Method, apparatus, and medium for point cloud coding

Abstract

Embodiments of the present disclosure provide a solution for point cloud coding. A method for point cloud coding is proposed. The method comprises: performing a conversion between a current point cloud (PC) sample of a point cloud sequence and a bitstream of the point cloud sequence, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream.

Description

METHOD, APPARATUS, AND MEDIUM FOR POINT CLOUD CODINGFIELDS

[0001] Embodiments of the present disclosure relates generally to point cloud coding techniques, and more particularly, to attribute prediction based on region-adaptive hierarchical transform (RAHT) .BACKGROUND

[0002] A point cloud is a collection of individual data points in a three-dimensional (3D) plane with each point having a set coordinate on the X, Y, and Z axes. Thus, a point cloud may be used to represent the physical content of the three-dimensional space. Point clouds have shown to be a promising way to represent 3D visual data for a wide range of immersive applications, from augmented reality to autonomous cars.

[0003] Point cloud coding standards have evolved primarily through the development of the well-known MPEG organization. MPEG, short for Moving Picture Experts Group, is one of the main standardization groups dealing with multimedia. In 2017, the MPEG 3D Graphics Coding group (3DG) published a call for proposals (CFP) document to start to develop point cloud coding standard. The final standard will consist in two classes of solutions. Video-based Point Cloud Compression (V-PCC or VPCC) is appropriate for point sets with a relatively uniform distribution of points. Geometry-based Point Cloud Compression (G-PCC or GPCC) is appropriate for more sparse distributions. However, coding efficiency and coding flexibility of conventional point cloud coding techniques is generally expected to be further improved.SUMMARY

[0004] Embodiments of the present disclosure provide a solution for point cloud coding.

[0005] In a first aspect, a method for point cloud coding is proposed. The method comprises: performing a conversion between a current point cloud (PC) sample of a point cloud sequence and a bitstream of the point cloud sequence, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream.

[0006] Based on the method in accordance with the first aspect of the present disclosure, whether prediction weights used to determine a RAHT hybrid prediction are indicated in the bitstream is indicated by a first indication the bitstream. Compared with the conventional solution, the proposed method can advantageously enable a flexible determination of the prediction weights, and thus the coding flexibility and the coding efficiency can be improved.

[0007] In a second aspect, an apparatus for point cloud coding is proposed. The apparatus comprises a processor and a non-transitory memory with instructions thereon. The instructions upon execution by the processor, cause the processor to perform a method in accordance with the first aspect of the present disclosure.

[0008] In a third aspect, a non-transitory computer-readable storage medium is proposed. The non-transitory computer-readable storage medium stores instructions that cause a processor to perform a method in accordance with the first aspect of the present disclosure.

[0009] In a fourth aspect, another non-transitory computer-readable recording medium is proposed. The non-transitory computer-readable recording medium stores a bitstream of a point cloud sequence which is generated by a method performed by a point cloud processing apparatus. The method comprises: performing a conversion between a current point cloud (PC) sample of the point cloud sequence and the bitstream, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream.

[0010] In a fifth aspect, a method for storing a bitstream of a point cloud sequence is proposed. The method comprises: performing a conversion between a current point cloud (PC) sample of the point cloud sequence and the bitstream, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream; and storing the bitstream in a non-transitory computer-readable recording medium.

[0011] This Summary is provided to introduce a selection of concepts in a simplified form that are further described below in the Detailed Description. This Summary is not intended to identify key features or essential features of the claimed subject matter, nor is it intended to be used to limit the scope of the claimed subject matter.BRIEF DESCRIPTION OF THE DRAWINGS

[0012] Through the following detailed description with reference to the accompanying drawings, the above and other objectives, features, and advantages of example embodiments of the present disclosure will become more apparent. In the example embodiments of the present disclosure, the same reference numerals usually refer to the same components.

[0013] Fig. 1 illustrates a block diagram of an example point cloud coding system in accordance with some embodiments of the present disclosure;

[0014] Fig. 2 illustrates a block diagram of an example GPCC encoder in accordance with some embodiments of the present disclosure;

[0015] Fig. 3 illustrates a block diagram of an example GPCC decoder in accordance with some embodiments of the present disclosure;

[0016] Fig. 4 illustrates a flowchart of a method for point cloud coding in accordance with embodiments of the present disclosure; and

[0017] Fig. 5 illustrates a block diagram of a computing device in which various embodiments of the present disclosure can be implemented.

[0018] Throughout the drawings, the same or similar reference numerals usually refer to the same or similar elements.DETAILED DESCRIPTION

[0019] Principle of the present disclosure will now be described with reference to some embodiments. It is to be understood that these embodiments are described only for the purpose of illustration and help those skilled in the art to understand and implement the present disclosure, without suggesting any limitation as to the scope of the disclosure. The disclosure described herein can be implemented in various manners other than the ones described below.

[0020] In the following description and claims, unless defined otherwise, all technical and scientific terms used herein have the same meaning as commonly understood by one of ordinary skills in the art to which this disclosure belongs.

[0021] References in the present disclosure to “one embodiment, ” “an embodiment, ” “an example embodiment, ” and the like indicate that the embodiment described may include a particular feature, structure, or characteristic, but it is not necessary that every embodiment includes the particular feature, structure, or characteristic. Moreover, such phrases are not necessarily referring to the same embodiment. Further, when a particular feature, structure, or characteristic is described in connection with an example embodiment, it is submitted that it is within the knowledge of one skilled in the art to affect such feature, structure, or characteristic in connection with other embodiments whether or not explicitly described.

[0022] It shall be understood that although the terms “first” and “second” etc. may be used herein to describe various elements, these elements should not be limited by these terms. These terms are only used to distinguish one element from another. For example, a first element could be termed a second element, and similarly, a second element could be termed a first element, without departing from the scope of example embodiments. As used herein, the term “and / or” includes any and all combinations of one or more of the listed terms.

[0023] The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of example embodiments. As used herein, the singular forms “a” , “an” and “the” are intended to include the plural forms as well, unless the context clearly indicates otherwise. It will be further understood that the terms “comprises” , “comprising” , “has” , “having” , “includes” and / or “including” , when used herein, specify the presence of stated features, elements, and / or components etc., but do not preclude the presence or addition of one or more other features, elements, components and / or combinations thereof. Example Environment

[0024] Fig. 1 is a block diagram that illustrates an example point cloud coding system 100 that may utilize the techniques of the present disclosure. As shown, the point cloud coding system 100 may include a source device 110 and a destination device 120. The source device 110 can be also referred to as a point cloud encoding device, and the destination device 120 can be also referred to as a point cloud decoding device. In operation, the source device 110 can be configured to generate encoded point cloud data and the destination device 120 can be configured to decode the encoded point cloud data generated by the source device 110. The techniques of some example embodiments of this disclosure are generally directed to coding (encoding and / or decoding) point cloud data, i.e., to support point cloud compression. The coding may be effective in compressing and / or decompressing point cloud data.

[0025] Source device 110 and destination device 120 may comprise any of a wide range of devices, including desktop computers, notebook (i.e., laptop) computers, tablet computers, set-top boxes, telephone handsets such as smartphones and mobile phones, televisions, cameras, display devices, digital media players, video gaming consoles, video streaming devices, vehicles (e.g., terrestrial or marine vehicles, spacecraft, aircraft, etc. ) , robots, LIDAR devices, satellites, extended reality devices, or the like. In some cases, source device 110 and destination device 120 may be equipped for wireless communication.

[0026] The source device 110 may include a data source 112, a memory 114, a GPCC encoder 116, and an input / output (I / O) interface 118. The destination device 120 may include an input / output (I / O) interface 128, a GPCC decoder 126, a memory 124, and a data consumer 122. In accordance with some example embodiments of this disclosure, GPCC encoder 116 of source device 110 and GPCC decoder 126 of destination device 120 may be configured to apply the techniques of some example embodiments of this disclosure related to point cloud coding. Thus, source device 110 represents an example of an encoding device, while destination device 120 represents an example of a decoding device. In other examples, source device 110 and destination device 120 may include other components or arrangements. For example, source device 110 may receive data (e.g., point cloud data) from an internal or external source. Likewise, destination device 120 may interface with an external data consumer, rather than include a data consumer in the same device.

[0027] In general, data source 112 represents a source of point cloud data (i.e., raw, unencoded point cloud data) and may provide a sequential series of “frames” of the point cloud data to GPCC encoder 116, which encodes point cloud data for the frames. In some examples, data source 112 generates the point cloud data. Data source 112 of source device 110 may include a point cloud capture device, such as any of a variety of cameras or sensors, e.g., one or more video cameras, an archive containing previously captured point cloud data, a 3D scanner or a light detection and ranging (LIDAR) device, and / or a data feed interface to receive point cloud data from a data content provider. Thus, in some examples, data source 112 may generate the point cloud data based on signals from a LIDAR apparatus. Alternatively or additionally, point cloud data may be computer-generated from scanner, camera, sensor or other data. For example, data source 112 may generate the point cloud data, or produce a combination of live point cloud data, archived point cloud data, and computer-generated point cloud data. In each case, GPCC encoder 116 encodes the captured, pre-captured, or computer-generated point cloud data. GPCC encoder 116 may rearrange frames of the point cloud data from the received order (sometimes referred to as “display order” ) into a coding order for coding. GPCC encoder 116 may generate one or more bitstreams including encoded point cloud data. Source device 110 may then output the encoded point cloud data via I / O interface 118 for reception and / or retrieval by, e.g., I / O interface 128 of destination device 120. The encoded point cloud data may be transmitted directly to destination device 120 via the I / O interface 118 through the network 130A. The encoded point cloud data may also be stored onto a storage medium / server 130B for access by destination device 120.

[0028] Memory 114 of source device 110 and memory 124 of destination device 120 may represent general purpose memories. In some examples, memory 114 and memory 124 may store raw point cloud data, e.g., raw point cloud data from data source 112 and raw, decoded point cloud data from GPCC decoder 126. Additionally or alternatively, memory 114 and memory 124 may store software instructions executable by, e.g., GPCC encoder 116 and GPCC decoder 126, respectively. Although memory 114 and memory 124 are shown separately from GPCC encoder 116 and GPCC decoder 126 in this example, it should be understood that GPCC encoder 116 and GPCC decoder 126 may also include internal memories for functionally similar or equivalent purposes. Furthermore, memory 114 and memory 124 may store encoded point cloud data, e.g., output from GPCC encoder 116 and input to GPCC decoder 126. In some examples, portions of memory 114 and memory 124 may be allocated as one or more buffers, e.g., to store raw, decoded, and / or encoded point cloud data. For instance, memory 114 and memory 124 may store point cloud data.

[0029] I / O interface 118 and I / O interface 128 may represent wireless transmitters / receivers, modems, wired networking components (e.g., Ethernet cards) , wireless communication components that operate according to any of a variety of IEEE 802.11 standards, or other physical components. In examples where I / O interface 118 and I / O interface 128 comprise wireless components, I / O interface 118 and I / O interface 128 may be configured to transfer data, such as encoded point cloud data, according to a cellular communication standard, such as 4G, 4G-LTE (Long-Term Evolution) , LTE Advanced, 5G, or the like. In some examples where I / O interface 118 comprises a wireless transmitter, I / O interface 118 and I / O interface 128 may be configured to transfer data, such as encoded point cloud data, according to other wireless standards, such as an IEEE 802.11 specification. In some examples, source device 110 and / or destination device 120 may include respective system-on-a-chip (SoC) devices. For example, source device 110 may include an SoC device to perform the functionality attributed to GPCC encoder 116 and / or I / O interface 118, and destination device 120 may include an SoC device to perform the functionality attributed to GPCC decoder 126 and / or I / O interface 128.

[0030] The techniques of some example embodiments of this disclosure may be applied to encoding and decoding in support of any of a variety of applications, such as communication between autonomous vehicles, communication between scanners, cameras, sensors and processing devices such as local or remote servers, geographic mapping, or other applications.

[0031] I / O interface 128 of destination device 120 receives an encoded bitstream from source device 110. The encoded bitstream may include signaling information defined by GPCC encoder 116, which is also used by GPCC decoder 126, such as syntax elements having values that represent a point cloud. Data consumer 122 uses the decoded data. For example, data consumer 122 may use the decoded point cloud data to determine the locations of physical objects. In some examples, data consumer 122 may comprise a display to present imagery based on the point cloud data.

