizontal and vertical directions.B. Multi-Model Linear Model (MMLM)In each MMLM mode, the reconstructed neighboring samples are classified into two classes using a threshold which is the average of the luma reconstructed neighboring samples. The linear model of each class is derived using the Least-Mean-Square (LMS) method. For the CCLM mode, the LMS method is also used to derive the linear model. A slope adjustment to is applied to cross-component linear model (CCLM) and to Multi-model LM prediction. The adjustment is tilting the linear function which maps luma values to chroma values with respect to a center point determined by the average luma value of the reference samples.C. Convolutional Cross-Component Intra Prediction Model (CCCM)In some embodiments, convolutional cross-component model (CCCM) is applied to predict chroma samples from reconstructed luma samples in a similar fashion as done by the current Cross-Component Linear Model (CCLM) modes. As with CCLM, the reconstructed luma samples are down-sampled to match the lower resolution chroma grid when chroma sub-sampling is used. Similar to CCLM top, left or top and left reference samples are used as templates for model derivation.Also, similarly to CCLM, there is an option of using a single model or multi-model variant of CCCM. The multi-model variant uses two models, one model derived for samples above the average luma reference value and another model for the rest of the samples (following the spirit of the CCLM design) . Multi-model CCCM mode can be selected for PUs which have at least 128 reference samples available.In some embodiments, CCCM uses a 7-tap convolution filter. The convolutional 7-tap filter consist of a 5-tap plus sign shape spatial component, a nonlinear term and a bias term. FIG. 5 illustrates the spatial parts of the convolution filter. As illustrated, the input to the spatial 5-tap component of the filter consists of a center (C) luma sample which is collocated with the chroma sample to be predicted and its above / north (N) , below / south (S) , left / west (W) and right / east (E) neighbors.The nonlinear term P is represented as power of two of the center luma sample C and scaled to the sample value range of the content:P = (C*C + midVal ) >> bitDepthThat is, for 10-bit content it is calculated as:P = (C*C + 512 ) >> 10The bias term B represents a scalar offset between the input and output (similarly to the offset term in CCLM) and is set to middle chroma value (512 for 10-bit content) . Output of the filter is calculated as a convolution between the filter coefficients ci and the input values and clipped to the range of valid chroma samples:predChromaVal = c0C + c1N + c2S + c3E + c4W + c5P + c6BThe filter coefficients ci are calculated by minimising MSE between predicted and reconstructed chroma samples in a reference area. FIG. 6 illustrates a reference area for calculating the filter coefficients of the CCCM. As illustrated, the reference area 600 consists of 2 or 6 lines of chroma samples above and left of the PU. Whether to use 6 lines or 2 lines of neighbouring samples to derive the CCCM model parameters in the single model CCCM is determined by a template cost. Similarly, for the multi-model CCCM mode, the two candidates use 6 lines neighboring luma samples or luma samples collocated to the current chroma block to derive mean values which separate samples into two groups. The cost is derived by applying the candidate CCP (either 2 or 6 lines) on a template, calculating the sum of absolute difference (SAD) between CCP predicted samples and reconstructed samples in the template.The Reference area 600 extends one PU width to the right and one PU height below the PU boundaries. Area is adjusted to include only available samples. The extensions to the area shown in blue are needed to support the “side samples” of the plus shaped spatial filter and are padded when in unavailable areas.The MSE minimization is performed by calculating autocorrelation matrix for the luma input and a cross-correlation vector between the luma input and chroma output. Autocorrelation matrix is LDL decomposed and the final filter coefficients are calculated using back-substitution. The calculation is similar to the calculation of the ALF filter coefficients in ECM, except LDL decomposition was chosen instead of Cholesky decomposition to avoid using square root operations.The autocorrelation matrix is calculated using the reconstructed values of luma and chroma samples. These samples are full range (e.g. between 0 and 1023 for 10-bit content) resulting in relatively large values in the autocorrelation matrix. This requires high bit depth operation during the model parameters calculation. It is proposed to remove fixed offsets from luma and chroma samples in each PU for each model. This is driving down the magnitudes of the values used in the model creation and allows reducing the precision needed for the fixed-point arithmetic. As a result, 16-bit decimal precision is proposed to be used instead of the 22-bit precision of the original CCCM implementation.Reference sample values just outside of the top-left corner of the PU are used as the offsets (offsetLuma, offsetCb and offsetCr) for simplicity. The samples values used in both model creation and final prediction (i.e., luma and chroma in the reference area, and luma in the current PU) are reduced by these fixed values, as follows:C'= C –offsetLumaN'= N –offsetLumaS'= S –offsetLumaE'= E –offsetLumaW'= W –offsetLumaP'= nonLinear (C')B = midValue = 1 << (bitDepth -1)and the chroma value is predicted using the following equation, where offsetChroma is equal to offsetCr and offsetCb for Cr and Cb components, respectively:predChromaVal = c0C'+ c1N'+ c2S'+ c3E'+ c4W'+ c5P'+ c6B + offsetChromaIn order to avoid any additional sample level operations, the luma offset is removed during the luma reference sample interpolation. This can be done, for example, by substituting the rounding term used in the luma reference sample interpolation with an updated offset including both the rounding term and the offsetLuma. The chroma offset can be removed by deducting the chroma offset directly from the reference chroma samples. As an alternative way, impact of the chroma offset can be removed from the cross-component vector giving identical result. In order to add the chroma offset back to the output of the convolutional prediction operation the chroma offset is added to the bias term of the convolutional model.The process of CCCM model parameter calculation requires division operations. Division operations are not always considered implementation friendly. The division operation may be replaced with multiplication (with a scale factor) and shift operation, where scale factor and number of shifts are calculated based on denominator similar to the method used in calculation of CCLM parameters.Usage of CCCM is signalled with a CABAC coded PU level flag. One new CABAC context was included to support this. When it comes to signalling, CCCM is considered a sub-mode of CCLM. That is, the CCCM flag is only signalled if intra prediction mode is LM_CHROMA.D. Gradient Linear Model (GLM)For YUV 4: 2: 0 color format, a gradient linear model (GLM) method can be used to predict the chroma samples from luma sample gradients. Two modes are supported: a two-parameter GLM mode and a three-parameter GLM mode. Compared with the CCLM, instead of down-sampled luma values, the two-parameter GLM utilizes luma sample gradients to derive the linear model. Specifically, when the two-parameter GLM is applied, the input to the CCLM process, i.e., the down-sampled luma samples L, are replaced by luma sample gradients G. The other parts of the CCLM (e.g., parameter derivation, prediction sample linear transform) are kept unchanged:C = α·G + βIn the three-parameter GLM, a chroma sample can be predicted based on both the luma sample gradients and down-sampled luma values with different parameters. The model parameters of the three-parameter GLM are derived from 6 rows and columns adjacent samples by the LDL decomposition based MSE minimization method as used in the CCCM:C = α0 ·G + ɑ1 ·L + ɑ2 ·βFor signaling, when the CCLM mode is enabled to the current CU, one flag is signaled to indicate whether GLM is enabled for both Cb and Cr components. If GLM is enabled, another flag is signaled to indicate which of the two GLM modes is selected, and one syntax element is further signaled to select one of 4 gradient filters for the gradient calculation. FIG. 7 shows four Sobel based gradient patterns 701-704 for Gradient Linear Model (GLM) .E. CCCM using non-downsampled luma samplesIn some embodiments, CCCM mode with 3x2 filter using non-downsampled luma samples may be used, which consists of 6-tap spatial terms, four nonlinear terms and a bias term. The 6-tap spatial terms correspond to 6 neighboring luma samples (i.e., L0, L1, …, L5) around the chroma sample (i.e., C) to be predicted, the four non-linear terms are derived from the samples L0, L1, L2, and L3.FIG. 8 illustrates the non-downsampled neighboring luma samples used to derive a chroma sample. The chroma sample is derived according to the following:Where ɑi is the coefficient and β is the offset. Same to the existing CCCM design, up to 6 lines / columns of chroma samples above and left to the current CU are applied to derive the filter coefficients. The filter coefficients are derived based on the same LDL decomposition method used in CCCM. In some embodiments, CCCM using non-downsampled luma samples is signaled as an additional CCCM model besides the existing one, when the CCCM is selected, one single flag is signaled and used for both two chroma components to indicate whether the default CCCM model or the proposed CCCM model is applied. Additionally, SPS signaling is introduced to indicate whether the CCCM using non-downsampled luma samples is enabled.F. Gradient and Location Based Convolutional Cross-Component Model (GL-CCCM)GL-CCCM maps luma values into chroma values using a filter with inputs consisting of one spatial luma sample, two gradient values, two location information, a nonlinear term, and a bias term. The GL-CCCM method uses gradient and location information instead of the 4 spatial neighbor samples used in the CCCM filter. The GL-CCCM filter used for the prediction is:predChromaVal = c0C + c1Gy + c2Gx + c3Y + c4X + c5P + c6BWhere Gy and Gx are the vertical and horizontal gradients, respectively, and are calculated as:Gy = (2N + NW + NE) – (2S + SW + SE)Gx = (2W + NW + SW) – (2E + NE + SE)Moreover, the Y and X are the spatial coordinates of the center luma sample. The rest of the parameters are the same as CCCM tool. The reference area for the parameter calculation is the same as CCCM method. The usage of GL-CCCM mode is signalled with a CABAC coded PU level flag. When it comes to signalling, GL-CCCM is considered a sub-mode of CCCM. That is, the GL-CCCM flag is only signalled if original CCCM flag is true. Similar to the CCCM, GL-CCCM tool has 6 modes for calculating the parameters:(1) Single-model GL-CCCM from above and left templates(2) Single-model GL-CCCM from above template(3) Single-model