ICS35.040 L71 中华人民共和国国家标准 GB/T20090.12—2015 信息技术 先进音视频编码 第12部分:综合场景 Informationtechnology—Advancedcodingofaudioandvideo— Part12:Syntheticscene 2015-12-10发布 2016-08-01实施 中华人民共和国国家质量监督检验检疫总局 中国国家标准化管理委员会发布目 次 前言 Ⅰ ………………………………………………………………………………………………………… 1 范围 1 ……………………………………………………………………………………………………… 2 规范性引用文件 1 ………………………………………………………………………………………… 3 术语和定义 1 ……………………………………………………………………………………………… 4 缩略语 2 …………………………………………………………………………………………………… 5 架构 2 ……………………………………………………………………………………………………… 6 场景表示 2 ………………………………………………………………………………………………… 6.1 概述 2 ………………………………………………………………………………………………… 6.2 与SVG和SMIL的关系 3 …………………………………………………………………………… 6.3 时间模型 3 …………………………………………………………………………………………… 6.4 执行模型 3 …………………………………………………………………………………………… 6.5 事件 4 ………………………………………………………………………………………………… 6.6 指令 5 ………………………………………………………………………………………………… 6.7 元素 8 ………………………………………………………………………………………………… 6.8 元素属性 13 …………………………………………………………………………………………… 7 视频驱动的综合场景 14 …………………………………………………………………………………… 7.1 概述 14 ………………………………………………………………………………………………… 7.2 时间模型 14 …………………………………………………………………………………………… 7.3 执行模型 14 …………………………………………………………………………………………… 7.4 呈现模型 14 …………………………………………………………………………………………… 7.5 扩展事件 15 …………………………………………………………………………………………… 7.6 扩展元素 16 …………………………………………………………………………………………… 附录A(资料性附录) 综合场景元素schema 18 …………………………………………………………GB/T20090.12—2015 前 言 GB/T20090预计分为以下13个部分: ———第1部分:系统; ———第2部分:视频; ———第3部分:音频; ———第4部分:符合性测试; ———第5部分:参考软件; ———第6部分:面向数字版权管理的可信解码器与访问协议; ———第7部分:面向交互应用的视频编解码; ———第8部分:在IP网络上传输AVS; ———第9部分:AVS文件格式; ———第10部分:移动语音和音频; ———第11部分:同步文本; ———第12部分:综合场景; ———第13部分:可重构视频编码工具集。 可能还会增加其他后续部分。 本部分为GB/T20090的第12部分。 本部分按照GB/T1.1—2009给出的规则起草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。 本部分由全国信息技术标准化技术委员会(SAC/TC28)提出并归口。 本部分起草单位:北京大学、中国科学院计算技术研究所、北京邮电大学。 本部分主要起草人:牟伦田、陈建平、李甲、霍龙社、丁亚强、田永鸿、陈熙霖、王雷、黄铁军、高文。 ⅠGB/T20090.12—2015 信息技术 先进音视频编码 第12部分:综合场景 1 范围 GB/T20090的本部分规定了综合场景的架构、表示与视频驱动的综合场景。其中,综合场景表示 主要规定了用于场景表示的事件、指令与元素。 本部分适用于数字电视广播、因特网流媒体、多媒体通信等综合媒体应用。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件,仅注日期的版本适用于本文 件。凡是不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。 W3C可伸缩矢量图极小档[ScalableVectorGraphics(SVG)Tiny1.2Specification] 注:可以从以下网址获得:http://www.w3.org/TR/SVGTiny12/ W3C同步多媒体集成语言[SynchronizedMultimediaIntegrationLanguage(SMIL3.0)] 注:可以从以下网址获得:http://www.w3.org/TR/smil/ W3C层叠样式表[CascadingStyleSheetsLevel2Revision1(CSS2.1)Specification] 注:可以从以下网址获得:http://www.w3.org/TR/CSS21/ W3C文档对象模型3级核心[DocumentObjectModel(DOM)Level3CoreSpecification] 注:可以从以下网址获得:http://www.w3.org/TR/DOM-Level-3-Core/ W3CXML事件(XMLEvents2:AnEventsSyntaxforXML) 注:可以从以下网址获得:http://www.w3.org/TR/xml-events2/ W3CXML标识符1.0(xml:idVersion1.0) 注:可以从以下网址获得:http://www.w3.org/TR/xml-id/ W3CXML链接语言[XMLLinkingLanguage(XLink)Version1.0] 注:可以从以下网址获得:http://www.w3.org/TR/xlink/ 3 术语和定义 下列术语和定义适用于本文件。 3.1 综合媒体 richmedia 由音频、视频、图形、文本、动画等多种媒体数据组成的动态可交互集合,支持按照预订的时间、空间 布局同步呈现各种媒体,并支持用户交互。 注:综合媒体是富媒体(richmedia)的一种实现形式。 3.2 综合场景 syntheticscene 描述综合媒体中各媒体时间、空间布局的数据。 3.3 媒体时间轴 mediatimeaxis 表示承载综合场景或其他媒体流的传输或系统内时间的一个时间轴。 1GB/T20090.12—2015 3.4 场景时间轴 scenetimeaxis 表示场景内时间的一个时间轴。 3.5 场景单元 sceneunit 场景流中可独立访问的一段数据。 4 缩略语 下列缩略语适用于本文件。 CSS 层叠样式表 (CascadeStyleSheet) DOM 文档对象模型 (DocumentObjectModel) SMIL 同步多媒体集成语言(SynchronizedMultimediaIntegrationLanguage) SVG 可伸缩矢量图 (ScalableVectorGraph) 5 架构 综合场景架构见图1。虚线矩形内为综合场景的内容,包括场景指令与场景树。虚线箭头表示从 各种媒体数据中分析得到的内容结果,可用于丰富综合场景的内容及支持基于内容的交互。 图1 综合场景架构 从综合场景传递的时间与空间信息来看,综合场景主要由两部分组成:描述各媒体元素时间同步的 部分,采用SMIL并做相应扩展;描述各媒体元素空间布局的部分,采用SVG并做相应扩展。 6 场景表示 6.1 概述 多媒体呈现是包括场景表示和各种媒体内容的集合,多媒体内容可包括图片、音频、视频和文本等, 而场景表示则是由文字、图形、动画、互动等元素以及元素间的时空布局所组成。 2GB/T20090.12—2015 场景表示主要考虑以下几个方面: a) 场景中的元素在空间上如何组织,即可视元素的空间布局; b) 场景中的元素在时间上如何组织,即各元素间如何同步,何时开始、何时结束; c) 场景中的元素如何支持交互,例如某一个图片对点击做出响应; d) 场景变化如何发生。 6.2 与SVG和SMIL的关系 场景树的构建基于W3C的SVG规范。可利用SVG定义的元素及其属性构建一个场景,也可根 据需要在场景中加入扩展定义的元素和属性。SMIL既体现于SVG对SMIL的继承,也体现在对 SMIL的直接引用。 6.3 时间模型 时间模型分为媒体时间(mediatime)和场景时间(scenetime)两个概念。场景时间是一个相对时 间,任何场景时间都从该场景开始建立的时刻算起,初值都为0。媒体时间可为绝对时间,与场景时间 无关。综合场景时间模型见图2。 图2 综合场景时间模型 示例:某一事件x的媒体时间是a,对应新场景建立的媒体时间是b,则x在该新场景中的场景时间就是(a-b)。 6.4 执行模型 当场景