[0032] GPCC encoder 116 and GPCC decoder 126 each may be implemented as any of a variety of suitable encoder and / or decoder circuitry, such as one or more microprocessors, digital signal processors (DSPs) , application specific integrated circuits (ASICs) , field programmable gate arrays (FPGAs) , discrete logic, software, hardware, firmware or any combinations thereof. When the techniques are implemented partially in software, a device may store instructions for the software in a suitable, non-transitory computer-readable medium and execute the instructions in hardware using one or more processors to perform the techniques of some example embodiments of this disclosure. Each of GPCC encoder 116 and GPCC decoder 126 may be included in one or more encoders or decoders, either of which may be integrated as part of a combined encoder / decoder (CODEC) in a respective device. A device including GPCC encoder 116 and / or GPCC decoder 126 may comprise one or more integrated circuits, microprocessors, and / or other types of devices.

[0033] GPCC encoder 116 and GPCC decoder 126 may operate according to a coding standard, such as video point cloud compression (VPCC) standard or a geometry point cloud compression (GPCC) standard. This disclosure may generally refer to coding (e.g., encoding and decoding) of frames to include the process of encoding or decoding data. An encoded bitstream generally includes a series of values for syntax elements representative of coding decisions (e.g., coding modes) .

[0034] A point cloud may contain a set of points in a 3D space, and may have attributes associated with the point. The attributes may be color information such as R, G, B or Y, Cb, Cr, or reflectance information, or other attributes. Point clouds may be captured by a variety of cameras or sensors such as LIDAR sensors and 3D scanners and may also be computer-generated. Point cloud data are used in a variety of applications including, but not limited to, construction (modeling) , graphics (3D models for visualizing and animation) , and the automotive industry (LIDAR sensors used to help in navigation) .

[0035] Fig. 2 is a block diagram illustrating an example of a GPCC encoder 200, which may be an example of the GPCC encoder 116 in the system 100 illustrated in Fig. 1, in accordance with some embodiments of the present disclosure. Fig. 3 is a block diagram illustrating an example of a GPCC decoder 300, which may be an example of the GPCC decoder 126 in the system 100 illustrated in Fig. 1, in accordance with some embodiments of the present disclosure.

[0036] In both GPCC encoder 200 and GPCC decoder 300, point cloud positions are coded first. Attribute coding depends on the decoded geometry. In Fig. 2 and Fig. 3, the region adaptive hierarchical transform (RAHT) unit 218, surface approximation analysis unit 212, RAHT unit 314 and surface approximation synthesis unit 310 are options typically used for Category 1 data. The level-of-detail (LOD) generation unit 220, lifting unit 222, LOD generation unit 316 and inverse lifting unit 318 are options typically used for Category 3 data. All the other units are common between Categories 1 and 3.

[0037] For Category 3 data, the compressed geometry is typically represented as an octree from the root all the way down to a leaf level of individual voxels. For Category 1 data, the compressed geometry is typically represented by a pruned octree (i.e., an octree from the root down to a leaf level of blocks larger than voxels) plus a model that approximates the surface within each leaf of the pruned octree. In this way, both Category 1 and 3 data share the octree coding mechanism, while Category 1 data may in addition approximate the voxels within each leaf with a surface model. The surface model used is a triangulation comprising 1-10 triangles per block, resulting in a triangle soup. The Category 1 geometry codec is therefore known as the Trisoup geometry codec, while the Category 3 geometry codec is known as the Octree geometry codec.

[0038] In the example of Fig. 2, GPCC encoder 200 may include a coordinate transform unit 202, a color transform unit 204, a voxelization unit 206, an attribute transfer unit 208, an octree analysis unit 210, a surface approximation analysis unit 212, an arithmetic encoding unit 214, a geometry reconstruction unit 216, an RAHT unit 218, a LOD generation unit 220, a lifting unit 222, a coefficient quantization unit 224, and an arithmetic encoding unit 226.

[0039] As shown in the example of Fig. 2, GPCC encoder 200 may receive a set of positions and a set of attributes. The positions may include coordinates of points in a point cloud. The attributes may include information about points in the point cloud, such as colors associated with points in the point cloud.

[0040] Coordinate transform unit 202 may apply a transform to the coordinates of the points to transform the coordinates from an initial domain to a transform domain. This disclosure may refer to the transformed coordinates as transform coordinates. Color transform unit 204 may apply a transform to convert color information of the attributes to a different domain. For example, color transform unit 204 may convert color information from an RGB color space to a YCbCr color space.

[0041] Furthermore, in the example of Fig. 2, voxelization unit 206 may voxelize the transform coordinates. Voxelization of the transform coordinates may include quantizing and removing some points of the point cloud. In other words, multiple points of the point cloud may be subsumed within a single “voxel, ” which may thereafter be treated in some respects as one point. Furthermore, octree analysis unit 210 may generate an octree based on the voxelized transform coordinates. Additionally, in the example of Fig. 2, surface approximation analysis unit 212 may analyze the points to potentially determine a surface representation of sets of the points. Arithmetic encoding unit 214 may perform arithmetic encoding on syntax elements representing the information of the octree and / or surfaces determined by surface approximation analysis unit 212. GPCC encoder 200 may output these syntax elements in a geometry bitstream.

[0042] Geometry reconstruction unit 216 may reconstruct transform coordinates of points in the point cloud based on the octree, data indicating the surfaces determined by surface approximation analysis unit 212, and / or other information. The number of transform coordinates reconstructed by geometry reconstruction unit 216 may be different from the original number of points of the point cloud because of voxelization and surface approximation. This disclosure may refer to the resulting points as reconstructed points. Attribute transfer unit 208 may transfer attributes of the original points of the point cloud to reconstructed points of the point cloud data.

[0043] Furthermore, RAHT unit 218 may apply RAHT coding to the attributes of the reconstructed points. Alternatively or additionally, LOD generation unit 220 and lifting unit 222 may apply LOD processing and lifting, respectively, to the attributes of the reconstructed points. RAHT unit 218 and lifting unit 222 may generate coefficients based on the attributes. Coefficient quantization unit 224 may quantize the coefficients generated by RAHT unit 218 or lifting unit 222. Arithmetic encoding unit 226 may apply arithmetic coding to syntax elements representing the quantized coefficients. GPCC encoder 200 may output these syntax elements in an attribute bitstream.

[0044] In the example of Fig. 3, GPCC decoder 300 may include a geometry arithmetic decoding unit 302, an attribute arithmetic decoding unit 304, an octree synthesis unit 306, an inverse quantization unit 308, a surface approximation synthesis unit 310, a geometry reconstruction unit 312, a RAHT unit 314, a LOD generation unit 316, an inverse lifting unit 318, a coordinate inverse transform unit 320, and a color inverse transform unit 322.

[0045] GPCC decoder 300 may obtain a geometry bitstream and an attribute bitstream. Geometry arithmetic decoding unit 302 of decoder 300 may apply arithmetic decoding (e.g., CABAC or other type of arithmetic decoding) to syntax elements in the geometry bitstream. Similarly, attribute arithmetic decoding unit 304 may apply arithmetic decoding to syntax elements in attribute bitstream.

[0046] Octree synthesis unit 306 may synthesize an octree based on syntax elements parsed from geometry bitstream. In instances where surface approximation is used in geometry bitstream, surface approximation synthesis unit 310 may determine a surface model based on syntax elements parsed from geometry bitstream and based on the octree.

[0047] Furthermore, geometry reconstruction unit 312 may perform a reconstruction to determine coordinates of points in a point cloud. Coordinate inverse transform unit 320 may apply an inverse transform to the reconstructed coordinates to convert the reconstructed coordinates (positions) of the points in the point cloud from a transform domain back into an initial domain.

[0048] Additionally, in the example of Fig. 3, inverse quantization unit 308 may inverse quantize attribute values. The attribute values may be based on syntax elements obtained from attribute bitstream (e.g., including syntax elements decoded by attribute arithmetic decoding unit 304) .

[0049] Depending on how the attribute values are encoded, RAHT unit 314 may perform RAHT coding to determine, based on the inverse quantized attribute values, color values for points of the point cloud. Alternatively, LOD generation unit 316 and inverse lifting unit 318 may determine color values for points of the point cloud using a level of detail-based technique.

[0050] Furthermore, in the example of Fig. 3, color inverse transform unit 322 may apply an inverse color transform to the color values. The inverse color transform may be an inverse of a color transform applied by color transform unit 204 of encoder 200. For example, color transform unit 204 may transform color information from an RGB color space to a YCbCr color space. Accordingly, color inverse transform unit 322 may transform color information from the YCbCr color space to the RGB color space.

[0051] The various units of Fig. 2 and Fig. 3 are illustrated to assist with understanding the operations performed by encoder 200 and decoder 300. The units may be implemented as fixed-function circuits, programmable circuits, or a combination thereof. Fixed-function circuits refer to circuits that provide particular functionality and are preset on the operations that can be performed. Programmable circuits refer to circuits that can be programmed to perform various tasks and provide flexible functionality in the operations that can be performed. For instance, programmable circuits may execute software or firmware that cause the programmable circuits to operate in the manner defined by instructions of the software or firmware. Fixed-function circuits may execute software instructions (e.g., to receive parameters or output parameters) , but the types of operations that the fixed-function circuits perform are generally immutable. In some examples, one or more of the units may be distinct circuit blocks (fixed-function or programmable) , and in some examples, one or more of the units may be integrated circuits.

[0052] Some example embodiments of the present disclosure will be described in detailed hereinafter. It should be understood that section headings are used in the present document to facilitate ease of understanding and do not limit the embodiments disclosed in a section to only that section. Furthermore, while certain embodiments are described with reference to GPCC or other specific point cloud codecs, the disclosed techniques are applicable to other point cloud coding technologies also. Furthermore, while some embodiments describe point cloud coding steps in detail, it will be understood that corresponding steps decoding that undo the coding will be implemented by a decoder. 1. Brief Summary

[0053] The present disclosure is related to point cloud coding technologies. Specifically, it is related to point cloud attribute prediction in region-adaptive hierarchical transform. The ideas may be applied individually or in various combination, to any point cloud coding standard or non-standard point cloud codec, e.g., the being-developed Geometry based Point Cloud Compression (G-PCC) . 2. Abbreviations G-PCC    Geometry based Point Cloud Compression MPEG     Moving Picture Experts Group 3DG      3D Graphics Coding Group CFP      Call For Proposal V-PCC    Video-based Point Cloud Compression RAHT     Region-Adaptive Hierarchical Transform 3. Introduction

[0054] MPEG, short for Moving Picture Experts Group, is one of the main standardization groups dealing with multimedia. In 2017, the MPEG 3D Graphics Coding group (3DG) published a call for proposals (CFP) document to start to develop point cloud coding standard. The final standard will consist in two classes of solutions. Video-based Point Cloud Compression (V-PCC) is appropriate for point sets with a relatively uniform distribution of points. Geometry-based Point Cloud Compression (G-PCC) is appropriate for more sparse distributions. Both V-PCC and G-PCC support the coding and decoding for single point cloud and point cloud sequence.

[0055] In one point cloud, there may be geometry information and attribute information. Geometry information is used to describe the geometry locations of the data points. Attribute information is used to record some details of the data points, such as textures, normal vectors, reflections and so on. 3.1 Region-Adaptive Hierarchical Transform

[0056] In an existing design, one of important point cloud attribute coding tools is RAHT. It is a transform that uses the attributes associated with a node in a lower level of the octree to predict the attributes of the nodes in the next level. It assumes that the positions of the points are given at both the encoder and decoder. RAHT follows the octree scan backwards, from leaf nodes to root node, at each step recombining nodes into larger ones until reaching the root node. At each level of octree, the nodes are processed in the Morton order. At each decomposition, instead of grouping eight nodes at a time, RAHT does it in three steps along each dimension, (e.g., along z, then y then x) . If there are L levels in octree, RAHT takes 3L levels to traverse the tree backwards.

[0057] Let the nodes at level l be gl, x, y, z, for x, y, z integers. gl, x, y, z was obtained by grouping gl+1, 2x, y, z and gl+1, 2x+1, y, z, where the grouping along the first dimension was an example. RAHT only process occupied nodes. If one of the nodes in the pair is unoccupied, the other one is promoted to the next level, unprocessed, i.e., gl-1, x, y, z=gl, 2x, y, z if the latter is the occupied node of the pair. The grouping process is repeated until getting to the root. Note that the grouping process generates nodes at lower levels that are the result of grouping different numbers of voxels along the way. The number of nodes grouped to generate node gl, x, y, z is the weight ωl, x, y, z of that node.

[0058] At every grouping of two nodes, say gl, 2x, y, z and gl, 2x+1, y, z, with their respective weights, ωl, 2x, y, z and ωl, 2x+1, y, z, RAHT apply the following transform: where ω1=ωl, 2x, y, z and ω2=ωl, 2x+1, y, z and

[0059] Note that the transform matrix changes at all times, adapting to the weights, i.e., adapting to the number of leaf nodes that each gl, x, y, z actually represents. The quantities gl, x, y, z are used to group and compose further nodes at a lower level. hl, x, y, z are the actual high-pass coefficients generated by the transform to be encoded and transmitted. Furthermore, weights accumulate for the level above. In the above example, ωl-1, 2, y, z=ωl, 2x, y, z+ωl, 2x+1, y, z.