GL-CCCM from left template(4) Multi-model GL-CCCM from above and left templates(5) Multi-model GL-CCCM from above template(6) Multi-model GL-CCCM from left templateThe encoder performs SATD search for the 6 GL-CCCM modes along with the existing CCCM modes to find the best candidates for full RD tests.G. CCCM with Multiple Downsampling FiltersMultiple downsampling filters are applied to a group of reconstructed luma samples in a CCCM. The linear combination of these downsampled reconstructed samples is multiplied by derived filter coefficients to form the final chroma predictor. The horizontal or vertical location of the center luma sample are also considered in the tested model. The cross-component models shown below are tested as additional CCCM modes with a mode index signalled in the bitstream:- Model 1: predChroma = c0 *H (C) + c1 * G1 (C) + c2 * G2 (C) + c3 * G3 (C) + c4 * P (H (C) ) + c5 * P (G1 (C) ) + c6 *P (G2 (C) ) + c7 *X + c8 *Y + c9 *B- Model 2: predChroma = c0 *H (C) + c1 * H (W) + c2 * H (E) + c3 * G1 (C) + c4 * G1 (W) + c5 * G1 (E) + c6 * P (H (C) ) + c7 * P (H (W) ) + c8 * P (H (E) ) + c9 *X + c10 *B- Model 3: predChroma = c0 *H (C) + c1 * H (NE) + c2 * H (SW) + c3 * G3 (C) + c4 * G3 (NE) + c5 * G3 (SW) + c6 * P (H (C) ) + c7 * P (H (NE) ) + c8 * P (H (SW) ) + c9 *Y + c10 *Bwhere H (·) , G1 (·) , G2 (·) , G3 (·) are various downsampling filters that are illustrated in FIG. 9. C denotes the current chroma sample position, and N, S, W, E, NE, SW are the positions around C, ci are filter coefficients, P and B are nonlinear term and bias term, and X and Y are the horizontal and vertical locations of the center luma sample with respect to the top-left coordinates of the block.H. Local-Boosting Cross-Component Prediction (LB-CCP)Prediction samples of MM-CCLM / MM-CCCM can be filtered with neighboring samples. FIG. 10 illustrates a 3×3 low-pass filter that is applied to filter prediction samples generated by MM-CCLM / MM-CCCM. For a sample at a top / left boundary, the filtering window may involve neighboring reconstructed samples. For inner samples, the filtering window only involves prediction samples, which may be padded. A flag is signaled to indicate whether filtering is applied or not for a block coded with MM-CCLM / MM-CCCM.J. Cross-Component Prediction Merge Mode (non-local CCP)In some embodiments, for chroma coding, the cross-component prediction (CCP) model may be provided by a candidate selected from a merge list. In some embodiments, a flag is signaled to indicate whether CCP mode (including the CCLM, CCCM, GLM and their variants) or non-CCP mode (conventional chroma intra prediction mode, fusion of chroma intra prediction mode) is used. If the CCP mode is selected, one more flag is signaled to indicate how to derive the CCP type and parameters, i.e., either from a CCP merge list or signaled / derived on-the-fly. A CCP merge candidate list is constructed from spatial adjacent, spatial non-adjacent, or history-based candidates. After including these candidates, default models are further included to fill the remaining empty positions in the merge list. In order to remove redundant CCP models in the list, pruning operation is applied. After constructing the list, the CCP models in the list are reordered depending on the SAD costs, which are obtained using the neighboring template of the current block. The different types of candidates are described below:Spatial adjacent and non-adjacent candidates:Adjacent candidates are those associated with blocks or positions that are spatially adjacent to the current block, while non-adjacent candidates are those associated with blocks or positions in the current picture but not adjacent to the current block. The positions and inclusion order of the spatial adjacent and non-adjacent candidates are the same as those defined for regular inter merge prediction candidates.History-based candidates:A history-based table is maintained to include the recently used CCP models, and the table is reset at the beginning of each CTU row. If the current list is not full after including spatial adjacent and non-adjacent candidates, the CCP models in the history-based table are added into the list.Default candidates:CCLM candidates with default scaling parameters are considered, only when the list is not full after including the spatial adjacent, spatial non-adjacent, or history-based candidates. If the current list has no candidates with the single model CCLM mode, the default scaling parameters are {0, 1 / 8, -1 / 8, 2 / 8, -2 / 8, 3 / 8, -3 / 8, 4 / 8, -4 / 8, 5 / 8, -5 / 8, 6 / 8} . Otherwise, the default scaling parameters are {0, the scaling parameter of the first CCLM candidate + {1 / 8, -1 / 8, 2 / 8, -2 / 8, 3 / 8, -3 / 8, 4 / 8, -4 / 8, 5 / 8, -5 / 8, 6 / 8} } . The offset parameter is derived according to the default scaling parameter, average neighboring reconstructed luma sample value, and average neighboring reconstructed Cb / Cr sample value.A flag may be signaled to indicate whether the CCP merge mode is applied or not. If CCP merge mode is applied, an index is signaled to indicate which candidate model is used by the current block. In addition, CCP merge mode is not allowed for the current chroma coding block when the current CU is coded by intra sub-partitions (ISP) with single tree, or the current chroma coding block size is less than or equal to 16.III. Inter PredictionFor each inter-predicted CU, motion parameters including motion vectors, reference picture indices and reference picture list usage index, and additional information are used for inter-predicted sample generation. The motion parameter can be signalled in an explicit or implicit manner. When a CU is coded with skip mode, the CU is associated with one PU and has no significant residual coefficients, no coded motion vector delta or reference picture index. A merge mode is specified whereby the motion parameters for the current CU are obtained from neighbouring CUs, including spatial and temporal candidates, and additional schedules introduced in VVC. The merge mode can be applied to any inter-predicted CU, not only for skip mode. The alternative to merge mode is the explicit transmission of motion parameters, where motion vector, corresponding reference picture index for each reference picture list and reference picture list usage flag and other needed information are signalled explicitly per each CU.■ A number of inter prediction coding tools listed as followed:■ Extended merge prediction■ Merge mode with MVD (MMVD)■ Symmetric MVD (SMVD) signalling■ Affine motion compensated prediction■ Subblock-based temporal motion vector prediction (SbTMVP)■ Adaptive motion vector resolution (AMVR)■ Motion field storage: 1 / 16th luma sample MV storage and 8x8 motion field compression■ Bi-prediction with CU-level weight (BCW)■ Bi-directional optical flow (BDOF)■ Decoder side motion vector refinement (DMVR)■ Geometric partitioning mode (GPM)■ Combined inter and intra prediction (CIIP)A. Extended merge predictionThe merge candidate list may be constructed by including the following five types of candidates in order:■ Spatial MVP from spatial neighbour CUs (Spatial Merge Candidates)■ Temporal MVP from collocated CUs (Temporal Merge Candidates)■ History-based MVP from a FIFO table (HMVP Merge Candidate)■ Pairwise average MVP (Pairwise Merge Candidate)■ Zero MVs.The size of merge list is signalled in sequence parameter set header and the maximum allowed size of merge list is 6. For each CU code in merge mode, an index of best merge candidate is encoded using truncated unary binarization (TU) . The first bin of the merge index is coded with context and bypass coding is used for other bins.B. Temporal Merge CandidatesFor temporal merge candidate, only one candidate is added to the list. Particularly, in the derivation of this temporal merge candidate, a scaled motion vector is derived based on co-located CU belonging to the collocated reference picture. The reference picture list and the reference index to be used for derivation of the co-located CU is explicitly signaled in the slice header. FIG. 11 illustrates motion vector scaling for temporal merge candidate. The scaled motion vector is scaled from the motion vector of the co-located CU using the POC distances, tb and td, where tb is defined to be the POC difference between the reference picture of the current picture and the current picture and td is defined to be the POC difference between the reference picture of the co-located picture and the co-located picture. The reference picture index of temporal merge candidate is set equal to zero.FIG. 12 shows candidate positions for temporal merge candidate. As illustrated, the position for the temporal candidate is selected between candidates C0 and C1. If CU at position C0 is not available, is intra coded, or is outside of the current row of CTUs, position C1 is used. Otherwise, position C0 is used in the derivation of the temporal merge candidate.The history-based MVP (HMVP) merge candidates are added to merge list after the spatial MVP and TMVP. In this method, the motion information of a previously coded block is stored in a table and used as MVP for the current CU. The table with multiple HMVP candidates is maintained during the encoding / decoding process. The table is reset (emptied) when a new CTU row is encountered. Whenever there is a non-subblock inter-coded CU, the associated motion information is added to the last entry of the table as a new HMVP candidate.Pairwise average candidates are generated by averaging predefined pairs of candidates in the existing merge candidate list, using the first two merge candidates. The first merge candidate is defined as p0Cand and the second merge candidate id defined as p1Cand, respectively. The averaged motion vectors are calculated according to the availability of the motion vector of p0Cand and p1Cand separately for each reference list. If both motion vectors are available in one list, these two motion vectors are averaged even when they point to different reference pictures, and its reference picture is set to the one of p0Cand; if only one motion vector is available, use the one directly; if no motion vector is available, keep this list invalid. Also, if the half-pel interpolation filter indices of p0Cand and p1Cand are different, it is set to 0.When the merge list is not full after pair-wise average merge candidates are added, the zero MVPs are inserted in the end until the maximum merge candidate number is encountered.C. Intra Template MatchingIntra template matching prediction (IntraTMP) is a special intra prediction mode that copies the best prediction block from the reconstructed part of the current frame, whose L-shaped template matches the current template. For a predefined search range, the encoder searches for the most similar template to the current template in a reconstructed part of the current frame and uses the corresponding block as a prediction block. The encoder then signals the usage of this mode, and the same prediction operation is performed at the decoder side. The prediction signal is generated by matching the