제1항에 있어서,상기 추가 훈련은 반복적으로 수행되되,N(N은 자연수) 번째 훈련된 신경망 필터의 출력 영상과 (N+1) 번째 훈련된 신경망 필터의 출력 영상 간의 차이가 기정의된 임계값 이하인 경우, 상기 추가 훈련을 종료하는 것을 특징으로 하는 영상 복호화 방법.

현재 블록에 대한 복원 블록을 생성하는 단계;사전 훈련된 신경망 필터를 추가 훈련시키기 위한 입력 데이터 및 목표 영상을 구성하는 단계;상기 입력 데이터 및 목표 영상을 이용하여 상기 사전 훈련된 신경망 필터에 대한 추가 훈련을 수행하는 단계; 및상기 추가 훈련된 신경망 필터를 이용하여 상기 복원 블록을 필터링하는 단계를 포함하고,상기 입력 데이터 및 상기 목표 영상은 적어도 하나의 인-루프 필터의 입력 영상과 출력 영상에 기초하여 구성되는 것을 특징으로 하는 영상 복호화 방법.

제1항에 있어서,상기 적어도 하나의 인-루프 필터는 적응적 루프 필터(ALF, Adaptive Loop Filter)인 것을 특징으로 하는 영상 복호화 방법.

제1항에 있어서,상기 입력 데이터와 목표 영상의 구성 및 상기 추가 훈련은 코딩트리유닛(CTU, Coding Tree Unit), 슬라이스, 또는 하나 이상의 픽처로 구성된 픽처 그룹의 단위로 수행되는 것을 특징으로 하는 영상 복호화 방법.

제1항에 있어서,상기 복원 블록의 필터링은,상기 복원 블록에 대한 상기 추가 훈련된 신경망 필터의 출력 영상과 상기 복원 블록에 대한 상기 적어도 하나의 인-루프 필터의 출력 영상 간의 가중 평균에 의해 수행되는 것을 특징으로 하는 영상 복호화 방법.

제1항에 있어서,상기 복원 블록의 필터링은,상기 추가 훈련된 신경망 필터의 출력 영상과 상기 사전 학습된 신경망 필터의 출력 영상 간의 가중 평균에 의해 생성되는 것을 특징으로 하는 영상 복호화 방법.

제1항에 있어서,상기 추가 훈련은 반복적으로 수행되되,N(N은 자연수) 번째 훈련된 신경망 필터의 입력 영상과 출력 영상 간의 차이가 기정의된 임계값 이하인 경우, 상기 추가 훈련을 종료하는 것을 특징으로 하는 영상 복호화 방법.

현재 블록에 대한 복원 블록을 생성하는 단계;사전 훈련된 신경망 필터를 추가 훈련시키기 위한 입력 데이터 및 목표 영상을 구성하는 단계;상기 입력 데이터 및 목표 영상을 이용하여 상기 사전 훈련된 신경망 필터에 대한 추가 훈련을 수행하는 단계; 및상기 추가 훈련된 신경망 필터를 이용하여 상기 복원 블록을 필터링하는 단계를 포함하고,상기 입력 데이터 및 상기 목표 영상은 적어도 하나의 인-루프 필터의 입력 영상과 출력 영상에 기초하여 구성되는 것을 특징으로 하는 영상 부호화 방법.

영상 데이터를 부호화하는 부호화 방법에 의해 생성되는, 디코더에 의해 판독 가능한, 기록 매체에 있어서,상기 부호화 방법은,현재 블록에 대한 복원 블록을 생성하는 단계;사전 훈련된 신경망 필터를 추가 훈련시키기 위한 입력 데이터 및 목표 영상을 구성하는 단계;상기 입력 데이터 및 목표 영상을 이용하여 상기 사전 훈련된 신경망 필터에 대한 추가 훈련을 수행하는 단계; 및상기 추가 훈련된 신경망 필터를 이용하여 상기 복원 블록을 필터링하는 단계를 포함하고,상기 입력 데이터 및 상기 목표 영상은 적어도 하나의 인-루프 필터의 입력 영상과 출력 영상에 기초하여 구성되는 것을 특징으로 하는, 기록 매체.