[0060] In the last stage, the tree root, the remaining two voxels g1, 0, 0, 0 and g1, 1, 0, 0 are transformed into the final two coefficients as: where gDC=g0, 0, 0, 0. 3.2 Layer coding mode in RAHT

[0061] In an existing design, for each level of RAHT except the root node level, the layer coding mode may be applied to derive the prediction value of each node. There are at most three candidate layer coding modes to be selected, including inter prediction layer coding mode, intra prediction layer coding mode and non-prediction layer coding mode. At encoder, one RDO process is performed for each level except the root node level to select the layer coding mode for each level.

[0062] For one processing unit, if the inter prediction is enabled for this processing unit, inter prediction layer coding mode is included in the layer coding mode candidates list. For one processing unit, if the non-prediction is enabled for this processing unit, non-prediction layer coding mode is included in the layer coding mode candidates list. For one processing unit, if the intra prediction is enabled for this processing unit, intra prediction layer coding mode is included in the layer coding mode list.

[0063] If the inter prediction layer coding mode is applied for one level, for each node within the level: If a node meets the eligibility conditions for inter prediction, the inter prediction value will be used as the predicted value; Else if a node meets the eligibility conditions for intra prediction, the inter prediction value will be used as the predicted value; Else, non prediction will be used.

[0064] If the intra prediction layer coding mode is applied for one level, for each node within the level: If a node meets the eligibility conditions for intra prediction, the inter prediction value will be used as the predicted value; Else, non prediction will be used.

[0065] If the non-prediction layer coding mode is applied for one level, for each node within the level, non prediction will be used. 4. Problems

[0066] The existing designs for point cloud attribute inter prediction in RAHT have the following problems: 1. In current design, the prediction value for one node is either inter prediction or intra prediction. However, this design of determining prediction value may be not optimal. 2. In current design, if the intra prediction layer coding mode is applied for one level, for one node where the intra prediction eligibility condition is not meet but the inter prediction condition is meet, there is no prediction value. 5. Detailed Solutions

[0067] To solve the above problems and some other problems not mentioned, methods as summarized below are disclosed. The solutions should be considered as examples to explain the general concepts and should not be interpreted in a narrow way. Furthermore, these solutions can be applied individually or combined in any manner. The processing unit described below may include but be not limited to slice / tile / frame and so on. 1) It is proposed to use hybrid prediction layer coding mode to derive the prediction value of one RAHT node within one RAHT level. a. In one example, there may be one prediction process for the AC coefficient of one RAHT node. b. In one example, there may be one prediction process for the DC coefficient of one RAHT node. c. In one example, the hybrid prediction value may be derived based on the node's eligibility for different prediction methods. i. In one example, the prediction value may be the weighted average value of inter prediction value and intra prediction value if the RAHT node meets the eligibility conditions for both inter prediction and intra prediction. 1. In one example, the inter prediction value used to derive the weighted average value may be the original inter prediction value without resampling and temporal filtering. 2. Alternatively, the inter prediction value used to derive the weighted average value may be the resampled inter prediction value without temporal filtering. 3. Alternatively, the inter prediction value used to derive the weighted average value may be the resampled inter prediction value with temporal filtering. 4. Alternatively, the inter prediction value used to derive the weighted average value may be with temporal filtering without resampling. 5. In one example, the weights for inter prediction and intra prediction may be fixed. a. In one example, the weight for inter prediction may be set as 0.5 and the weight for intra prediction may be set as 0.5. 6. In one example, the weights for inter prediction and intra prediction may be derived at encoder. 7. In one example, the weights for inter prediction and intra prediction may be derived at decoder. a. In one example, there may be some parameters signaled to decoder to be used to derive the weights. i. In one example, the parameter may be coded with fixed-length coding, unary coding, truncated unary coding, etc. al. ii. In one example, the parameter may be coding in a predictive way. b. In one example, the weights for inter prediction and intra prediction may be derived based on the previous coded nodes’ eligibility for different prediction methods. c. In one example, the weights for inter prediction and intra prediction may be derived based on the neighbor nodes’ eligibilities for different prediction methods. d. In one example, the weights for inter prediction and intra prediction may be derived based on the parent node’s eligibility for different prediction methods. e. In one example, the weights for inter prediction and intra prediction may be derived based on the grandparent node’s eligibility for different prediction methods. f. In one example, the weights for inter prediction and intra prediction may be derived based on the brother nodes’ eligibilities for different prediction methods, where brother nodes are the other children nodes of the parent node. g. In one example, the weights for inter prediction and intra prediction may be derived based on the cousin nodes’ eligibilities for different prediction methods, where cousin nodes are the children nodes of brother nodes of the parent node. h. In one example, the weights for inter prediction and intra prediction may be derived based on the depth of the RAHT level. i. In one example, the above methods or part of the above methods may be combined to derive the weights for inter prediction and intra prediction. ii. In one example, the prediction value may be the inter prediction value if the RAHT node meets the eligibility condition for inter prediction and does not meet the eligibility condition for intra prediction. iii. In one example, the prediction value may be the intra prediction value if the RAHT node meets the eligibility condition for intra prediction and does not meet the eligibility condition for inter prediction. iv. In one example, non-prediction may be applied if the RAHT node does not meet the eligibility conditions for both inter prediction and intra prediction. 2) It is proposed to signal some parameters to indicate or derive the weights to calculate average value in hybrid prediction layer coding mode. i. In one example, for each layer enabling hybrid prediction layer coding mode in each slice / frame / GOF in one sequence, there may be one parameter to indicate whether the weights are derived or fixed as pre-defined values. ii. In one example, for each layer enabling hybrid prediction layer coding mode in all slices in one sequence, there may be one parameter to indicate whether the weights are derived or fixed as pre-defined values. iii. In one example, for each slice / frame / GOF in one sequence, there may be one parameter to indicate whether the weights are derived or fixed as pre-defined values. iv. In one example, for one sequence, there may be one parameter to indicate whether the weights are derived or fixed as pre-defined values. v. In one example, for each layer enabling hybrid prediction layer coding mode in each slice / frame / GOF in one sequence, there may be some parameters to indicate or derive Winter and Wintra when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra)  /  (Winter+Wintra) . vi. In one example, for each layer enabling hybrid prediction layer coding mode in all slices in one sequence, there may be some parameters to indicate or derive Winter and Wintra when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra)  /  (Winter+Wintra) . vii. In one example, for each layer enabling hybrid prediction layer coding mode in each slice / frame / GOF in one sequence, there may be some parameters to indicate or derive Winter when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) . viii. In one example, for each layer enabling hybrid prediction layer coding mode in all slices in one sequence, there may be some parameters to indicate or derive Winter when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) . ix. In one example, for each layer enabling hybrid prediction layer coding mode in each slice / frame / GOF in one sequence, there may be some parameters to indicate or derive Wintra when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) . x. In one example, for each layer enabling hybrid prediction layer coding mode in all slices in one sequence, there may be some parameters to indicate or derive Wintra when the average value may be calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) . xi. In one example, for each layer enabling hybrid prediction layer coding mode in each slice / frame / GOF in one sequence, there may be some parameters to indicate or derive Winter when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B, where (1<<B) = (Winter+Wintra) . xii. In one example, for each layer enabling hybrid prediction layer coding mode in all slices in one sequence, there may be some parameters to indicate or derive Winter when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B, where (1<<B) = (Winter+Wintra) . xiii. In one example, for each layer enabling hybrid prediction layer coding mode in each slice / frame / GOF in one sequence, there may be some parameters to indicate or derive Wintra when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B, where (1<<B) = (Winter+Wintra) . xiv. In one example, for each layer enabling hybrid prediction layer coding mode in all slices in one sequence, there may be some parameters to indicate or derive Wintra when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B, where (1<<B) = (Winter+Wintra) . xv. In one example, for one sequence, there may be one parameter to indicate or derive B when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B, where (1<<B) = (Winter+Wintra) . xvi. In one example, for each slice / frame / GOF in one sequence, there may be one parameter to indicate or derive B when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B, where (1<<B) = (Winter+Wintra) . xvii. In one example, for each layer enabling hybrid prediction layer coding mode in all slices in one sequence, there may be one parameter to indicate or derive B when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B, where (1<<B) = (Winter+Wintra) . xviii. In one example, for each layer enabling hybrid prediction layer coding mode in each slice / frame / GOF in one sequence, there may be one parameter to indicate or derive B when the average value is calculated as: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B, where (1<<B) = (Winter+Wintra) . xix. In one example, in the above description, when signal the parameter to derive A, the conversion of A may be signaled as the parameter, such as A-1. xx. In one example, the parameter may be coded with fixed-length coding, unary coding, truncated unary coding, etc. al. xxi. In one example, the parameter may be coding in a predictive way. 3) It is proposed to enable the hybrid prediction layer coding mode for some specific RAHT levels. a. In one example, the hybrid prediction layer coding mode may be enabled for some specific RAHT levels if the hybrid prediction layer coding mode is enabled for one point cloud sequence. i. In one example, the specific RAHT levels may be fixed. ii. In one example, the specific RAHT levels may be derived at the encoder. iii. In one example, the specific RAHT levels may be derived at the decoder. iv. In one example, there may at least one indicator (s) to indicate or be used to derive the specific levels. 1. In one example, there may be one indicator to indicate or be used to derive the minimum level where the hybrid prediction layer coding mode may be enabled. a. In one example, the indicated value may be the conversion of the minimum level L where the hybrid prediction layer coding mode may be enabled, such L -1. 2. In one example, there may be one indicator to indicate or be used to derive the maximum level where the hybrid prediction layer coding mode may be enabled. a. In one example, the indicated value may be the conversion of the maximum level M where the hybrid prediction layer coding mode may be enabled, such M -1. 3. In one example, there may be one indicator to indicate or be used to derive the level distance between the minimum level and the maximum level where the hybrid prediction layer coding mode may be enabled. a. In one example, the indicated value may be the difference between the minimum level L and the maximum level M where the hybrid prediction layer coding mode may be enabled, such M -L. 4. In one example, there may be one indicator to indicate or be used to derive the number of levels where the hybrid prediction layer coding mode may be enabled. a. In one example, the indicated value may be the conversion of the difference between the minimum level L and the maximum level M where the hybrid prediction layer coding mode may be enabled, such M –L + 1. 5. In one example, there may be one indicator to indicate or be used to derive the minimum level where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the conversion of the minimum level L where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode in the candidate list, such L -1. 6. In one example, there may be one indicator to indicate or be used to derive the maximum level where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the conversion of the maximum level M where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode in the candidate list, such M -1. 7. In one example, there may be one indicator to indicate or be used to derive the level distance between the minimum level and the maximum level where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the difference between the minimum level L and the maximum level M where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode in the candidate list, such M -L. 8. In one example, there may be one indicator to indicate or be used to derive the number of levels where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the conversion of the difference between the minimum level L and the maximum level M where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode in the candidate list, such M –L + 1. 9. In one example, there may be one indicator to indicate or be used to derive the minimum level where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the conversion of the minimum level L where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode in the candidate list, such L -1. 10. In one example, there may be one indicator to indicate or be used to derive the maximum level where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the conversion of the maximum level M where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode in the candidate list, such M -1. 11. In one example, there may be one indicator to indicate or be used to derive the level distance between the minimum level and the maximum level where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the difference between the minimum level L and the maximum level M where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode in the candidate list, such M -L. 12. In one example, there may be one indicator to indicate or be used to derive the number of levels where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the conversion of the difference between the minimum level L and the maximum level M where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode in the candidate list, such M –L + 1. 13. In one example, there may be one indicator to indicate or be used to derive the minimum level where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode and inter prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the conversion of the minimum level L where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode and inter prediction layer coding mode in the candidate list, such L -1. 14. In one example, there may be one indicator to indicate or be used to derive the maximum level where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode and inter prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the conversion of the maximum level M where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode and inter prediction layer coding mode in the candidate list, such M -1. 15. In one example, there may be one indicator to indicate or be used to derive the level distance between the minimum level and the maximum level where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode and inter prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the difference between the minimum level L and the maximum level M where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode and inter prediction layer coding mode in the candidate list, such M -L. 16. In one example, there may be one indicator to indicate or be used to derive the number of levels where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode and inter prediction layer coding mode in the candidate list. a. In one example, the indicated value may be the conversion of the difference between the minimum level L and the maximum level M where the hybrid prediction layer coding mode may be enabled and the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode and inter prediction layer coding mode in the candidate list, such M –L + 1. 17. In one example, the indicator (s) may be signaled to the decoder. 18. In one example, the indicator (s) may be coded with fixed-length coding, unary coding, truncated unary coding, etc. al. 19. In one example, the indicator (s) may be coding in a predictive way. b. In one example, whether to enable hybrid prediction layer coding mode for one point cloud sequence may be fixed. c. In one example, whether to enable hybrid prediction layer coding mode for one point cloud sequence may be derived at encoder. d. In one example, whether to enable hybrid prediction layer coding mode for one point cloud sequence may be derived at decoder. e. In one example, there may at least one indicator to indicate or be used to derive whether to enable hybrid prediction layer coding mode for one point cloud sequence. i. In one example, the indicator may be signaled to the decoder. ii. In one example, the indicator may be coded with fixed-length coding, unary coding, truncated unary coding, etc. al. iii. In one example, the indicator may be coding in a predictive way. f. In on example, the signaling of the above indicators may be conditional. i. In one example, the indicator which indicates or is used to derive whether to enable hybrid prediction layer coding mode for one point cloud sequence, may be signalled to the decoder when the RAHT prediction is enabled for the point cloud sequence. ii. In one example, the indicator which indicates or is used to derive the number of levels where the hybrid prediction layer coding mode may be enabled, may be signalled to the decoder when the hybrid prediction layer coding mode is enabled for one point cloud sequence. iii. In one example, the indicator which indicates or is used to derive the level distance between the minimum level and the maximum level where the hybrid prediction layer coding mode may be enabled, may be signalled to the decoder when the hybrid prediction layer coding mode is enabled for one point cloud sequence. iv. In one example, the indicator which indicates or is used to derive the minimum level where the hybrid prediction layer coding mode may be enabled, may be signalled to the decoder when hybrid prediction layer coding mode is enabled for at least one levels. v. In one example, the indicator which indicates or is used to derive the maximum level where the hybrid prediction layer coding mode may be enabled, may be signalled to the decoder when hybrid prediction layer coding mode is enabled for at least one levels. 4) It is proposed to use hybrid prediction layer coding mode as one candidate layer coding mode when the inter prediction and intra prediction are enabled for one processing unit. a. In one example, there may be one layer coding mode for each RAHT level. b. In one example, there may be one layer coding mode candidate list for each RAHT level. i. In one example, there may be inter prediction layer coding mode in the candidate list when inter prediction is enabled for the current processing unit. ii. In one example, there may be intra prediction layer coding mode in the candidate list when intra prediction is enabled for the current processing unit. iii. In one example, there may be hybrid prediction layer coding mode in the candidate list when both inter prediction and intra prediction are enabled for the current processing unit and hybrid prediction layer coding mode is enabled for the current RAHT level. 1. In one example, the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode when inter prediction and intra prediction are enabled for the current processing unit. a. In one example, the hybrid prediction layer coding mode may use the same layer coding mode index in the candidate list. 2. In one example, the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode in the candidate list when inter prediction and intra prediction are enabled for the current processing unit. 3. In one example, the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode when inter prediction and intra prediction are enabled for the current processing unit. a. In one example, the hybrid prediction layer coding mode may use the same layer coding mode index in the candidate list. 4. In one example, the hybrid prediction layer coding mode may be one candidate layer coding mode except inter prediction layer coding mode in the candidate list when inter prediction and intra prediction are enabled for the current processing unit. 5. In one example, there may be some parameter to indicate or derive the specific layers, where the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode. a. In one example, the parameters may be signalled to the decoder. b. In one example, the parameters may be coded with fixed-length coding, unary coding, truncated unary coding, etc. al. c. In one example, the parameters may be coding in a predictive way. d. In one example, except the specific layers, the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode, if the hybrid prediction layer coding mode is enabled for the layer. e. Alternatively, except the specific layers, the hybrid prediction layer coding mode may be one candidate layer coding mode except intra prediction layer coding mode, if the hybrid prediction layer coding mode is enabled for the layer. 6. In one example, there may be some parameter to indicate or derive the specific layers, where the hybrid prediction layer coding mode may be candidate layer coding mode to replace the inter prediction layer coding mode. a. In one example, the parameters may be signalled to the decoder. b. In one example, the parameters may be coded with fixed-length coding, unary coding, truncated unary coding, etc. al. c. In one example, the parameters may be coding in a predictive way. d. In one example, except the specific layers, the hybrid prediction layer coding mode may be candidate layer coding mode to replace the intra prediction layer coding mode, if the hybrid prediction layer coding mode is enabled for the layer. e. Alternatively, except the specific layers, the hybrid prediction layer coding mode may be one candidate layer coding mode except inter prediction layer coding mode, if the hybrid prediction layer coding mode is enabled for the layer. iv. In one example, there may non prediction layer coding mode in the candidate list. c. In one example, the layer coding mode may be selected form the candidate list at the encoder. i. In one example, the layer coding mode may be decided from one rate-distortion optimization / rate optimization / distortion optimization based method. ii. In one example, the layer coding mode may be decided from one approximate rate-distortion optimization / approximate rate optimization / approximate distortion optimization based method. d. In one example, the layer coding mode decided may be signalled to the decoder if there are multiple candidate layer coding modes in the candidate list. i. In one example, there may be one indicator to indicate the decided layer coding mode. 1. In one example, the indicator may be the layer coding mode index in the candidate list. ii. In one example, the indicator may be coded with fixed-length coding, unary coding, truncated unary coding, etc. al. iii. In one example, the indicator may be coding in a predictive way. 5) Whether to and / or how to apply a method disclosed above may be signaled from encoder to decoder in a bitstream / frame / tile / slice / octree / etc. 6) Whether to and / or how to apply the disclosed methods above may be dependent on coded information, such as dimensions, colour format, colour component, slice / picture type.