L-shaped, Top-only or Left-Only causal neighbor of the current block with another block in a predefined search area.FIG. 13 illustrates predefined search area for intra template matching. As illustrated, for current block 1310 having a current template area 1320 in a current CTU 1305, search is performed in several predefined search areas to search for a matching reference template area 1330 (thereby finding the corresponding reference block 1335. ) The predefined search areas include R1 (in the current CTU) , R2 (top-left of the current CTU) , R3 (above the current CTU) , and R4 (left of current CTU) . The template matching is based on sum of absolute differences (SAD) as a cost function.IV. Extension of EIPA. Bias term and clipping in EIP codingFor some embodiments, Bias term is a pre-defined value that can be put into the EIP model. In one embodiment, the bias term is a midValue according to bitDepth specified in the standard. For example, the bias term is set as (1<< (bitDepth-1) ) . In some embodiments, the bias term is set based on the neighboring reconstruction samples of the current block. For example, the bias term is the left-above spatial adjacent neighboring reconstruction value. For another example, the bias term is the mean of one of left spatial adjacent neighboring reconstruction values and one of above spatial adjacent neighboring reconstruction values. In some embodiments, the bias term is included in the EIP model based on picture type. For example, when the current slice / picture is non-I slice (e.g., P-slice or B-slice) , the bias term is included in the EIP model.In some embodiments, the corresponding luma samples, neighboring chroma samples, and bias term are used in EIP to generate the current chroma prediction. For example, the prediction of the current chroma “C” is the combination of the corresponding luma samples (denoted as Li) , the neighboring chroma samples (denoted as Ci) , and the bias term (denoted as B) . The prediction of the current chroma “C” is:In some embodiments, the corresponding luma samples, neighboring chroma samples, and the bias term are used in multiple model EIP to generate the current chroma prediction. For example, the current block is classified into multiple groups according to the classification threshold values. The threshold value can be determined by the average / mean / median / gradient of the selected neighboring luma / chroma reconstructions or the corresponding positions luma reconstructions. Or the threshold value can be determined by the average / mean / median / gradient of the selected luma / chroma reconstructions in the reference block (determined using the motion vectors or block vectors of the current block) . Each group can apply a EIP model to predict the current block. Similarly, the chroma prediction of the m-th group (denoted as Cm) is the combination of the corresponding luma samples (denoted as ) , the neighboring chroma samples (denoted as ) , and the bias term (denoted as Bm) . The chroma prediction of the m-th group is:The bias term in the m-th group (Bm) can be determined by the average / mean / median / gradient of the selected neighboring luma / chroma reconstructions classified as the m-th group or the corresponding positions luma reconstructions classified as the m-th group.B. Clipping Range for EIP PredictionThe EIP prediction of the current luma / chroma sample (i.e., C or Cm) can be further clipped to a range (i.e., the final predicted C or Cm shall be in a range) . The range can be defined by a maximum value (denoted as maxVal) and minimal value (denoted as minVal) . That is, if C or Cm is less than minVal, the final C or Cm is set to minVal. If C or Cm is greater than maxVal, the final C or Cm is set to maxVal. For example, the value of maxVal and minVal can be a pre-defined range according to the specified bitDepth, determined by the maximum / minimum of the neighboring luma / chroma reconstructions, or determined by the maximum / minimum of the selected luma / chroma reconstructions in the reference block (determined using the motion vectors or block vectors of the current block) .In some embodiments, the value of maxVal and minVal can be determined from previous coded pictures. For example, after reconstructing the current picture / slice, the maximum and minimum luma / chroma reconstruction values are stored for later reference. For a later picture / slice, the maxVal and minVal can be implicitly or explicitly determined from the stored maxVal and minVal of the collocated picture / slice, the nearest / closest coded picture / slice, or the nearest coded picture / slice with the same temporal identifier (TID) . For another example, the maxVal and minVal can be explicitly indicated to a picture / slice in high-level syntax (e.g., in SPS / PPS / SH / PH) , or low-level syntax (e.g., in CTU / CTB / CU) .In some embodiments, the maxVal and minVal of the current block can be inherited from previous coded blocks / positions. For example, the maxVal and minVal of the current block can be inherited from spatial adjacent and non-adjacent blocks / positions of the current block, table entries storing the information of recently used pair of maxVal and minVal, or temporal blocks / positions at previous coded pictures or slices.C. Weighting of Sample  / Positions in EIPIn training stage of EIPIn the training stage of EIP, multiple reconstruction samples neighboring a position are treated as inputs, and the reconstruction of the position are treated as the training target. The objective function is used to minimize the model error between the inputs and training targets. The model error can be further adjusted according to the vertical or horizontal distance between each target position and the current block position. In some embodiments, the current block position can be one of left-above, left-bottom, above-right, bottom-left, or center positions in the current block. For example, current block position is at the left-above position inside the current block.In some embodiments, the model error of a target position is adjusted to a higher value if the target position is at the above-side of the current block with greater horizontal distance between the target position and the current block position, or if the target position is at the left-side of the current block with greater vertical distance between the target position and the current block position. In another embodiment, the model error of a target position is adjusted to a higher value if the target position is at the above-side of the current block with less vertical distance between the target position and the current block position, or if the target position is at the left-side of the current block with less horizontal distance between the target position and the current block position. For example, assume the target position is (x1, y1) and the current block left-above position is (x2, y2) , if the training target position is at the above-side of the current block (i.e., y1 < y2) , the model error at the training target position is getting higher proportional to |x2 –x1|, or the model error at the training target position is getting lower proportional to |y2 –y1|. Otherwise, if the position is at the left-side of the current block (i.e., x1 < x2) , the model error at the training target position is getting higher proportional to |y2 –y1|, or the model error at the training target position is getting lower proportional to |x2 –x1|.In calculating template cost of EIPWhen calculating the template cost of a EIP model, the EIP model is applied to the template, and calculate the difference value between the EIP prediction and the reconstruction of a given template position. The difference value of each template positions is accumulated as the template cost of a EIP model. The difference value can be further adjusted according to the vertical or horizontal distance between each template position and the current block position. In some embodiments, the current block position can be one of left-above, left-bottom, above-right, bottom-left, or center positions in the current block. For example, current block position is at the left-above position inside the current block.In some embodiments, the difference value of a template position is adjusted to a higher value if the template position is at the above-side of the current block with greater horizontal distance between the template position and the current block position, or if the template position is at the left-side of the current block with greater vertical distance between the template position and the current block position. In some embodiments, the difference value of a template position is adjusted to a higher value if the template position is at the above-side of the current block with less vertical distance between the template position and the current block position, or if the template position is at the left-side of the current block with less horizontal distance between the template position and the current block position. For example, assume the template position is (x1, y1) and the current block left-above position is (x2, y2) , if the template position is at the above-side of the current block (i.e., y1 < y2) , the difference value at the template position is getting higher proportional to |x2 –x1|, or the difference value at the template position is getting lower proportional to |y2 –y1|. Otherwise, if the position is at the left-side of the current block (i.e., x1 < x2) , the difference value at the template position is getting higher proportional to |y2 –y1|, or the difference value at the template position is getting lower proportional to |x2 –x1|.D. EIP in Inter Chroma CodingEIP model can also be used in inter prediction. In some embodiments, when the current block is coded by inter prediction, the EIP model is applied to the luma component prediction of the current block. For example, the current luma block prediction is generated based on EIP model, and the current chroma block prediction is generated by non-EIP coding tools (e.g., inter prediction mode, inter CCCM, or inter CCP merge mode) . For still the same example, the current luma block prediction is generated based on combining the prediction from EIP and another inter prediction (e.g., prediction generated by motion vectors) . In some embodiments, the current block is coded by inter prediction, EIP is applied to the chroma component prediction of the current block. For example, EIP can be applied to at least one of the predictions of chroma components of the current block. For still the same example, the current chroma block prediction is generated based on combining the prediction from EIP and another inter prediction (e.g., prediction generated by motion vectors) , or EIP and another intra prediction (e.g., planar, DC, intra angular modes, CCP modes) . In another embodiment, when combining the prediction from EIP and another prediction, the combination weights can be pre-defined values, determined by the inside position of the current block, or determined from neighboring prediction modes.In some embodiments, whether to allow EIP in inter prediction