[0068] More details of the embodiments of the present disclosure will be described below which are related to prediction for point cloud attribute coding based on the region-adaptive hierarchical transform (RAHT) . The embodiments of the present disclosure should be considered as examples to explain the general concepts and should not be interpreted in a narrow way. Furthermore, these embodiments can be applied individually or combined in any manner.

[0069] As used herein, the term “point cloud sequence” may refer to a sequence of one or more point clouds. The term “point cloud frame” or “frame” may refer to a point cloud in a point cloud sequence. The term “point cloud (PC) sample” may refer to a frame, a sub-region within a frame, a slice, a tile, or any other suitable processing unit containing one or more nodes or points. As used herein, a slice may refer to geometry and attributes for part of, or an entire, coded point cloud frame, and a tile may refer to a set of slices.

[0070] As used herein, the term “geometry” may refer to point positions associated with a set of points, and the term “attribute” may refer to scalar or vector property associated with each point in a point cloud. Examples of an attribute may include, but not limited to, color, reflectance, frame index, or the like. The term “inter prediction” refers to a prediction derived in a manner that is dependent on data elements (e.g., point positions or attributes) of one or more reference point cloud frames. The term “intra prediction” refers to a prediction derived from only data elements (e.g., point positions or attributes) of the same point cloud frame. In one example embodiment, the intra prediction may be a prediction derived from only data elements of the same decoded slice.

[0071] As used herein, the term “tree” may refer to a recursive structure of nodes without loops, and may contain a single root node. A tree structure (such as an octree or the like) may be used to implement spatial partition of a PC sample. The term “root node” may refer to a node without a parent node, and the term “leaf node” may refer to a terminal node without any child nodes. The term “depth” may refer to the number of descendent hops from the root node to a node. The term “tree level” may refer to a set of nodes at the same depth in a tree, and the term “tree level” may also be referred to as a level or a layer.

[0072] Fig. 4 illustrates a flowchart of a method 400 for point cloud coding in accordance with some embodiments of the present disclosure. As shown in Fig. 4, at 402, a conversion between a current point cloud (PC) sample of a point cloud sequence and a bitstream of the point cloud sequence is performed. In some embodiments the conversion may include encoding the current PC sample into the bitstream. Alternatively or additionally, the conversion may include decoding the current PC sample from the bitstream.

[0073] In addition, the bitstream may comprise a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream. For example, the RAHT hybrid prediction may be associated with the current PC sample. In one example embodiment, the RAHT hybrid prediction for a node at a level of an RAHT tree for the current PC sample may be determined based on an intra prediction and an inter prediction of the node and the prediction weights. This will be descried in detail below with reference to Equations (1) - (4) . In addition, the conversion may be performed based on the RAHT hybrid prediction.

[0074] By way of example rather than limitation, a value of the first indication equal to 1 specifies that the prediction weights used to calculate RAHT hybrid prediction are sent to the decoder. A value of the first indication equal to 0 specifies that the prediction weights used to calculate RAHT hybrid prediction are not sent to the decoder.

[0075] In view of the above, whether prediction weights used to determine a RAHT hybrid prediction are indicated in the bitstream is indicated by a first indication the bitstream. Compared with the conventional solution, the proposed method can advantageously enable a flexible determination of the prediction weights, and thus the coding flexibility and the coding efficiency can be improved.

[0076] In some embodiments, the first indication may be coded with fixed-length coding. Alternatively, the first indication may be coded with unary coding, truncated unary coding, or the like. In some embodiments, the first indication may be indicated at slice level. For example, the first indication may be included in an attribute parameter set (APS) . The first indication may be valid for a data unit (s) refers to this APS. By way of example rather than limitation, a data unit may correspond to a slice, and the data unit includes an APS identification (ID) . The first indication included in an APS that is referred to by the APS ID of a data unit is applied to the corresponding data unit.

[0077] In some alternative embodiments, the first indication may be indicated for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence. As used herein, the hybrid prediction level coding mode may also be referred to as a “hybrid prediction layer coding mode” . In some further embodiments, the first indication may be indicated for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence. In some further embodiments, the first indication may be indicated for each level enabling hybrid prediction level coding mode in each group of frames (GOF) of the point cloud sequence. In some further embodiments, the first indication may be indicated for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence. In some further embodiments, the first indication may be indicated for each slice of the point cloud sequence. In some further embodiments, the first indication may be indicated for each frame of the point cloud sequence. In some further embodiments, the first indication may be indicated for each GOF of the point cloud sequence. In some further embodiments, the first indication may be indicated for the point cloud sequence.

[0078] In some embodiments, the RAHT hybrid prediction may be determined as follows: Predaverage= (Predinter*Winter+Predintar*Wintra)  /  (Winter+Wintra)    (1) where Predaverage represents the RAHT hybrid prediction, Predinter represents an inter prediction, Winter represents an inter prediction weight, Predintra represents an intra prediction, and Wintra represents an intra prediction weight.

[0079] In some embodiments, for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight.

[0080] In some embodiments, the RAHT hybrid prediction may be determined as follows: Predaverage= (Predinter*Winter+Predintar*Wintra)     (2) where Predaverage represents the RAHT hybrid prediction, Predinter represents an inter prediction, Winter represents an inter prediction weight, Predintra represents an intra prediction, and Wintra represents an intra prediction weight.

[0081] In some embodiments, for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there may be at least one parameter to indicate or derive the intra prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there may be at least one parameter to indicate or derive the intra prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there may be at least one parameter to indicate or derive the intra prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there may be at least one parameter to indicate or derive the intra prediction weight.

[0082] In some embodiments, if an inter prediction weight is indicated in the bitstream, an intra prediction weight is determined based on the inter prediction weight. If an intra prediction weight is indicated in the bitstream, an inter prediction weight is determined based on the intra prediction weight.

[0083] In some embodiments, the RAHT hybrid prediction may be determined as follows: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B    (3) (1<<B) = (Winter+Wintra)        (4) where Predaverage represents the RAHT hybrid prediction, Predinter represents an inter prediction, Winter represents an inter prediction weight, Predintra represents an intra prediction, and Wintra represents an intra prediction weight. For example, the parameter B may specify the number of bits used to indicate the prediction weights used to calculate RAHT hybrid prediction.

[0084] In some embodiments, the bitstream may further comprise a second indication indicating an inter prediction weight (e.g., Winter in the above equations (1) - (4) ) used to determine the RAHT hybrid prediction. For example, the inter prediction weight may be equal to a value of the second indication plus 1. In some embodiments, the second indication may be indicated at slice level. For example, the second indication may be included in an APS. The second indication may be valid for a data unit (s) refers to this APS. By way of example rather than limitation, a data unit may correspond to a slice, and the data unit includes an APS ID. The second indication included in an APS that is referred to by the APS ID of a data unit is applied to the corresponding data unit.

[0085] In addition, the second indication may be coded with Exponential-Golomb (EG) coding, such as, with variable-length coding. Alternatively, the second indication may be coded with fixed-length coding, unary coding, truncated unary coding, or the like.

[0086] In some embodiments, the bitstream may further comprise a third indication indicating the number of bits used to indicate prediction weights used to determine the RAHT hybrid prediction. For example, the number of bits may correspond to the parameter B in the above equations (3) and (4) . By way of example rather than limitation, the number of bits may be equal to a value of the third indication plus 1. In some embodiments, the third indication may be indicated at slice level. For example, the third indication may be included in an APS. The third indication may be valid for a data unit (s) refers to this APS. By way of example rather than limitation, a data unit may correspond to a slice, and the data unit includes an APS ID. The third indication included in an APS that is referred to by the APS ID of a data unit is applied to the corresponding data unit.

[0087] In addition, the third indication may be coded with Exponential-Golomb (EG) coding, such as, with variable-length coding. Alternatively, the third indication may be coded with fixed-length coding, unary coding, truncated unary coding, or the like.

[0088] In some embodiments, if an inter prediction weight is indicated in the bitstream, the intra prediction weight is determined based on the inter prediction weight and the number of bits, e.g. based on the equation (4) . If an intra prediction weight is indicated in the bitstream, an inter prediction weight is determined based on the intra prediction weight and the number of bits, e.g. based on the equation (4) .

[0089] In some embodiments, for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there may be at least one parameter to indicate or derive the inter prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there may be at least one parameter to indicate or derive the intra prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there may be at least one parameter to indicate or derive the intra prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there may be at least one parameter to indicate or derive the intra prediction weight. In some further embodiments, for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there may be at least one parameter to indicate or derive the intra prediction weight.

[0090] In some embodiments, for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there may be at least one parameter to indicate or derive the B in the above equations (3) and (4) . In some further embodiments, for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there may be at least one parameter to indicate or derive the B. In some further embodiments, for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there may be at least one parameter to indicate or derive the B. In some further embodiments, for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there may be at least one parameter to indicate or derive the B. In some further embodiments, for the point cloud sequence, there may be at least one parameter to indicate or derive the B. In some further embodiments, for each slice of the point cloud sequence, there may be at least one parameter to indicate or derive the B. In some further embodiments, for each frame of the point cloud sequence, there may be at least one parameter to indicate or derive the B. In some further embodiments, for each GOF of the point cloud sequence, there may be at least one parameter to indicate or derive the B.

[0091] In some embodiments, a value the at least one parameter may be equal to a converted value of corresponding information. For example, if the value to be signaled is equal to A, a value of the parameter signaled in the bitstream may be equal to A-1. It should be understood that the above examples are described merely for purpose of description. The scope of the present disclosure is not limited in this respect.

[0092] In some embodiments, the at least one parameter may be coded with fixed length coding, unary coding, truncated unary coding, or the like. Additionally or alternatively, the at least one parameter may be coded in a predictive manner.

[0093] In some embodiments, the bitstream may further comprise a fourth indication indicating the number of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample. By way of example rather than limitation, a value of the fourth indication may be equal to 1 plus a difference between a smallest depth and a largest depth of levels of the transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes.

[0094] In some embodiments, the bitstream may further comprise a fifth indication indicating a smallest depth of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample. By way of example rather than limitation, the smallest depth may be equal to a value of the fifth indication plus 1.

[0095] In some embodiments, the bitstream may further comprise a sixth indication indicating a largest depth of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample. By way of example rather than limitation, the largest depth may be equal to a value of the sixth indication plus 1.

[0096] In some embodiments, the bitstream may further comprise a seventh indication indicating a distance between a smallest depth and a largest depth of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample. By way of example rather than limitation, a value of the seventh indication may be equal to a difference between the smallest depth and the largest depth.

[0097] In some embodiments, a hybrid prediction level coding mode may be a candidate level coding mode used to replace an intra prediction level coding mode in a candidate list for the current PC sample. Alternatively, the hybrid prediction level coding mode may be a candidate level coding mode used to replace an inter prediction level coding mode in a candidate list for the current PC sample. In some further embodiments, the hybrid prediction level coding mode may be a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with an intra prediction level coding mode and an inter prediction level coding mode.

[0098] In some embodiments, if an inter prediction and an intra prediction is enabled for the current PC sample, a hybrid prediction level coding mode may be a candidate level coding mode used to replace an inter prediction level coding mode. For example, if the hybrid prediction level coding mode is added into a candidate list for the current PC sample, the hybrid prediction level coding mode uses a level coding mode index same as the inter prediction level coding mode.

[0099] In some embodiments, if an inter prediction and an intra prediction are enabled for the current PC sample, a hybrid prediction level coding mode may be a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with an inter prediction level coding mode.

[0100] In some embodiments, the bitstream may comprise a first set of indications indicating a first set of levels where a hybrid prediction level coding mode is a candidate level coding mode used to replace an intra prediction level coding mode. For example, the first set of indications may be signaled to a decoder. By way of example, the first set of indications may be coded with fixed length coding, unary coding, truncated unary coding, or the like. In addition, or alternatively, the first set of indications may be coded in a predictive manner. In one example embodiment, for a first level different from the first set of levels, if the hybrid prediction level coding mode is enabled for the first level, the hybrid prediction level coding mode may be a candidate level coding mode used to replace an inter prediction level coding mode. In a further example embodiment, for a first level different from the first set of levels, if the hybrid prediction level coding mode is enabled for the first level, the hybrid prediction level coding mode may be a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with the intra prediction level coding mode.

[0101] In some additional or alternative embodiments, the bitstream may comprise a second set of indications indicating a second set of levels where a hybrid prediction level coding mode is a candidate level coding mode used to replace an inter prediction level coding mode. For example, the second set of indications may be signaled to a decoder. By way of example rather than limitation, the second set of indications may be coded with fixed length coding, unary coding, truncated unary coding, or the like. In addition, or alternatively, the second set of indications may be coded in a predictive manner. In one example embodiment, for a second level different from the second set of levels, if the hybrid prediction level coding mode is enabled for the second level, the hybrid prediction level coding mode may be a candidate level coding mode used to replace an intra prediction level coding mode. In a further example embodiment, for a second level different from the second set of levels, if the hybrid prediction level coding mode is enabled for the second level, the hybrid prediction level coding mode may be a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with the inter prediction level coding mode.

[0102] In some embodiments, the RAHT hybrid prediction for a current node in the current PC sample may be determined based on a weighted average of a first prediction block and a second prediction block of the current node. The first prediction block may be determined based on an intra prediction of the current node, and the second prediction block may be determined by applying a temporal filtering process on an inter prediction of the current node without applying a resampling and weighting process.

[0103] In addition, the bitstream may comprise an eighth indication indicating whether or not region adaptive hierarchical transform (RAHT) hybrid prediction is enabled to be used to code attributes of the current PC sample. For example, in the RAHT hybrid prediction, a prediction block for a node at a level of an RAHT tree for a PC sample is determined based on an intra prediction block and an inter prediction block of the node. For example, a prediction for an alternating current (AC) coefficient of the node may be determined through a prediction process. In addition, or alternatively, a prediction for a direct current (DC) coefficient of the node may be determined through a prediction process. By way of example rather than limitation, the eighth indication may be implemented with a syntax element, a flag, or the like. In some embodiments, the eighth indication may be coded with fixed-length coding. Alternatively, the eighth indication may be coded with unary coding, truncated unary coding, or the like. In some further embodiment, the eighth indication may be coded in a predictive manner.

[0104] As used herein, an attribute prediction scheme is configured for determining a prediction associated with attribute information of a node. In one example embodiment, the prediction associated with the attribute information may comprise a prediction of the attribute information. In this case, at an encoder side, the prediction of the attribute information of the node may be determined based on attribute information of at least one reference node, a residual of the attribute information may be derived based on the attribute information and the prediction of the attribute information, and an RAHT may be performed on the residual of the attribute information.

[0105] In an alternative example embodiment, the prediction associated with the attribute information may comprise a prediction of a first coefficient for the attribute information, and the first coefficient is a result of performing an RAHT on the attribute information. By way of example, the first coefficient may be an alternating current (AC) coefficient or a direct current (DC) coefficient. In this case, the prediction of the first coefficient for the attribute information of the node may be determined based on a first coefficient for attribute information of a reference node, and a residual is derived based on the first coefficient for the attribute information of the node and the prediction.

[0106] In view of the above, the bitstream comprises an eighth indication indicating whether or not RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample. Compared with the conventional solution where either inter prediction or intra prediction is used for attribute coding, the proposed method can advantageously support the application of RAHT hybrid prediction, and thus the coding quality can be improved.

[0107] In some embodiments, whether the RAHT hybrid prediction is applied for a current node in the current PC sample may be determined based on both of the following: whether the current node is eligible for intra prediction, and whether the current node is eligible for inter prediction. In some alternative embodiments, whether the RAHT hybrid prediction is applied for a current node in the current PC sample may be determined based on one of the following: whether the current node is eligible for intra prediction, and whether the current node is eligible for inter prediction. For example, if the current node is eligible for intra prediction, a prediction block may be determined for the current node based on intra prediction, and such a prediction block may also be referred to as an intra prediction block. Similarly, if the current node is eligible for intra prediction, a prediction block may be determined for the current node based on inter prediction, and such a prediction block may also be referred to as an inter prediction block. It should be noted that whether the intra prediction block or the inter prediction block or a combination thereof is used as a target prediction block for the current node may be further determined based on a determining process.

[0108] In some embodiments, if the current node is not eligible for the intra prediction or the current node is not eligible for the inter prediction, the RAHT hybrid prediction may be not applied for the current node. Additionally or alternatively, if the current node is eligible for the intra prediction and the current node is eligible for the inter prediction, the RAHT hybrid prediction may be allowed to be applied for the current node.

[0109] In some embodiments, if the RAHT hybrid prediction is applied for the current node, a target prediction block for the current node may be determined based on a weighted average of a first prediction block and a second prediction block of the current node. In this case, the first prediction block may be determined based on an intra prediction block of the current node. For example, the first prediction block may be determined by applying a weighting process on the intra prediction block. Alternatively, the intra prediction block may be set to be the first prediction block.

[0110] In addition, the second prediction block may be determined based on an inter prediction block of the current node. In one example embodiment, the second prediction block may be determined by applying a resampling and weighting process on the inter prediction block. In another example embodiment, the inter prediction block may be set to be the second prediction block. In a further example embodiment, the second prediction block may be determined by applying a resampling and weighting process and a temporal filtering process on the inter prediction block.

[0111] In some embodiments, weight values for determining the weighted average may be allowed to be indicated in the bitstream. If the weight values are not indicated in the bitstream, the weight values may be set to predetermined values, such as 0.5, 1 or the like. Additionally or alternatively, the weight values may be determined at an encoder.

[0112] In some embodiments, the bitstream may further comprise an indication indicating whether or not the weight values for determining the weighted average are indicated in the bitstream. If the weight values for determining the weighted average are indicated in the bitstream, at least one parameter for determining the weight values may be indicated in the bitstream. By way of example rather than limitation, the at least one parameter may comprise a parameter (s) indicating the number of bits used to indicate the prediction weights used to calculate RAHT hybrid prediction, and a parameter (s) indicating the inter prediction weights used to calculate RAHT hybrid prediction.

[0113] In some embodiments, the at least one parameter may be coded with exponential Golomb coding. Alternatively, the at least one parameter may be coded with fixed-length coding, unary coding, truncated unary coding, or the like. In some further embodiments, the at least one parameter may be coded in a predictive manner.

[0114] In some further embodiments, the weight values may be determined based on at least one of the following: an eligibility of a node coded before the current node for different prediction schemes, an eligibility of a neighboring node of the current node for different prediction schemes, an eligibility of a parent node of the current node for different prediction schemes, an eligibility of a grandparent node of the current node for different prediction schemes, an eligibility of a brother node of the current node for different prediction schemes, an eligibility of a cousin node of the current node for different prediction schemes, or a depth of the current node in an RAHT tree for the current PC sample. As used herein, the brother node of the current node may refer to a further child node of a parent node of the current node, and the cousin node of the current node may refer to a child node of a brother node of a parent node of the current node.

[0115] In some embodiments, if the current node is not eligible for the intra prediction and the current node is eligible for the inter prediction, a target prediction block for the current node may be determined based on an inter prediction block of the current node. If the current node is eligible for the intra prediction and the current node is not eligible for the inter prediction, a target prediction block for the current node may be determined based on an intra prediction block of the current node. If the current node is not eligible for the intra prediction and the current node is not eligible for the inter prediction, non-prediction may be applied for the current node. In other words, no prediction is performed for the current node.