can depends on the current inter prediction mode. For example, when the current inter prediction mode is merge mode (i.e., the inter prediction parameters for the current block are inferred from a neighboring inter-predicted partition) , EIP is allowed to be used in the prediction of the current block. For another example, in some embodiments, when the current inter prediction mode is merge mode with residual, EIP is allowed to be used in the prediction of the current block. For another example, in some embodiments, when the current inter prediction mode is conventional inter prediction mode (e.g., non inter merge mode, uni-prediction, bi-prediction without weighted prediction) , EIP is allowed to be used in the prediction of the current block.In some embodiments, the current block is partitioned into two or more prediction regions / sub-blocks, each region could be predicted by inter or intra coding tool, and EIP is applied to at least one of prediction regions of the current block. In some embodiments, the current block is partitioned by quad-tree, binary-tree, or ternary-tree split. The split could be symmetric or asymmetric split. In some embodiments, current block is partition into two regions, one of two regions is predicted by inter or intra coding tool, and another one is predicted by EIP.In some embodiments, current block is partition into two regions, two regions are both predicted by EIP, and the EIP models of these two regions can be derived by the current neighboring chroma reconstruction / prediction samples or inherited from previous coded EIP blocks. For example, a list is created to include EIP candidate models derived by the current neighboring chroma reconstruction / prediction samples or inherited from previous coded EIP blocks. After sorting the list by neighboring template cost, the first two candidate models in the list are the candidate index of the two regions. The video coder may implicitly set the candidate index of the first region (e.g., the region has the top-left sample of the current block) to the first candidate and set the candidate index of the second region to the second candidate.For another example, in some embodiments, if two regions are both predicted by EIP, an index may be explicitly signaled to indicate the candidate index of the first region, and the candidate index of the second region is the signaled index + k or the signaled index –k, where k could be 1, 2, 3, 4, or 5. In some embodiments, the candidate index of the first region may be implicitly derived from the stored EIP model at the top-left position of the current block relative to the top-left position in the previous coded slices / pictures. In some embodiments, if two regions are both predicted by EIP, the first candidate in the list is the candidate index of the two regions.In some embodiments, if EIP is allowed to be used in the current non-intra chroma prediction. The EIP model applied to the current chroma prediction can be derived or inherited from the reference block indicated by the motion vectors or block vectors. For example, when the current block is coded by a non-intra prediction mode, a reference block (s) is indicated by a block vector information and / or motion vector information. If the non-intra prediction mode of the current block is inter prediction mode, the motion information of the current block refers to the reference block in the reference picture or any pre-defined collocated picture of the current picture which is different from the current picture. If the non-intra coding mode of the current block is intra block copy (IBC) and / or intra TMP, which searches in a pre-defined region in the coded area of the current picture, and finds a reference block (with the template of the reference block matching well the template of the current block) in the pre-defined region to predict the current block, the block vector information of the current block refers to the reference block in the current picture.Similar to the target filter-based intra prediction mode, a filter (including filter shape, and / or determination of filter parameters using above or left reference samples) of the reference block of the current block may be decided. For example, the block vector information including but not limited to block vectors, flip flag, rotation flag. For another example, motion vector information including but not limited to motion vectors and reference pictures indices. For another example, the motion vectors or block vectors information can be obtained from the current block, the subblock of the current block, the neighboring blocks, or the current block with shifted motion vectors or block vectors.In some embodiments, the EIP model applied to the current block may be derived from the reference block. To determine the EIP model from the reference block, model parameters may be derived from the luma / chroma reconstructions at the above / left neighboring template regions of the reference block. The derivation process can be similar to deriving EIP models by using the luma / chroma neighboring reconstructions and the current predictions of the current block, but with the luma / chroma neighboring reconstructions and the current predictions of the current block replaced by the luma / chroma reconstructions of the template at above / left neighboring regions of the reference block.FIG. 14 illustrates template regions of reference blocks that can be used to derive EIP models for use by a non-intra coded current block. As illustrated, a current block 1410 in a current picture is non-intra coded. It may a block vector that locate a reference block 1420 in the current picture 1400. The luma / chroma reconstructions of the template region 1425 above / left of the reference block 1420 may be used for deriving the EIP model to be used by the current block 1410 for chroma prediction. The current block 1410 may have a motion vector that locate a reference block 1430 in a reference picture 1405. The luma / chroma reconstructions of the template region 1435 above / left of the reference block 1430 may be used for deriving the EIP model to be used by the current block 1410 for chroma prediction.In some embodiments, a “difference prediction” is defined as the difference between (i) (the prediction of the reference block by) applying the derived EIP model of the reference block and (ii) the reconstructions of the reference block. The difference prediction may be considered  / applied after applying EIP model from the reference block. For example, in some embodiments, after using EIP model from the reference block to obtain a prediction of the current block, the prediction of the current block may be further adjusted by the difference prediction, that is, the prediction of the current block is further adjusted by adding or subtracting the difference prediction to get the final prediction of the current block.In some embodiments, after reconstructing the current block with non-EIP mode, the luma / chroma neighboring reconstructions and the predictions of the current block are used to derive a EIP model of the current block for later reference. For example, even if the current block is coded by inter prediction, the EIP model parameters of the current block may be derived by using the neighboring luma and chroma reconstruction and (inter-) prediction samples of the current block. Later, if another block is predicted by inheriting neighbor’s EIP model parameters, the block may inherit the EIP model parameters from the current block.In some embodiments, the stored EIP model can be predefined (e.g., predefined model could be EIP_LT, EIP_L, EIP_T) , signaled in high-level syntax (e.g., in SPS / PPS / SH / PH) , or determined from the prediction mode of neighboring positions.In some embodiments, the prediction generated by EIP model can be further combined with other prediction (s) as the final prediction of the current block. For example, in some embodiments, the prediction generated by EIP model can be further combined with cross-component linear model prediction (e.g., CCLM, MMLM, GLM, CCCM, GL-CCCM, NS-CCCM, inter CCCM, inter CCP merge, or their variants) . For another example, in some embodiments, the current prediction by non-EIP prediction mode can be further combined with the prediction generated by EIP model (e.g., signal a syntax to indicate if further combined with the EIP prediction) . The weighting of the combination can be pre-defined values, determined by the positions inside the current block, or determined from neighboring prediction modes. In some embodiments, whether to apply the approach of combining EIP prediction with other prediction may depend on block size constraint (e.g., block size is less than or equal to a threshold, or the block size is greater than or equal to a threshold. ) The “block size” may refer to the block width, block height, block area, block width plus block height, block size aspect ratio, or their variants.Any of the foregoing proposed methods could be applied independently or jointly. Moreover, any of the foregoing proposed methods can be implemented in encoders and / or decoders. For example, any of the proposed methods can be implemented in inter prediction module of an encoder and / or a decoder. Alternatively, any of the proposed methods can be implemented as a circuit coupled to inter prediction module of the encoder and / or the decoder.V. Example Video EncoderFIG. 15 illustrates an example video encoder 1500 that may implement multiple source sample-based prediction or extrapolation intra-prediction. As illustrated, the video encoder 1500 receives input video signal from a video source 1505 and encodes the signal into bitstream 1595. The video encoder 1500 has several components or modules for encoding the signal from the video source 1505, at least including some components selected from a transform module 1510, a quantization module 1511, an inverse quantization module 1514, an inverse transform module 1515, an intra-picture estimation module 1524, an intra-prediction module 1525, a motion compensation module 1530, a motion estimation module 1535, an in-loop filter 1545, a reconstructed picture buffer 1550, a MV buffer 1565, and a MV prediction module 1575, and an entropy encoder 1590. The motion compensation module 1530 and the motion estimation module 1535 are part of an inter-prediction module 1540. The intra-prediction module 1525 and the intra-prediction estimation module 1524 are part of a current picture prediction module 1520, which uses current picture reconstructed samples as reference samples for prediction of the current block.In some embodiments, the modules 1510 –1590 are modules of software instructions being executed by one or more processing units (e.g., a processor) of a computing device or electronic apparatus. In some embodiments, the modules 1510 –1590 are modules of hardware circuits implemented by one or more integrated circuits (ICs) of an electronic apparatus. Though the modules 1510 –1590 are illustrated as being separate modules, some of the modules can be combined into a single module.The video source 1505 provides a raw video signal that presents pixel data of each video frame without compression. A subtractor 1508 computes the difference between the raw video pixel data of the video source 1505 and the predicted pixel data 1513 from the motion compensation module 1530 or intra-prediction module 1525 as prediction residual 1509. The transform module 1510 converts the difference (or the residual pixel data or residual signal 1508) into transform coefficients (e.g., by performing Discrete Cosine Transform, or DCT) . The quantization module 1511 quantizes the transform coefficients into quantized data (or quantized coefficients) 1512, which is encoded into the bitstream 1595 by the entropy encoder 1590.The inverse quantization module 1514 de-quantizes the quantized data (or quantized coefficients) 1512 to obtain transform coefficients, and the inverse transform module 1515 performs inverse transform on the transform coefficients to produce reconstructed residual 1519. The reconstructed residual 1519 is added with the predicted pixel data 1513 to produce reconstructed pixel data 1517. In some embodiments, the reconstructed pixel data 1517 is temporarily stored in a line buffer 1527 (or intra prediction buffer) for intra-picture prediction and spatial MV prediction. The reconstructed pixels are filtered by the in-loop filter 1545 and stored in the reconstructed picture buffer 1550. In some embodiments, the reconstructed picture buffer 1550 is a storage external to the video encoder 1500. In some embodiments, the reconstructed picture buffer 1550 is a storage internal to the video encoder 1500.The intra-picture estimation module 1524 performs intra-prediction based on the reconstructed pixel data 1517 to produce intra prediction data. The intra-prediction data is provided to the entropy encoder 1590 to be encoded into bitstream 1595. The intra-prediction data is also used by the intra-prediction module 1525 to produce the predicted pixel data 1513.The motion estimation module 1535 performs inter-prediction by producing MVs to reference pixel data of previously decoded frames stored in the reconstructed picture buffer 1550. These MVs are provided to the motion compensation module 1530 to produce predicted pixel data.Instead of encoding the complete actual MVs in the bitstream, the video encoder 1500 uses MV prediction to generate predicted MVs, and the difference between the MVs used for motion compensation and the predicted MVs is encoded as residual motion data and stored in the bitstream 1595.The MV prediction module 1575 generates the predicted MVs based on reference MVs that were generated for encoding previously video frames, i.e., the motion compensation MVs that were used to perform motion compensation. The MV prediction module 1575 retrieves reference MVs from previous video frames from the MV buffer 1565. The video encoder 1500 stores the MVs generated for the current video frame in the MV buffer 1565 as reference MVs for generating predicted MVs.The MV prediction module 1575 uses the reference MVs to create the predicted MVs. The predicted MVs can be computed by spatial MV prediction or temporal MV prediction. The difference between the predicted MVs and the motion compensation MVs (MC MVs) of the current frame (residual motion data) are encoded into the bitstream 1595 by the entropy encoder 1590.The entropy encoder 1590 encodes various parameters and data into the bitstream 1595 by using entropy-coding techniques such as context-adaptive binary arithmetic coding (CABAC) or Huffman encoding. The entropy encoder 1590 encodes various header elements, flags, along with the quantized transform coefficients 1512, and the residual motion data as syntax elements into the bitstream 1595. The bitstream 1595 is in turn stored in a storage device or transmitted to a decoder over a communications medium such as a network.The in-loop filter 1545 performs filtering or smoothing operations on the reconstructed pixel data 1517 to reduce the artifacts of coding, particularly at boundaries of pixel blocks. In some embodiments, the filtering or smoothing operations performed by the in-loop filter 1545 include deblock filter (DBF) , sample adaptive offset (SAO) , and / or adaptive loop filter (ALF) . In some embodiments, luma mapping chroma scaling (LMCS) is performed before the loop filters.FIG. 16 illustrates portions of the video encoder 1500 that implement cross-component MSSBP or EIP with inter-prediction. A cross-component MSSBP model constructor 1605 may retrieve source and target samples for constructing a CC-MSSBP model. In some embodiments, the target samples are chroma samples. The source samples may include luma and / or chroma samples. The luma samples may be downsampled or non-downsampled. The source and target samples may be reconstructed samples (from line buffer 1527 and / or from the reconstructed picture buffer 1550) , and may include luma and / or chroma samples. The source and target samples may also be predicted samples generated by intra-prediction or inter-prediction or IBC. The source and target samples (reconstructed or predicted) may be in template regions that are defined by a selected template region type, e.g., EIP_T, EIP_L, EIP_LT.The retrieved template samples may be used to derive one or more cross-component MSSBP model by regression according to a selected filter kernel shape. Each MSSBP model is a filter that includes a set of coefficients for a set of filter taps. Example filter kernel shapes are described in Section IV above. In some embodiments, the entropy encoder 1590 may specify the type or shape of the filter that is to be derived.In some embodiments, previously derived cross-component MSSBP models are stored in a storage 1610 and may be retrieved and used for the current block. In some embodiments, a cross-component MSSBP model may be provided by a candidate that is selected from a merge list of candidates. The merge list of candidates may include spatial adjacent, spatial non-adjacent, history-based, and / or default candidates. The candidate models may be re-ordered according to their respective neighboring template costs. A selector 1625 may select one of the merge candidates and retrieve the corresponding CC-MSSBP model to be used for the current block. The selection of the merge candidate for CC-MSSBP may be provided to the entropy encoder 1590 to be signaled in the bitstream 1595.A filter 1620 applies the selected CC-MSSBP model to generate a chroma prediction 1630 for each target position in the current block, as described in Section IV above. The filter 1620 may use the target position’s neighboring reconstructed samples (provided by reconstructed picture buffer 1550 or line buffer 1527, ) MSSBP predicted samples (provided by the MSSBP predictor 1625) , or non-intra predicted samples (provided by the inter prediction module 1540 and / or the current picture prediction (IBC) module 1640) as filter input, at source sample positions specified by the selected filter shape. The filter may traverse the current block to generate the chroma samples of the predictor according to a diagonal pattern as described by reference to FIG. 4 above. The predictions for the different target positions of the current block are provided as the MSSBP predictor 1630 and used as the predicted pixel data 1513.In some embodiments, the MSSBP predictor 1630 may be further combined with another predictor at a prediction fusion module 1650 before being used as the predicted pixel data 1513. The other predictor may be inter-prediction, intra-prediction, or current picture (IBC) prediction, etc.FIG. 17 conceptually illustrates a process 1700 that uses cross-component MSSBP or EIP to encode a pixel block with inter-prediction. In some embodiments, one or more processing units (e.g., a processor) of a computing device implementing the encoder 1500 performs the process 1700 by executing instructions stored in a computer readable medium. In some embodiments, an electronic apparatus implementing the encoder 1500 performs the process 1700.The encoder receives (at block 1710) data to be encoded as a current block of pixels in a current picture.The encoder receives (at block 1720) an extrapolation intra-prediction (EIP) model for predicting a set of one or more target samples based on a set of one or more neighboring source samples. The model may be derived based on reconstructed or predicted samples in a neighboring template region of the current block and may be inherited by a subsequent block for encoding the subsequent block. The model may also be derived based on samples in a neighboring template region of a reference block that is located by a motion vector or a block vector. In some embodiments, the “received” model may be “derived” , or “determined” , or “inherited” , or “signaled” to be used by the feature of the present application.The encoder reconstructs (at block 1730) first component (e.g., luma) samples of the current block using non-intra prediction based on samples from a reference block. The reference block may be located by a block vector in the current picture or located by a motion vector in a reference picture.The encoder applies (at block 1740) the model to the reconstructed samples of the current block to generate an EIP predictor comprising predictions of second component (e.g., Cr or Cb) samples of the current block. The predictions of the second component samples are clipped to be within a range of values. The range of values may be determined by the maximum and minimum of the luma or chroma reconstructions neighboring the current block, or by the maximum and minimum of (selected) luma or chroma reconstructions in the reference block.In some embodiments, whether the generated predictor is used for encoding the current block is determined based on an inter-prediction mode specified for the current block, e.g., only when the inter-prediction mode specified for the current block is merge mode.In some embodiments, the current block may be partitioned into at least a first prediction region and a second prediction region, and the model is applied to reconstructed first component samples of the first prediction region to produce prediction of second component samples of the first prediction region. The first component samples of the second prediction region may be reconstructed by inter-prediction or inter-prediction. More generally, the first and prediction regions may be coded by either inter-prediction or intra-prediction. A first EIP model may be applied to the reconstructed first component samples of the first prediction region to produce prediction of second component samples of the first prediction region and a second EIP model is applied to reconstructed first component samples of the second prediction region to produce prediction of second component samples of the second prediction region. The first and second models may be derived from template samples neighboring the current block or inherited from a previous EIP coded block. The first and second models may be selected from a list of candidate EIP models that are derived from reconstructed and predicted samples of template regions of the current block or are