[0116] In some embodiments, the RAHT hybrid prediction may be allowed to be enabled for a set of levels of an RAHT tree for the current PC sample. As used herein, an RAHT tree may refer to a tree structure for current PC sample that is used to apply the RAHT on the current PC sample, and thus the RAHT tree may also be referred to as a transform tree.

[0117] In some embodiments, if the RAHT hybrid prediction is enabled to be used to code the attributes, the RAHT hybrid prediction may be enabled for a set of levels of an RAHT tree for the current PC sample. In one example embodiment, the set of levels may be predetermined. In another example embodiment, the set of levels may be determined at an encoder. In a further example embodiment, the set of levels may be determined at a decoder.

[0118] In a still further example embodiment, if the RAHT hybrid prediction is enabled to be used to code the attributes, the bitstream may further comprise at least one indication for determining the set of levels. By way of example rather than limitation, the at least one indication may comprise an indication indicating the number of levels of the transform tree for which RAHT hybrid prediction may be used to code the attributes, and an indication indicating the minimum level depth of the transform tree for which RAHT hybrid prediction may be used to code the attributes. For example, the at least one indication may be coded with exponential Golomb coding. Alternatively, the at least one indication may be coded with one of: fixed-length coding, unary coding, or truncated unary coding. In a further example, the at least one indication may be coded in a predictive manner.

[0119] In some embodiments, whether or not RAHT hybrid prediction is enabled to be used to code attributes of a further PC sample of the point cloud sequence may be predetermined. In some further embodiments, whether or not RAHT hybrid prediction is enabled to be used to code attributes of a further PC sample of the point cloud sequence may be determined at an encoder. In a still further embodiment, whether or not RAHT hybrid prediction is enabled to be used to code attributes of a further PC sample of the point cloud sequence may be determined at a decoder.

[0120] In some embodiments, if both inter prediction and intra prediction are enabled for a current level in an RAHT tree for the current PC sample, RAHT hybrid prediction may be allowed to be used as a candidate level coding mode for the current level. For example, there may be one level coding mode for each level in the RAHT tree.

[0121] In some embodiments, a level coding mode candidate list may be constructed for the current level. By way of example, if inter prediction is enabled for the current level, the level coding mode candidate list may comprise the inter prediction. If intra prediction is enabled for the current level, the level coding mode candidate list may comprise the intra prediction. If both inter prediction and intra prediction are enabled for the current level and the RAHT hybrid prediction is enabled for the current level, the level coding mode candidate list may comprise the RAHT hybrid prediction. In this case, in one example embodiment, the RAHT hybrid prediction may be added into the level coding mode candidate list by replacing the intra prediction. For example, in the level coding mode candidate list, the RAHT hybrid prediction may have a level coding mode index same as the intra prediction. In other words, the RAHT hybrid prediction may inherit the level coding mode index of the intra prediction. Alternatively, the RAHT hybrid prediction may be added into the level coding mode candidate list as an additional candidate level coding mode. In addition, the level coding mode candidate list may comprise non-prediction.

[0122] In some embodiments, a level coding mode used for the current level may be selected from the level coding mode candidate list. By way of example, the level coding mode may be selected based on a rate-distortion optimization based scheme, a rate optimization based scheme, a distortion optimization based scheme, an approximate rate-distortion optimization based scheme, an approximate rate optimization based scheme, an approximate distortion optimization based scheme, or the like.

[0123] In some embodiments, if the level coding mode candidate list comprises more than one candidate level coding mode, the selected level coding mode may be indicated in the bitstream. In this case, the bitstream may further comprise a ninth indication indicating the candidate level coding mode. By way of example rather than limitation, the ninth indication may be a level coding mode index in the level coding mode candidate list. In one example embodiment, the ninth indication may be coded with one of: fixed-length coding, unary coding, or truncated unary coding. Alternatively, the ninth indication may be coded in a predictive manner. By way of example rather than limitation, each of the above-mentioned first to ninth indications may be implemented with a syntax element, a flag, or the like.

[0124] In addition, the bitstream may be allowed to comprise a first syntax element indicating whether or not region adaptive hierarchical transform (RAHT) hybrid prediction is enabled to be used to code attributes of the current PC sample. For example, in the RAHT hybrid prediction, a prediction block for a node at a level of an RAHT tree for a PC sample is determined based on an intra prediction block and an inter prediction block of the node. For example, the prediction block may be determined based on a weighted sum of the intra prediction block and the inter prediction block. By way of example rather than limitation, a weight for the intra prediction block may be fixed to be 0.5, and a weight for the inter prediction block may be fixed to be 0.5. Alternatively, the weights for the intra and inter prediction blocks can signaled in the bitstream.

[0125] Furthermore, if an inter prediction is enabled to be used to code the attributes of the current PC sample and an attribute coding scheme for the current PC sample is RAHT, the first syntax element is comprised in the bitstream. In some embodiments, the first syntax element may be coded with fixed-length coding. Alternatively, the first syntax element may be coded with unary coding, truncated unary coding, or the like. Moreover, if the inter prediction is disabled to be used to code the attributes of the current PC sample or the attribute coding scheme for the current PC sample is not the RAHT, the first syntax element is absent from the bitstream.

[0126] In view of the above, the first syntax element indicating whether or not RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample is signaled conditionally. Compared with the conventional solution, the proposed method can advantageously ensure that the first syntax element is signaled only when necessary, and thus the coding efficiency can be improved.

[0127] As used herein, an attribute prediction scheme is configured for determining a prediction associated with attribute information of a node. In one example embodiment, the prediction associated with the attribute information may comprise a prediction of the attribute information. In this case, at an encoder side, the prediction of the attribute information of the node may be determined based on attribute information of at least one reference node, a residual of the attribute information may be derived based on the attribute information and the prediction of the attribute information, and an RAHT may be performed on the residual of the attribute information.

[0128] In an alternative example embodiment, the prediction associated with the attribute information may comprise a prediction of a first coefficient for the attribute information, and the first coefficient is a result of performing an RAHT on the attribute information. By way of example, the first coefficient may be an alternating current (AC) coefficient or a direct current (DC) coefficient. In this case, the prediction of the first coefficient for the attribute information of the node may be determined based on a first coefficient for attribute information of a reference node, and a residual is derived based on the first coefficient for the attribute information of the node and the prediction.

[0129] In some embodiments, the bitstream may be allowed to comprise a second syntax element indicating the number of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes. For example, a value of the second syntax element may be equal to 1 plus a difference between a minimum level depth and a maximum level depth of a transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes.

[0130] In one example embodiment, if the first syntax element indicates that the RAHT hybrid prediction is enabled to be used to code the attributes of the current PC sample, the second syntax element may be comprised in the bitstream. Additionally or alternatively, if the first syntax element indicates that the RAHT hybrid prediction is not enabled to be used to code the attributes of the current PC sample, the second syntax element may be absent from the bitstream.

[0131] In some embodiments, the bitstream may be allowed to comprise a third syntax element indicating a minimum level depth of a transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes. For example, the minimum level depth may be equal to a sum of a first predetermined value and a value of the third syntax element. By way of example rather than limitation, the first predetermined value may be 1 or the like. It should be understood that the specific values recited herein are intended to be examples rather than limiting the scope of the present disclosure.

[0132] In one example embodiment, if the number of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes is larger than 0, the third syntax element may be comprised in the bitstream. In addition or alternatively, if the number of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes is not larger than 0, the third syntax element may be absent from the bitstream.

[0133] In some embodiments, the bitstream may be allowed to comprise a fourth syntax element indicating the maximum level depth of a transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes. For example, the maximum level depth may be equal to a sum of a second predetermined value and a value of the fourth syntax element. By way of example rather than limitation, the second predetermined value may be 1 or the like.

[0134] In one example embodiment, if the number of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes is larger than 0, the fourth syntax element may be comprised in the bitstream. In addition or alternatively, if the number of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes is not larger than 0, the fourth syntax element may be absent from the bitstream.

[0135] In some embodiments, the bitstream may be allowed to comprise a fifth syntax element indicating a level distance between a minimum level depth and a maximum level depth of a transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes. For example, a value of the fifth syntax element may be equal to a difference between the minimum level depth and the maximum level depth.

[0136] In one example embodiment, if the first syntax element indicates that the RAHT hybrid prediction is enabled to be used to code the attributes of the current PC sample, the fifth syntax element may be comprised in the bitstream. Additionally or alternatively, if the first syntax element indicates that the RAHT hybrid prediction is not enabled to be used to code the attributes of the current PC sample, the fifth syntax element may be absent from the bitstream. By way of example rather than limitation, each of the above-mentioned first to fifth syntax elements may be implemented with a flag, or any other suitable form of an indication.

[0137] In some embodiments, whether to and / or how to apply the method may be indicated in the bitstream at one of the following: a frame level, a tile level, a slice level, or an octree level. In addition or alternatively, whether to and / or how to apply the method may be dependent on coded information of the current PC sample. For example, the coded information may comprise dimensions, color format, color component, slice type, picture type or the like.

[0138] In some embodiments, the conversion may comprise generating the bitstream from the point cloud sequence, and the method 400 may further comprise: storing the bitstream in a non-transitory computer-readable recording medium.

[0139] According to further embodiments of the present disclosure, a non-transitory computer-readable recording medium is provided. The non-transitory computer-readable recording medium stores a bitstream of a point cloud sequence which is generated by a method performed by a point cloud processing apparatus. The method comprises: performing a conversion between a current point cloud (PC) sample of the point cloud sequence and the bitstream, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream.

[0140] According to still further embodiments of the present disclosure, a method for storing bitstream of a point cloud sequence is provided. The method comprises: performing a conversion between a current point cloud (PC) sample of the point cloud sequence and the bitstream, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream; and storing the bitstream in a non-transitory computer-readable recording medium.

[0141] Implementations of the present disclosure can be described in view of the following clauses, the features of which can be combined in any reasonable manner.

[0142] Clause 1. A method for point cloud processing, comprising: performing a conversion between a current point cloud (PC) sample of a point cloud sequence and a bitstream of the point cloud sequence, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream.

[0143] Clause 2. The method of clause 1, wherein performing the conversion comprises: determining the RAHT hybrid prediction for a node at a level of an RAHT tree for the current PC sample based on an intra prediction and an inter prediction of the node and the prediction weights; and performing the conversion based on the RAHT hybrid prediction.

[0144] Clause 3. The method of any of clauses 1-2, wherein the first indication is coded with fixed-length coding.

[0145] Clause 4. The method of any of clauses 1-3, wherein the first indication is indicated at slice level.

[0146] Clause 5. The method of any of clauses 1-4, wherein the first indication is indicated for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, or wherein the first indication is indicated for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, or wherein the first indication is indicated for each level enabling hybrid prediction level coding mode in each group of frames (GOF) of the point cloud sequence, or wherein the first indication is indicated for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, or wherein the first indication is indicated for each slice of the point cloud sequence, or wherein the first indication is indicated for each frame of the point cloud sequence, or wherein the first indication is indicated for each GOF of the point cloud sequence, or wherein the first indication is indicated for the point cloud sequence.

[0147] Clause 6. The method of any of clauses 1-5, wherein the RAHT hybrid prediction is determined as follows: Predaverage= (Predinter*Winter+Predintar*Wintra)  /  (Winter+Wintra) , wherein Predaverage represents the RAHT hybrid prediction, Predinter represents an inter prediction, Winter represents an inter prediction weight, Predintra represents an intra prediction, and Wintra represents an intra prediction weight.

[0148] Clause 7. The method of clause 6, wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight, or wherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight.

[0149] Clause 8. The method of any of clauses 1-5, wherein the RAHT hybrid prediction is determined as follows: Predaverage= (Predinter*Winter+Predintar*Wintra) , wherein Predaverage represents the RAHT hybrid prediction, Predinter represents an inter prediction, Winter represents an inter prediction weight, Predintra represents an intra prediction, and Wintra represents an intra prediction weight.

[0150] Clause 9. The method of clause 8, wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, or wherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, or wherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight.

[0151] Clause 10. The method of any of clauses 1-5, wherein the RAHT hybrid prediction is determined as follows: Predaverage= (Predinter*Winter+Predintar*Wintra) >>B, (1<<B) = (Winter+Wintra) , wherein Predaverage represents the RAHT hybrid prediction, Predinter represents an inter prediction, Winter represents an inter prediction weight, Predintra represents an intra prediction, and Wintra represents an intra prediction weight.

[0152] Clause 11. The method of any of clauses 1-10, wherein the bitstream further comprises a second indication indicating an inter prediction weight used to determine the RAHT hybrid prediction.

[0153] Clause 12. The method of clause 11, wherein the second indication is indicated at slice level.

[0154] Clause 13. The method of any of clauses 11-12, wherein the inter prediction weight is equal to a value of the second indication plus 1.