inherited from previously coded blocks, and the selection may be implicitly based on neighboring template costs of the candidates in the list.The encoder encodes (at block 1750) the current block by using the generated predictor. In some embodiments, the current block is encoded by using a combined prediction of the generated predictor and another prediction of the current block that may be inter-or intra-prediction.VI. Example Video DecoderIn some embodiments, an encoder may signal (or generate) one or more syntax element in a bitstream, such that a decoder may parse said one or more syntax element from the bitstream.FIG. 18 illustrates an example video decoder 1800 that may implement multiple source sample-based prediction (MSSBP) . As illustrated, the video decoder 1800 is an image-decoding or video-decoding circuit that receives a bitstream 1895 and decodes the content of the bitstream into pixel data of video frames for display. The video decoder 1800 has several components or modules for decoding the bitstream 1895, including some components selected from an inverse quantization module 1814, an inverse transform module 1815, an intra-prediction module 1825, a motion compensation module 1830, an in-loop filter 1845, a decoded picture buffer 1850, a MV buffer 1865, a MV prediction module 1875, and a parser 1890. The motion compensation module 1830 is part of an inter-prediction module 1840. The intra-prediction module 1825 is part of a current picture prediction module 1820, which uses current picture reconstructed samples as reference samples for prediction of the current block.In some embodiments, the modules 1810 –1890 are modules of software instructions being executed by one or more processing units (e.g., a processor) of a computing device. In some embodiments, the modules 1810 –1890 are modules of hardware circuits implemented by one or more ICs of an electronic apparatus. Though the modules 1810 –1890 are illustrated as being separate modules, some of the modules can be combined into a single module.The parser 1890 (or entropy decoder) receives the bitstream 1895 and performs initial parsing according to the syntax defined by a video-coding or image-coding standard. The parsed syntax element includes various header elements, flags, as well as quantized data (or quantized coefficients) 1812. The parser 1890 parses out the various syntax elements by using entropy-coding techniques such as context-adaptive binary arithmetic coding (CABAC) or Huffman encoding.The inverse quantization module 1814 de-quantizes the quantized data (or quantized coefficients) 1812 to obtain transform coefficients 1818, and the inverse transform module 1815 performs inverse transform on the transform coefficients 1816 to produce reconstructed residual signal 1819. The reconstructed residual signal 1819 is added with predicted pixel data 1813 from the intra-prediction module 1825 or the motion compensation module 1830 to produce decoded pixel data 1817. The decoded pixels data are filtered by the in-loop filter 1845 and stored in the decoded picture buffer 1850. In some embodiments, the decoded picture buffer 1850 is a storage external to the video decoder 1800. In some embodiments, the decoded picture buffer 1850 is a storage internal to the video decoder 1800.The intra-prediction module 1825 receives intra-prediction data from bitstream 1895 and according to which, produces the predicted pixel data 1813 from the decoded pixel data 1817 stored in the decoded picture buffer 1850. In some embodiments, the decoded pixel data 1817 is also stored in a line buffer 1827 (or intra prediction buffer) for intra-picture prediction and spatial MV prediction.In some embodiments, the content of the decoded picture buffer 1850 is used for display. A display device 1805 either retrieves the content of the decoded picture buffer 1850 for display directly, or retrieves the content of the decoded picture buffer to a display buffer. In some embodiments, the display device receives pixel values from the decoded picture buffer 1850 through a pixel transport.The motion compensation module 1830 produces predicted pixel data 1813 from the decoded pixel data 1817 stored in the decoded picture buffer 1850 according to motion compensation MVs (MC MVs) . These motion compensation MVs are decoded by adding the residual motion data received from the bitstream 1895 with predicted MVs received from the MV prediction module 1875.The MV prediction module 1875 generates the predicted MVs based on reference MVs that were generated for decoding previous video frames, e.g., the motion compensation MVs that were used to perform motion compensation. The MV prediction module 1875 retrieves the reference MVs of previous video frames from the MV buffer 1865. The video decoder 1800 stores the motion compensation MVs generated for decoding the current video frame in the MV buffer 1865 as reference MVs for producing predicted MVs.The in-loop filter 1845 performs filtering or smoothing operations on the decoded pixel data 1817 to reduce the artifacts of coding, particularly at boundaries of pixel blocks. In some embodiments, the filtering or smoothing operations performed by the in-loop filter 1845 include deblock filter (DBF) , sample adaptive offset (SAO) , and / or adaptive loop filter (ALF) . In some embodiments, luma mapping chroma scaling (LMCS) is performed before the loop filters.FIG. 19 illustrates portions of the video decoder 1800 that implement cross-component MSSBP or EIP with inter-prediction. A cross-component MSSBP model constructor 1905 may retrieve source and target samples for constructing a CC-MSSBP model. In some embodiments, the target samples are chroma samples. The source samples may include luma and / or chroma samples. The luma samples may be downsampled or non-downsampled. The source and target samples may be reconstructed samples (from line buffer 1827 and / or from the decoded picture buffer 1850) , and may include luma and / or chroma samples. The source and target samples may also be predicted samples generated by intra-prediction or inter-prediction or IBC. The source and target samples (reconstructed or predicted) may be in template regions that are defined by a selected template region type, e.g., EIP_T, EIP_L, EIP_LT.The retrieved template samples may be used to derive one or more cross-component MSSBP model by regression according to a selected filter kernel shape. Each MSSBP model is a filter that includes a set of coefficients for a set of filter taps. Example filter kernel shapes are described in Section IV above. In some embodiments, the entropy decoder 1890 may specify the type or shape of the filter that is to be derived based on syntax elements parsed from the bitstream 1895.In some embodiments, previously derived cross-component MSSBP models are stored in a storage 1910 and may be retrieved and used for the current block. In some embodiments, a cross-component MSSBP model may be provided by a candidate that is selected from a merge list of candidates. The merge list of candidates may include spatial adjacent, spatial non-adjacent, history-based, and / or default candidates. The candidate models may be re-ordered according to their respective neighboring template costs. A selector 1925 may select one of the merge candidates and retrieve the corresponding CC-MSSBP model to be used for the current block. The selection of the merge candidate for CC-MSSBP may be provided to the entropy decoder 1890 to be signaled in the bitstream 1895.A filter 1920 applies the selected CC-MSSBP model to generate a chroma prediction 1930 for each target position in the current block, as described in Section IV above. The filter 1920 may use the target position’s neighboring reconstructed samples (provided by the decoded picture buffer 1850 or line buffer 1827, ) MSSBP predicted samples (provided by the MSSBP predictor 1925) , or non-intra predicted samples (provided by the inter prediction module 1840 and / or the current picture prediction (IBC) module 1940) as filter input, at source sample positions specified by the selected filter shape. The filter may traverse the current block to generate the chroma samples of the predictor according to a diagonal pattern as described by reference to FIG. 4 above. The predictions for the different target positions of the current block are provided as the MSSBP predictor 1930 and used as the predicted pixel data 1813.In some embodiments, the MSSBP predictor 1930 may be further combined with another predictor at a prediction fusion module 1950 before being used as the predicted pixel data 1813. The other predictor may be inter-prediction, intra-prediction, or current picture (IBC) prediction, etc.FIG. 20 conceptually illustrates a process 2000 that uses cross-component MSSBP or EIP to decode a pixel block with inter-prediction. In some embodiments, one or more processing units (e.g., a processor) of a computing device implementing the decoder 1800 performs the process 2000 by executing instructions stored in a computer readable medium. In some embodiments, an electronic apparatus implementing the decoder 1800 performs the process 2000.The decoder receives (at block 2010) data to be decoded as a current block of pixels in a current picture.The decoder receives (at block 2020) an extrapolation intra-prediction (EIP) model for predicting a set of one or more target samples based on a set of one or more neighboring source samples. The model may be derived based on reconstructed or predicted samples in a neighboring template region of the current block and may be inherited by a subsequent block for decoding the subsequent block. The model may also be derived based on samples in a neighboring template region of a reference block that is located by a motion vector or a block vector. In some embodiments, the “received” model may be “derived” , or “determined” , or “inherited” , or “signaled” to be used by the feature of the present application.The decoder reconstructs (at block 2030) first component (e.g., luma) samples of the current block using non-intra prediction based on samples from a reference block. The reference block may be located by a block vector in the current picture or located by a motion vector in a reference picture.The decoder applies (at block 2040) the model to the reconstructed samples of the current block to generate an EIP predictor comprising predictions of second component (e.g., Cr or Cb) samples of the current block. The predictions of the second component samples are clipped to be within a range of values. The range of values may be determined by the maximum and minimum of the luma or chroma reconstructions neighboring the current block, or by the maximum and minimum of (selected) luma or chroma reconstructions in the reference block.In some embodiments, whether the generated predictor is used for decoding the current block is determined based on an inter-prediction mode specified for the current block, e.g., only when the inter-prediction mode specified for the current block is merge mode.In some embodiments, the current block may be partitioned into at least a first prediction region and a second prediction region, and the model is applied to reconstructed first component samples of the first prediction region to produce prediction of second component samples of the first prediction region. The first component samples of the second prediction region may be reconstructed by inter-prediction or inter-prediction. More generally, the first and prediction regions may be coded by either inter-prediction or intra-prediction. A first EIP model may be applied to the reconstructed first component samples of the first prediction region to produce prediction of second component samples of the first prediction region and a second EIP model is applied to reconstructed first component samples of the second prediction region to produce prediction of second component samples of the second prediction region. The first and second models may be derived from template samples neighboring the current block or inherited from a previous EIP coded block. The first and second models may be selected from a list of candidate EIP models that are derived from reconstructed and predicted samples of template regions of the current block or are inherited from previously coded blocks, and the selection may be implicitly based on neighboring template costs of the candidates in the list.The decoder reconstructs (at block 2050) the current block by using the generated predictor. In some embodiments, the current block is decoded by using a combined prediction of the generated predictor and another prediction of the current block that may be inter-or intra-prediction. The decoder may then provide the reconstructed current block for display.VII. Example Electronic SystemMany of the above-described features and applications are implemented as software processes that are specified as a set of instructions recorded on a computer readable storage medium (also referred to as computer readable medium) . When these instructions are executed by one or more computational or processing unit (s) (e.g., one or more processors, cores of processors, or other processing units) , they cause the processing unit (s) to perform the actions indicated in the instructions. Examples of computer readable media include, but are not limited to, CD-ROMs, flash drives, random-access memory (RAM) chips, hard drives, erasable programmable read only memories (EPROMs) , electrically erasable programmable read-only memories (EEPROMs) , etc. The computer readable media does not include carrier waves and electronic signals passing wirelessly or over wired connections.In this specification, the term “software” is meant to include firmware residing in read-only memory or applications stored in magnetic storage which can be read into memory for processing by a processor. Also, in some embodiments, multiple software inventions can be implemented as sub-parts of a larger program while remaining distinct software inventions. In some embodiments, multiple software inventions can also be implemented as separate programs. Finally, any combination of separate programs that together implement a software invention described here is within the scope of the present disclosure. In some embodiments, the software programs, when installed to operate on one or more electronic systems, define one or more specific machine implementations that execute and perform the operations of the software programs.FIG. 21 conceptually illustrates an electronic system 2100 with which some embodiments of the present disclosure are implemented. The electronic system 2100 may be a computer (e.g., a desktop computer, personal computer, tablet computer, etc. ) , phone, PDA, or any other sort of electronic device. Such an electronic system includes various types of computer readable media and interfaces for various other types of computer readable media. Electronic system 2100 includes a bus 2105, processing unit (s) 2110, a graphics-processing unit (GPU) 2115, a system memory 2120, a network 2125, a read-only memory 2130, a permanent storage device 2135, input devices 2140, and output devices 2145.The bus 2105 collectively represents all system, peripheral, and chipset buses that communicatively connect the numerous internal devices of the electronic system 2100. For instance, the bus 2105 communicatively connects the processing unit (s) 2110 with the GPU 2115, the read-only memory 2130, the system memory 2120, and the permanent storage device 2135.From these various memory units, the processing unit (s) 2110 retrieves instructions to execute and data to process in order to execute the processes of the present disclosure. The processing unit (s) may be a single processor or a multi-core processor in different embodiments. Some instructions are passed to and executed by the GPU 2115. The GPU 2115 can offload various computations or complement the image processing provided by the processing unit (s) 2110.The read-only-memory (ROM) 2130 stores static data and instructions that are used by the processing unit (s) 2110 and other modules of the electronic system. The permanent storage device 2135, on the other hand, is a read-and-write memory device. This device is a non-volatile memory unit that stores instructions and data even when the electronic system 2100 is off. Some embodiments of the present disclosure use a mass-storage device (such as a magnetic or optical disk and its corresponding disk drive) as the permanent storage device 2135.Other embodiments use a removable storage device (such as a floppy disk, flash memory device, etc., and its corresponding disk drive) as the permanent storage device. Like the permanent storage device 2135, the system memory 2120 is a read-and-write memory device. However, unlike storage device 2135, the system memory 2120 is a volatile read-and-write memory, such a random access memory. The system memory 2120 stores some of the instructions and data that the processor uses at runtime. In some embodiments, processes in accordance with the present disclosure are stored in the system memory 2120, the permanent storage device 2135, and / or the read-only memory 2130. For example, the various memory units include instructions for processing multimedia clips in accordance with some embodiments. From these various memory units, the processing unit (s) 2110 retrieves instructions to execute and data to process in order to execute the processes of some embodiments.The bus 2105 also connects to the input and output devices 2140 and 2145. The input devices 2140 enable the user to communicate information and select commands to the electronic system. The input devices 2140 include alphanumeric keyboards and pointing devices (also called “cursor control devices” ) , cameras (e.g., webcams) , microphones or similar devices for receiving voice commands, etc. The output devices 2145 display images generated by the electronic system or otherwise output data. The output devices 2145 include printers and display devices, such as cathode ray tubes (CRT) or liquid crystal displays (LCD) , as well as speakers or similar audio output devices. Some embodiments include devices such as a touchscreen that function as both input and output devices.Finally, as shown in FIG. 21, bus 2105 also couples electronic system 2100 to a network 2125 through a network adapter (not shown) . In this manner, the computer can be a part of a network of computers (such as a local area network ( “LAN” ) , a wide area network ( “WAN” ) , or an Intranet, or a network of networks, such as the Internet. Any or all components of electronic system 2100 may be used in conjunction with the present disclosure.Some embodiments include electronic components, such as microprocessors, storage and memory that store computer program instructions in a machine-readable or computer-readable medium (alternatively referred to as computer-readable storage media, machine-readable media, or machine-readable storage media) . Some examples of such computer-readable media include RAM, ROM, read-only compact discs (CD-ROM) , recordable compact discs (CD-R) , rewritable compact discs (CD-RW) , read-only digital versatile discs (e.g., DVD-ROM, dual-layer DVD-ROM) , a variety of recordable / rewritable DVDs (e.g., DVD-RAM, DVD-RW, DVD+RW, etc. ) , flash memory (e.g., SD cards, mini-SD cards, micro-SD cards, etc. ) , magnetic and / or solid state hard drives, read-only and recordable discs, ultra-density optical discs, any other optical or magnetic media, and floppy disks. The computer-readable media may store a computer program that is executable by at least one processing unit and includes sets of instructions for performing various operations. Examples of computer programs or computer code include machine code, such as is produced by a compiler, and files including higher-level code that are executed by a computer, an electronic component, or a microprocessor using an interpreter.While the above discussion primarily refers to microprocessor or multi-core processors that execute software, many of the above-described features and applications are performed by one or more integrated circuits, such as application specific integrated circuits (ASICs) or field programmable gate arrays (FPGAs) . In some embodiments, such integrated circuits execute instructions that are stored on the circuit itself. In addition, some embodiments execute software stored in programmable logic devices (PLDs) , ROM, or RAM devices.As used in this specification and any claims of this application, the terms “computer” , “server” , “processor” , and “memory” all refer to electronic or other technological devices. These terms exclude people or groups of people. For the purposes of the specification, the terms display or displaying means displaying on an electronic device. As used in this specification and any claims of this application, the terms “computer readable medium, ” “computer readable media, ” and “machine readable medium” are entirely restricted to tangible, physical objects that store information in a form that is readable by a computer. These terms exclude any wireless signals, wired download signals, and any other ephemeral signals.While the present disclosure has been described with reference to numerous specific details, one of ordinary skill in the art will recognize that the present disclosure can be embodied in other specific forms without departing from the spirit of the present disclosure. In addition, a number of the figures (including FIG. 17 and FIG. 20) conceptually illustrate processes. The specific operations of these processes may not be performed in the exact order shown and described. The specific operations may not be performed in one continuous series of operations, and different specific operations may be performed in different embodiments. Furthermore, the process could be implemented using several sub-processes, or as part of a larger macro process. Thus, one of ordinary skill in the art would understand that the present disclosure is not to be limited by the foregoing illustrative details, but rather is to be defined by the appended claims.Additional NotesThe herein-described subject matter sometimes illustrates different components contained