[0155] Clause 14. The method of any of clauses 11-13, wherein the second indication is coded with Exponential-Golomb (EG) coding.

[0156] Clause 15. The method of any of clauses 1-14, wherein the bitstream further comprises a third indication indicating the number of bits used to indicate prediction weights used to determine the RAHT hybrid prediction.

[0157] Clause 16. The method of clause 15, wherein the third indication is indicated at slice level.

[0158] Clause 17. The method of any of clauses 15-16, wherein the number of bits is equal to a value of the third indication plus 1.

[0159] Clause 18. The method of any of clauses 15-17, wherein the third indication is coded with EG coding.

[0160] Clause 19. The method of clause 10, wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, or wherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, or wherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, or wherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight.

[0161] Clause 20. The method of clause 10, wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the B, or wherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the B, or wherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the B, or wherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the B, or wherein for the point cloud sequence, there are at least one parameter to indicate or derive the B, or wherein for each slice of the point cloud sequence, there are at least one parameter to indicate or derive the B, or wherein for each frame of the point cloud sequence, there are at least one parameter to indicate or derive the B, or wherein for each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the B.

[0162] Clause 21. The method of any of clauses 7, 9, or 19-20, wherein a value the at least one parameter is equal to a converted value of corresponding information.

[0163] Clause 22. The method of any of clauses 7, 9, or 19-21, wherein the at least one parameter is coded with one of the following: fixed length coding, unary coding, or truncated unary coding.

[0164] Clause 23. The method of any of clauses 7, 9, or 19-22, wherein the at least one parameter is coded in a predictive manner.

[0165] Clause 24. The method of any of clauses 1-23, wherein the bitstream comprises a fourth indication indicating the number of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample.

[0166] Clause 25. The method of clause 24, wherein a value of the fourth indication is equal to 1 plus a difference between a smallest depth and a largest depth of levels of the transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes.

[0167] Clause 26. The method of any of clauses 1-25, wherein the bitstream comprises a fifth indication indicating a smallest depth of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample.

[0168] Clause 27. The method of clause 26, wherein the smallest depth is equal to a value of the fifth indication plus 1.

[0169] Clause 28. The method of any of clauses 1-27, wherein the bitstream comprises a sixth indication indicating a largest depth of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample.

[0170] Clause 29. The method of clause 28, wherein the largest depth is equal to a value of the sixth indication plus 1.

[0171] Clause 30. The method of any of clauses 1-29, wherein the bitstream comprises a seventh indication indicating a distance between a smallest depth and a largest depth of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample.

[0172] Clause 31. The method of clause 30, wherein a value of the seventh indication is equal to a difference between the smallest depth and the largest depth.

[0173] Clause 32. The method of any of clauses 24-31, wherein a hybrid prediction level coding mode is a candidate level coding mode used to replace an intra prediction level coding mode in a candidate list for the current PC sample.

[0174] Clause 33. The method of any of clauses 24-31, wherein a hybrid prediction level coding mode is a candidate level coding mode used to replace an inter prediction level coding mode in a candidate list for the current PC sample.

[0175] Clause 34. The method of any of clauses 24-31, wherein a hybrid prediction level coding mode is a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with an intra prediction level coding mode and an inter prediction level coding mode.

[0176] Clause 35. The method of any of clauses 1-34, wherein in accordance with that an inter prediction and an intra prediction are enabled for the current PC sample, a hybrid prediction level coding mode is a candidate level coding mode used to replace an inter prediction level coding mode.

[0177] Clause 36. The method of clause 35, wherein in accordance with that the hybrid prediction level coding mode is added into a candidate list for the current PC sample, the hybrid prediction level coding mode uses a level coding mode index same as the inter prediction level coding mode.

[0178] Clause 37. The method of any of clauses 1-34, wherein in accordance with that an inter prediction and an intra prediction are enabled for the current PC sample, a hybrid prediction level coding mode is a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with an inter prediction level coding mode.

[0179] Clause 38. The method of any of clauses 1-34, wherein the bitstream comprises a first set of indications indicating a first set of levels where a hybrid prediction level coding mode is a candidate level coding mode used to replace an intra prediction level coding mode.

[0180] Clause 39. The method of clause 38, wherein the first set of indications is signaled to a decoder.

[0181] Clause 40. The method of any of clauses 38-39, wherein the first set of indications is coded with one of the following: fixed length coding, unary coding, or truncated unary coding.

[0182] Clause 41. The method of any of clauses 38-40, wherein the first set of indications is coded in a predictive manner.

[0183] Clause 42. The method of any of clauses 38-41, wherein for a first level different from the first set of levels, in accordance with that the hybrid prediction level coding mode is enabled for the first level, the hybrid prediction level coding mode is a candidate level coding mode used to replace an inter prediction level coding mode.

[0184] Clause 43. The method of any of clauses 38-41, wherein for a first level different from the first set of levels, in accordance with that the hybrid prediction level coding mode is enabled for the first level, the hybrid prediction level coding mode is a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with the intra prediction level coding mode.

[0185] Clause 44. The method of any of clauses 1-45, wherein the bitstream comprises a second set of indications indicating a second set of levels where a hybrid prediction level coding mode is a candidate level coding mode used to replace an inter prediction level coding mode.

[0186] Clause 45. The method of clause 44, wherein the second set of indications is signaled to a decoder.

[0187] Clause 46. The method of any of clauses 44-45, wherein the second set of indications is coded with one of the following: fixed length coding, unary coding, or truncated unary coding.

[0188] Clause 47. The method of any of clauses 44-46, wherein the second set of indications is coded in a predictive manner.

[0189] Clause 48. The method of any of clauses 44-47, wherein for a second level different from the second set of levels, in accordance with that the hybrid prediction level coding mode is enabled for the second level, the hybrid prediction level coding mode is a candidate level coding mode used to replace an intra prediction level coding mode.

[0190] Clause 49. The method of any of clauses 44-47, wherein for a second level different from the second set of levels, in accordance with that the hybrid prediction level coding mode is enabled for the second level, the hybrid prediction level coding mode is a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with the inter prediction level coding mode.

[0191] Clause 50. The method of any of clauses 1-49, wherein the RAHT hybrid prediction for a current node in the current PC sample is determined based on a weighted average of a first prediction block and a second prediction block of the current node, the first prediction block is determined based on an intra prediction of the current node, and the second prediction block is determined by applying a temporal filtering process on an inter prediction of the current node without applying a resampling and weighting process.

[0192] Clause 51. The method of any of clauses 6-50, wherein in accordance with that an inter prediction weight is indicated in the bitstream, an intra prediction weight is determined based on the inter prediction weight, or in accordance with that an intra prediction weight is indicated in the bitstream, an inter prediction weight is determined based on the intra prediction weight.

[0193] Clause 52. The method of any of clauses 15-50, wherein in accordance with that an inter prediction weight is indicated in the bitstream, the intra prediction weight is determined based on the inter prediction weight and the number of bits, or in accordance with that an intra prediction weight is indicated in the bitstream, an inter prediction weight is determined based on the intra prediction weight and the number of bits.

[0194] Clause 53. The method of any of clauses 1-52, wherein a PC sample is one of the following: a frame, a picture, a slice, a sub-frame, a sub-picture, a tile, or a segment.

[0195] Clause 54. The method of any of clauses 1-53, wherein the conversion includes encoding the current PC sample into the bitstream.

[0196] Clause 55. The method of any of clauses 1-53, wherein the conversion includes decoding the current PC sample from the bitstream.

[0197] Clause 56. The method of any of clauses 1-53, wherein the conversion comprises: generating the bitstream from the point cloud sequence, and the method further comprises: storing the bitstream in a non-transitory computer-readable recording medium.

[0198] Clause 57. An apparatus for processing point cloud data comprising a processor and a non-transitory memory with instructions thereon, wherein the instructions upon execution by the processor, cause the processor to perform a method in accordance with any of clauses 1-56.

[0199] Clause 58. A non-transitory computer-readable storage medium storing instructions that cause a processor to perform a method in accordance with any of clauses 1-56.

[0200] Clause 59. A non-transitory computer-readable recording medium storing a bitstream of a point cloud sequence which is generated by a method performed by a point cloud processing apparatus, wherein the method comprises: performing a conversion between a current point cloud (PC) sample of the point cloud sequence and the bitstream, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream.

[0201] Clause 60. A method for storing a bitstream of a point cloud sequence, comprising: performing a conversion between a current point cloud (PC) sample of the point cloud sequence and the bitstream, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream; and storing the bitstream in a non-transitory computer-readable recording medium. Example Device

[0202] Fig. 5 illustrates a block diagram of a computing device 500 in which various embodiments of the present disclosure can be implemented. The computing device 500 may be implemented as or included in the source device 110 (or the GPCC encoder 116 or 200) or the destination device 120 (or the GPCC decoder 126 or 300) .

[0203] It would be appreciated that the computing device 500 shown in Fig. 5 is merely for purpose of illustration, without suggesting any limitation to the functions and scopes of the embodiments of the present disclosure in any manner.

[0204] As shown in Fig. 5, the computing device 500 includes a general-purpose computing device 500. The computing device 500 may at least comprise one or more processors or processing units 510, a memory 520, a storage unit 530, one or more communication units 540, one or more input devices 550, and one or more output devices 560.

[0205] In some embodiments, the computing device 500 may be implemented as any user terminal or server terminal having the computing capability. The server terminal may be a server, a large-scale computing device or the like that is provided by a service provider. The user terminal may for example be any type of mobile terminal, fixed terminal, or portable terminal, including a mobile phone, station, unit, device, multimedia computer, multimedia tablet, Internet node, communicator, desktop computer, laptop computer, notebook computer, netbook computer, tablet computer, personal communication system (PCS) device, personal navigation device, personal digital assistant (PDA) , audio / video player, digital camera / video camera, positioning device, television receiver, radio broadcast receiver, E-book device, gaming device, or any combination thereof, including the accessories and peripherals of these devices, or any combination thereof. It would be contemplated that the computing device 500 can support any type of interface to a user (such as “wearable” circuitry and the like) .

[0206] The processing unit 510 may be a physical or virtual processor and can implement various processes based on programs stored in the memory 520. In a multi-processor system, multiple processing units execute computer executable instructions in parallel so as to improve the parallel processing capability of the computing device 500. The processing unit 510 may also be referred to as a central processing unit (CPU) , a microprocessor, a controller or a microcontroller.

[0207] The computing device 500 typically includes various computer storage medium. Such medium can be any medium accessible by the computing device 500, including, but not limited to, volatile and non-volatile medium, or detachable and non-detachable medium. The memory 520 can be a volatile memory (for example, a register, cache, Random Access Memory (RAM) ) , a non-volatile memory (such as a Read-Only Memory (ROM) , Electrically Erasable Programmable Read-Only Memory (EEPROM) , or a flash memory) , or any combination thereof. The storage unit 530 may be any detachable or non-detachable medium and may include a machine-readable medium such as a memory, flash memory drive, magnetic disk or another other media, which can be used for storing information and / or data and can be accessed in the computing device 500.

[0208] The computing device 500 may further include additional detachable / non-detachable, volatile / non-volatile memory medium. Although not shown in Fig. 5, it is possible to provide a magnetic disk drive for reading from and / or writing into a detachable and non-volatile magnetic disk and an optical disk drive for reading from and / or writing into a detachable non-volatile optical disk. In such cases, each drive may be connected to a bus (not shown) via one or more data medium interfaces.

[0209] The communication unit 540 communicates with a further computing device via the communication medium. In addition, the functions of the components in the computing device 500 can be implemented by a single computing cluster or multiple computing machines that can communicate via communication connections. Therefore, the computing device 500 can operate in a networked environment using a logical connection with one or more other servers, networked personal computers (PCs) or further general network nodes.

[0210] The input device 550 may be one or more of a variety of input devices, such as a mouse, keyboard, tracking ball, voice-input device, and the like. The output device 560 may be one or more of a variety of output devices, such as a display, loudspeaker, printer, and the like. By means of the communication unit 540, the computing device 500 can further communicate with one or more external devices (not shown) such as the storage devices and display device, with one or more devices enabling the user to interact with the computing device 500, or any devices (such as a network card, a modem and the like) enabling the computing device 500 to communicate with one or more other computing devices, if required. Such communication can be performed via input / output (I / O) interfaces (not shown) .