within, or connected with, different other components. It is to be understood that such depicted architectures are merely examples, and that in fact many other architectures can be implemented which achieve the same functionality. In a conceptual sense, any arrangement of components to achieve the same functionality is effectively "associated" such that the desired functionality is achieved. Hence, any two components herein combined to achieve a particular functionality can be seen as "associated with" each other such that the desired functionality is achieved, irrespective of architectures or intermediate components. Likewise, any two components so associated can also be viewed as being "operably connected" , or "operably coupled" , to each other to achieve the desired functionality, and any two components capable of being so associated can also be viewed as being "operably couplable" , to each other to achieve the desired functionality. Specific examples of operably couplable include but are not limited to physically mateable and / or physically interacting components and / or wirelessly interactable and / or wirelessly interacting components and / or logically interacting and / or logically interactable components.Further, with respect to the use of substantially any plural and / or singular terms herein, those having skill in the art can translate from the plural to the singular and / or from the singular to the plural as is appropriate to the context and / or application. The various singular / plural permutations may be expressly set forth herein for sake of clarity.Moreover, it will be understood by those skilled in the art that, in general, terms used herein, and especially in the appended claims, e.g., bodies of the appended claims, are generally intended as “open” terms, e.g., the term “including” should be interpreted as “including but not limited to, ” the term “having” should be interpreted as “having at least, ” the term “includes” should be interpreted as “includes but is not limited to, ” etc. It will be further understood by those within the art that if a specific number of an introduced claim recitation is intended, such an intent will be explicitly recited in the claim, and in the absence of such recitation no such intent is present. For example, as an aid to understanding, the following appended claims may contain usage of the introductory phrases "at least one" and "one or more" to introduce claim recitations. However, the use of such phrases should not be construed to imply that the introduction of a claim recitation by the indefinite articles "a" or "an" limits any particular claim containing such introduced claim recitation to implementations containing only one such recitation, even when the same claim includes the introductory phrases "one or more" or "at least one" and indefinite articles such as "a" or "an, " e.g., “a” and / or “an” should be interpreted to mean “at least one” or “one or more; ” the same holds true for the use of definite articles used to introduce claim recitations. In addition, even if a specific number of an introduced claim recitation is explicitly recited, those skilled in the art will recognize that such recitation should be interpreted to mean at least the recited number, e.g., the bare recitation of "two recitations, " without other modifiers, means at least two recitations, or two or more recitations. Furthermore, in those instances where a convention analogous to “at least one of A, B, and C, etc. ” is used, in general such a construction is intended in the sense one having skill in the art would understand the convention, e.g., “a system having at least one of A, B, and C” would include but not be limited to systems that have A alone, B alone, C alone, A and B together, A and C together, B and C together, and / or A, B, and C together, etc. In those instances where a convention analogous to “at least one of A, B, or C, etc. ” is used, in general such a construction is intended in the sense one having skill in the art would understand the convention, e.g., “a system having at least one of A, B, or C” would include but not be limited to systems that have A alone, B alone, C alone, A and B together, A and C together, B and C together, and / or A, B, and C together, etc. It will be further understood by those within the art that virtually any disjunctive word and / or phrase presenting two or more alternative terms, whether in the description, claims, or drawings, should be understood to contemplate the possibilities of including one of the terms, either of the terms, or both terms. For example, the phrase “A or B” will be understood to include the possibilities of “A” or “B” or “A and B. ”From the foregoing, it will be appreciated that various implementations of the present disclosure have been described herein for purposes of illustration, and that various modifications may be made without departing from the scope and spirit of the present disclosure. Accordingly, the various implementations disclosed herein are not intended to be limiting, with the true scope and spirit being indicated by the following claims.

Claims

1.A video coding method comprising:receiving data to be encoded or decoded as a current block of pixels of a current picture of a video;receiving a model for predicting a set of one or more target samples based on a set of one or more neighboring source samples;reconstructing first component samples of the current block using non-intra prediction based on samples from a reference block;applying the model to the reconstructed samples of the current block to generate a predictor comprising predictions of second component samples of the current block, wherein the predictions of the second component samples are clipped to be within a range of values; andencoding or decoding the current block by using the generated predictor.2.The video coding method of claim 1, wherein the reference block is located by a block vector in the current picture or located by a motion vector in a reference picture.3.The video coding method of claim 1, wherein the current block is encoded or decoded by a combined prediction of the generated predictor and another prediction.4.The video coding method of claim 1, wherein whether the generated predictor is used for encoding or decoding the current block is determined based on an inter-prediction mode specified for the current block.5.The video coding method of claim 4, wherein the generated predictor is used for encoding or decoding the current block when the inter-prediction mode specified for the current block is merge mode.6.The video coding method of claim 1, wherein the model is derived based on reconstructed or predicted samples in a neighboring template region of the current block.7.The video coding method of claim 6, wherein the model is inherited by a subsequent block for encoding or decoding the subsequent block.8.The video coding method of claim 1, wherein the model is derived based on samples in a neighboring template region of a reference block that is located by a motion vector or a block vector.9.The video coding method of claim 1, wherein the current block is partitioned into at least a first prediction region and a second prediction region, and the model is applied to reconstructed first component samples of the first prediction region to produce prediction of second component samples of the first prediction region.10.The video coding method of claim 9, wherein the first prediction region is coded by inter-prediction and the second prediction region is coded by intra-prediction.11.The video coding method of claim 9, wherein a first model is applied to reconstructed first component samples of the first prediction region to produce prediction of second component samples of the first prediction region and a second model is applied to reconstructed first component samples of the second prediction region to produce prediction of second component samples of the second prediction region, wherein the first and second models are for predicting a set of one or more target samples based on a set of one or more neighboring source samples.12.The video coding method of claim 11, wherein the first and second models are selected from a list of candidate models, the list of candidate models comprising models that are derived from reconstructed and predicted samples of template regions of the current block and models that are inherited from previously coded blocks.13.The video coding method of claim 12, wherein the first and second models are implicitly selected from the list of candidate models based on neighboring template costs of the candidates in the list.14.The video coding method of claim 1, wherein the range of values is determined by the maximum and minimum of the luma or chroma reconstructions neighboring the current block.15.The video coding method of claim 1, wherein the range of values is determined by the maximum and minimum of luma or chroma reconstructions in the reference block.16.An electronic apparatus comprising:receiving data to be encoded or decoded as a current block of pixels of a current picture of a video;receiving a model for predicting a set of one or more target samples based on a set of one or more neighboring source samples;reconstructing first component samples of the current block using non-intra prediction based on samples from a reference block;applying the model to the reconstructed samples of the current block to generate a predictor comprising predictions of second component samples of the current block, wherein the predictions of the second component samples are clipped to be within a range of values; andencoding or decoding the current block by using the generated predictor.17.A video decoding method comprising:receiving data to be decoded as a current block of pixels of a current picture of a video;receiving a model for predicting a set of one or more target samples based on a set of one or more neighboring source samples;reconstructing first component samples of the current block using non-intra prediction based on samples from a reference block;applying the model to the reconstructed samples of the current block to generate a predictor comprising predictions of second component samples of the current block, wherein the predictions of the second component samples are clipped to be within a range of values; andreconstructing the current block by using the generated predictor.18.A video encoding method comprising:receiving data to be encoded as a current block of pixels of a current picture of a video;receiving a model for predicting a set of one or more target samples based on a set of one or more neighboring source samples;reconstructing first component samples of the current block using non-intra prediction based on samples from a reference block;applying the model to the reconstructed samples of the current block to generate a predictor comprising predictions of second component samples of the current block, wherein the predictions of the second component samples are clipped to be within a range of values; andencoding the current block by using the generated predictor.

Images