[0211] In some embodiments, instead of being integrated in a single device, some or all components of the computing device 500 may also be arranged in cloud computing architecture. In the cloud computing architecture, the components may be provided remotely and work together to implement the functionalities described in the present disclosure. In some embodiments, cloud computing provides computing, software, data access and storage service, which will not require end users to be aware of the physical locations or configurations of the systems or hardware providing these services. In various embodiments, the cloud computing provides the services via a wide area network (such as Internet) using suitable protocols. For example, a cloud computing provider provides applications over the wide area network, which can be accessed through a web browser or any other computing components. The software or components of the cloud computing architecture and corresponding data may be stored on a server at a remote position. The computing resources in the cloud computing environment may be merged or distributed at locations in a remote data center. Cloud computing infrastructures may provide the services through a shared data center, though they behave as a single access point for the users. Therefore, the cloud computing architectures may be used to provide the components and functionalities described herein from a service provider at a remote location. Alternatively, they may be provided from a conventional server or installed directly or otherwise on a client device.

[0212] The computing device 500 may be used to implement point cloud encoding / decoding in embodiments of the present disclosure. The memory 520 may include one or more point cloud coding modules 525 having one or more program instructions. These modules are accessible and executable by the processing unit 510 to perform the functionalities of the various embodiments described herein.

[0213] In the example embodiments of performing point cloud encoding, the input device 550 may receive point cloud data as an input 570 to be encoded. The point cloud data may be processed, for example, by the point cloud coding module 525, to generate an encoded bitstream. The encoded bitstream may be provided via the output device 560 as an output 580.

[0214] In the example embodiments of performing point cloud decoding, the input device 550 may receive an encoded bitstream as the input 570. The encoded bitstream may be processed, for example, by the point cloud coding module 525, to generate decoded point cloud data. The decoded point cloud data may be provided via the output device 560 as the output 580.

[0215] While this disclosure has been particularly shown and described with references to example embodiments thereof, it will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the present application as defined by the appended claims. Such variations are intended to be covered by the scope of this present application. As such, the foregoing description of embodiments of the present application is not intended to be limiting.

Claims

1.A method for point cloud processing, comprising:performing a conversion between a current point cloud (PC) sample of a point cloud sequence and a bitstream of the point cloud sequence, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream.2.The method of claim 1, wherein performing the conversion comprises:determining the RAHT hybrid prediction for a node at a level of an RAHT tree for the current PC sample based on an intra prediction and an inter prediction of the node and the prediction weights; andperforming the conversion based on the RAHT hybrid prediction.3.The method of any of claims 1-2, wherein the first indication is coded with fixed-length coding.4.The method of any of claims 1-3, wherein the first indication is indicated at slice level.5.The method of any of claims 1-4, wherein the first indication is indicated for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, orwherein the first indication is indicated for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, orwherein the first indication is indicated for each level enabling hybrid prediction level coding mode in each group of frames (GOF) of the point cloud sequence, orwherein the first indication is indicated for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, orwherein the first indication is indicated for each slice of the point cloud sequence, orwherein the first indication is indicated for each frame of the point cloud sequence, orwherein the first indication is indicated for each GOF of the point cloud sequence, orwherein the first indication is indicated for the point cloud sequence.6.The method of any of claims 1-5, wherein the RAHT hybrid prediction is determined as follows: Predaverage= (Predinter*Winter+Predintar*Wintra)  /  (Winter+Wintra) ,wherein Predaverage represents the RAHT hybrid prediction, Predinter represents an inter prediction, Winter represents an inter prediction weight, Predintra represents an intra prediction, and Wintra represents an intra prediction weight.7.The method of claim 6, wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight, orwherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight and the intra prediction weight.8.The method of any of claims 1-5, wherein the RAHT hybrid prediction is determined as follows: Predaverage= (Predinter*Winter+Predintar*Wintra) ,wherein Predaverage represents the RAHT hybrid prediction, Predinter represents an inter prediction, Winter represents an inter prediction weight, Predintra represents an intra prediction, and Wintra represents an intra prediction weight.9.The method of claim 8, wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, orwherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, orwherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight.10.The method of any of claims 1-5, wherein the RAHT hybrid prediction is determined as follows: Predaverage = (Predinter*Winter+Predintar*Wintra) ＞＞B, (1＜＜B) = (Winter+Wintra) ,wherein Predaverage represents the RAHT hybrid prediction, Predinter represents an inter prediction, Winter represents an inter prediction weight, Predintra represents an intra prediction, and Wintra represents an intra prediction weight.11.The method of any of claims 1-10, wherein the bitstream further comprises a second indication indicating an inter prediction weight used to determine the RAHT hybrid prediction.12.The method of claim 11, wherein the second indication is indicated at slice level.13.The method of any of claims 11-12, wherein the inter prediction weight is equal to a value of the second indication plus 1.14.The method of any of claims 11-13, wherein the second indication is coded with Exponential-Golomb (EG) coding.15.The method of any of claims 1-14, wherein the bitstream further comprises a third indication indicating the number of bits used to indicate prediction weights used to determine the RAHT hybrid prediction.16.The method of claim 15, wherein the third indication is indicated at slice level.17.The method of any of claims 15-16, wherein the number of bits is equal to a value of the third indication plus 1.18.The method of any of claims 15-17, wherein the third indication is coded with EG coding.19.The method of claim 10, wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, orwherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the inter prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, orwherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight, orwherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the intra prediction weight.20.The method of claim 10, wherein for each level enabling hybrid prediction level coding mode in each slice of the point cloud sequence, there are at least one parameter to indicate or derive the B, orwherein for each level enabling hybrid prediction level coding mode in each frame of the point cloud sequence, there are at least one parameter to indicate or derive the B, orwherein for each level enabling hybrid prediction level coding mode in each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the B, orwherein for each level enabling hybrid prediction level coding mode in all slices of the point cloud sequence, there are at least one parameter to indicate or derive the B, orwherein for the point cloud sequence, there are at least one parameter to indicate or derive the B, orwherein for each slice of the point cloud sequence, there are at least one parameter to indicate or derive the B, orwherein for each frame of the point cloud sequence, there are at least one parameter to indicate or derive the B, orwherein for each GOF of the point cloud sequence, there are at least one parameter to indicate or derive the B.21.The method of any of claims 7, 9, or 19-20, wherein a value the at least one parameter is equal to a converted value of corresponding information.22.The method of any of claims 7, 9, or 19-21, wherein the at least one parameter is coded with one of the following: fixed length coding, unary coding, or truncated unary coding.23.The method of any of claims 7, 9, or 19-22, wherein the at least one parameter is coded in a predictive manner.24.The method of any of claims 1-23, wherein the bitstream comprises a fourth indication indicating the number of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample.25.The method of claim 24, wherein a value of the fourth indication is equal to 1 plus a difference between a smallest depth and a largest depth of levels of the transform tree for which the RAHT hybrid prediction is enabled to be used to code the attributes.26.The method of any of claims 1-25, wherein the bitstream comprises a fifth indication indicating a smallest depth of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample.27.The method of claim 26, wherein the smallest depth is equal to a value of the fifth indication plus 1.28.The method of any of claims 1-27, wherein the bitstream comprises a sixth indication indicating a largest depth of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample.29.The method of claim 28, wherein the largest depth is equal to a value of the sixth indication plus 1.30.The method of any of claims 1-29, wherein the bitstream comprises a seventh indication indicating a distance between a smallest depth and a largest depth of levels of a transform tree for which the RAHT hybrid prediction is enabled to be used to code attributes of the current PC sample.31.The method of claim 30, wherein a value of the seventh indication is equal to a difference between the smallest depth and the largest depth.32.The method of any of claims 24-31, wherein a hybrid prediction level coding mode is a candidate level coding mode used to replace an intra prediction level coding mode in a candidate list for the current PC sample.33.The method of any of claims 24-31, wherein a hybrid prediction level coding mode is a candidate level coding mode used to replace an inter prediction level coding mode in a candidate list for the current PC sample.34.The method of any of claims 24-31, wherein a hybrid prediction level coding mode is a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with an intra prediction level coding mode and an inter prediction level coding mode.35.The method of any of claims 1-34, wherein in accordance with that an inter prediction and an intra prediction are enabled for the current PC sample, a hybrid prediction level coding mode is a candidate level coding mode used to replace an inter prediction level coding mode.36.The method of claim 35, wherein in accordance with that the hybrid prediction level coding mode is added into a candidate list for the current PC sample, the hybrid prediction level coding mode uses a level coding mode index same as the inter prediction level coding mode.37.The method of any of claims 1-34, wherein in accordance with that an inter prediction and an intra prediction are enabled for the current PC sample, a hybrid prediction level coding mode is a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with an inter prediction level coding mode.38.The method of any of claims 1-34, wherein the bitstream comprises a first set of indications indicating a first set of levels where a hybrid prediction level coding mode is a candidate level coding mode used to replace an intra prediction level coding mode.39.The method of claim 38, wherein the first set of indications is signaled to a decoder.40.The method of any of claims 38-39, wherein the first set of indications is coded with one of the following: fixed length coding, unary coding, or truncated unary coding.41.The method of any of claims 38-40, wherein the first set of indications is coded in a predictive manner.42.The method of any of claims 38-41, wherein for a first level different from the first set of levels, in accordance with that the hybrid prediction level coding mode is enabled for the first level, the hybrid prediction level coding mode is a candidate level coding mode used to replace an inter prediction level coding mode.43.The method of any of claims 38-41, wherein for a first level different from the first set of levels, in accordance with that the hybrid prediction level coding mode is enabled for the first level, the hybrid prediction level coding mode is a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with the intra prediction level coding mode.44.The method of any of claims 1-45, wherein the bitstream comprises a second set of indications indicating a second set of levels where a hybrid prediction level coding mode is a candidate level coding mode used to replace an inter prediction level coding mode.45.The method of claim 44, wherein the second set of indications is signaled to a decoder.46.The method of any of claims 44-45, wherein the second set of indications is coded with one of the following: fixed length coding, unary coding, or truncated unary coding.47.The method of any of claims 44-46, wherein the second set of indications is coded in a predictive manner.48.The method of any of claims 44-47, wherein for a second level different from the second set of levels, in accordance with that the hybrid prediction level coding mode is enabled for the second level, the hybrid prediction level coding mode is a candidate level coding mode used to replace an intra prediction level coding mode.49.The method of any of claims 44-47, wherein for a second level different from the second set of levels, in accordance with that the hybrid prediction level coding mode is enabled for the second level, the hybrid prediction level coding mode is a candidate level coding mode that is allowed to be present a candidate list for the current PC sample together with the inter prediction level coding mode.50.The method of any of claims 1-49, wherein the RAHT hybrid prediction for a current node in the current PC sample is determined based on a weighted average of a first prediction block and a second prediction block of the current node, the first prediction block is determined based on an intra prediction of the current node, and the second prediction block is determined by applying a temporal filtering process on an inter prediction of the current node without applying a resampling and weighting process.51.The method of any of claims 6-50, wherein in accordance with that an inter prediction weight is indicated in the bitstream, an intra prediction weight is determined based on the inter prediction weight, orin accordance with that an intra prediction weight is indicated in the bitstream, an inter prediction weight is determined based on the intra prediction weight.52.The method of any of claims 15-50, wherein in accordance with that an inter prediction weight is indicated in the bitstream, the intra prediction weight is determined based on the inter prediction weight and the number of bits, orin accordance with that an intra prediction weight is indicated in the bitstream, an inter prediction weight is determined based on the intra prediction weight and the number of bits.53.The method of any of claims 1-52, wherein a PC sample is one of the following: a frame, a picture, a slice, a sub-frame, a sub-picture, a tile, or a segment.54.The method of any of claims 1-53, wherein the conversion includes encoding the current PC sample into the bitstream.55.The method of any of claims 1-53, wherein the conversion includes decoding the current PC sample from the bitstream.56.The method of any of claims 1-53, wherein the conversion comprises: generating the bitstream from the point cloud sequence, andthe method further comprises: storing the bitstream in a non-transitory computer-readable recording medium.57.An apparatus for processing point cloud data comprising a processor and a non-transitory memory with instructions thereon, wherein the instructions upon execution by the processor, cause the processor to perform a method in accordance with any of claims 1-56.58.A non-transitory computer-readable storage medium storing instructions that cause a processor to perform a method in accordance with any of claims 1-56.59.A non-transitory computer-readable recording medium storing a bitstream of a point cloud sequence which is generated by a method performed by a point cloud processing apparatus, wherein the method comprises:performing a conversion between a current point cloud (PC) sample of the point cloud sequence and the bitstream, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream.60.A method for storing a bitstream of a point cloud sequence, comprising:performing a conversion between a current point cloud (PC) sample of the point cloud sequence and the bitstream, wherein the bitstream comprises a first indication indicating whether prediction weights used to determine a region adaptive hierarchical transform (RAHT) hybrid prediction are indicated in the bitstream; andstoring the bitstream in a non-transitory computer-readable recording medium.

Images