/* * Copyright (c) 2012 The WebM project authors. All Rights Reserved. * * Use of this source code is governed by a BSD-style license * that can be found in the LICENSE file in the root of the source * tree. An additional intellectual property rights grant can be found * in the file PATENTS. All contributing project authors may * be found in the AUTHORS file in the root of the source tree. */ #include // AVX2 #include "./vpx_dsp_rtcd.h" #include "vpx_dsp/txfm_common.h" #define pair256_set_epi16(a, b) \ _mm256_set_epi16((int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a), \ (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a), \ (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a), \ (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a)) #define pair256_set_epi32(a, b) \ _mm256_set_epi32((int)(b), (int)(a), (int)(b), (int)(a), (int)(b), (int)(a), \ (int)(b), (int)(a)) #if FDCT32x32_HIGH_PRECISION static INLINE __m256i k_madd_epi32_avx2(__m256i a, __m256i b) { __m256i buf0, buf1; buf0 = _mm256_mul_epu32(a, b); a = _mm256_srli_epi64(a, 32); b = _mm256_srli_epi64(b, 32); buf1 = _mm256_mul_epu32(a, b); return _mm256_add_epi64(buf0, buf1); } static INLINE __m256i k_packs_epi64_avx2(__m256i a, __m256i b) { __m256i buf0 = _mm256_shuffle_epi32(a, _MM_SHUFFLE(0, 0, 2, 0)); __m256i buf1 = _mm256_shuffle_epi32(b, _MM_SHUFFLE(0, 0, 2, 0)); return _mm256_unpacklo_epi64(buf0, buf1); } #endif void FDCT32x32_2D_AVX2(const int16_t *input, int16_t *output_org, int stride) { // Calculate pre-multiplied strides const int str1 = stride; const int str2 = 2 * stride; const int str3 = 2 * stride + str1; // We need an intermediate buffer between passes. DECLARE_ALIGNED(32, int16_t, intermediate[32 * 32]); // Constants // When we use them, in one case, they are all the same. In all others // it's a pair of them that we need to repeat four times. This is done // by constructing the 32 bit constant corresponding to that pair. const __m256i k__cospi_p16_p16 = _mm256_set1_epi16(cospi_16_64); const __m256i k__cospi_p16_m16 = pair256_set_epi16(+cospi_16_64, -cospi_16_64); const __m256i k__cospi_m08_p24 = pair256_set_epi16(-cospi_8_64, cospi_24_64); const __m256i k__cospi_m24_m08 = pair256_set_epi16(-cospi_24_64, -cospi_8_64); const __m256i k__cospi_p24_p08 = pair256_set_epi16(+cospi_24_64, cospi_8_64); const __m256i k__cospi_p12_p20 = pair256_set_epi16(+cospi_12_64, cospi_20_64); const __m256i k__cospi_m20_p12 = pair256_set_epi16(-cospi_20_64, cospi_12_64); const __m256i k__cospi_m04_p28 = pair256_set_epi16(-cospi_4_64, cospi_28_64); const __m256i k__cospi_p28_p04 = pair256_set_epi16(+cospi_28_64, cospi_4_64); const __m256i k__cospi_m28_m04 = pair256_set_epi16(-cospi_28_64, -cospi_4_64); const __m256i k__cospi_m12_m20 = pair256_set_epi16(-cospi_12_64, -cospi_20_64); const __m256i k__cospi_p30_p02 = pair256_set_epi16(+cospi_30_64, cospi_2_64); const __m256i k__cospi_p14_p18 = pair256_set_epi16(+cospi_14_64, cospi_18_64); const __m256i k__cospi_p22_p10 = pair256_set_epi16(+cospi_22_64, cospi_10_64); const __m256i k__cospi_p06_p26 = pair256_set_epi16(+cospi_6_64, cospi_26_64); const __m256i k__cospi_m26_p06 = pair256_set_epi16(-cospi_26_64, cospi_6_64); const __m256i k__cospi_m10_p22 = pair256_set_epi16(-cospi_10_64, cospi_22_64); const __m256i k__cospi_m18_p14 = pair256_set_epi16(-cospi_18_64, cospi_14_64); const __m256i k__cospi_m02_p30 = pair256_set_epi16(-cospi_2_64, cospi_30_64); const __m256i k__cospi_p31_p01 = pair256_set_epi16(+cospi_31_64, cospi_1_64); const __m256i k__cospi_p15_p17 = pair256_set_epi16(+cospi_15_64, cospi_17_64); const __m256i k__cospi_p23_p09 = pair256_set_epi16(+cospi_23_64, cospi_9_64); const __m256i k__cospi_p07_p25 = pair256_set_epi16(+cospi_7_64, cospi_25_64); const __m256i k__cospi_m25_p07 = pair256_set_epi16(-cospi_25_64, cospi_7_64); const __m256i k__cospi_m09_p23 = pair256_set_epi16(-cospi_9_64, cospi_23_64); const __m256i k__cospi_m17_p15 = pair256_set_epi16(-cospi_17_64, cospi_15_64); const __m256i k__cospi_m01_p31 = pair256_set_epi16(-cospi_1_64, cospi_31_64); const __m256i k__cospi_p27_p05 = pair256_set_epi16(+cospi_27_64, cospi_5_64); const __m256i k__cospi_p11_p21 = pair256_set_epi16(+cospi_11_64, cospi_21_64); const __m256i k__cospi_p19_p13 = pair256_set_epi16(+cospi_19_64, cospi_13_64); const __m256i k__cospi_p03_p29 = pair256_set_epi16(+cospi_3_64, cospi_29_64); const __m256i k__cospi_m29_p03 = pair256_set_epi16(-cospi_29_64, cospi_3_64); const __m256i k__cospi_m13_p19 = pair256_set_epi16(-cospi_13_64, cospi_19_64); const __m256i k__cospi_m21_p11 = pair256_set_epi16(-cospi_21_64, cospi_11_64); const __m256i k__cospi_m05_p27 = pair256_set_epi16(-cospi_5_64, cospi_27_64); const __m256i k__DCT_CONST_ROUNDING = _mm256_set1_epi32(DCT_CONST_ROUNDING); const __m256i kZero = _mm256_setzero_si256(); const __m256i kOne = _mm256_set1_epi16(1); // Do the two transform/transpose passes int pass; for (pass = 0; pass < 2; ++pass) { // We process sixteen columns (transposed rows in second pass) at a time. int column_start; for (column_start = 0; column_start < 32; column_start += 16) { __m256i step1[32]; __m256i step2[32]; __m256i step3[32]; __m256i out[32]; // Stage 1 // Note: even though all the loads below are aligned, using the aligned // intrinsic make the code slightly slower. if (0 == pass) { const int16_t *in = &input[column_start]; // step1[i] = (in[ 0 * stride] + in[(32 - 1) * stride]) << 2; // Note: the next four blocks could be in a loop. That would help the // instruction cache but is actually slower. { const int16_t *ina = in + 0 * str1; const int16_t *inb = in + 31 * str1; __m256i *step1a = &step1[0]; __m256i *step1b = &step1[31]; const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina)); const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1)); const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2)); const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3)); const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3)); const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2)); const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1)); const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb)); step1a[0] = _mm256_add_epi16(ina0, inb0); step1a[1] = _mm256_add_epi16(ina1, inb1); step1a[2] = _mm256_add_epi16(ina2, inb2); step1a[3] = _mm256_add_epi16(ina3, inb3); step1b[-3] = _mm256_sub_epi16(ina3, inb3); step1b[-2] = _mm256_sub_epi16(ina2, inb2); step1b[-1] = _mm256_sub_epi16(ina1, inb1); step1b[-0] = _mm256_sub_epi16(ina0, inb0); step1a[0] = _mm256_slli_epi16(step1a[0], 2); step1a[1] = _mm256_slli_epi16(step1a[1], 2); step1a[2] = _mm256_slli_epi16(step1a[2], 2); step1a[3] = _mm256_slli_epi16(step1a[3], 2); step1b[-3] = _mm256_slli_epi16(step1b[-3], 2); step1b[-2] = _mm256_slli_epi16(step1b[-2], 2); step1b[-1] = _mm256_slli_epi16(step1b[-1], 2); step1b[-0] = _mm256_slli_epi16(step1b[-0], 2); } { const int16_t *ina = in + 4 * str1; const int16_t *inb = in + 27 * str1; __m256i *step1a = &step1[4]; __m256i *step1b = &step1[27]; const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina)); const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1)); const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2)); const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3)); const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3)); const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2)); const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1)); const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb)); step1a[0] = _mm256_add_epi16(ina0, inb0); step1a[1] = _mm256_add_epi16(ina1, inb1); step1a[2] = _mm256_add_epi16(ina2, inb2); step1a[3] = _mm256_add_epi16(ina3, inb3); step1b[-3] = _mm256_sub_epi16(ina3, inb3); step1b[-2] = _mm256_sub_epi16(ina2, inb2); step1b[-1] = _mm256_sub_epi16(ina1, inb1); step1b[-0] = _mm256_sub_epi16(ina0, inb0); step1a[0] = _mm256_slli_epi16(step1a[0], 2); step1a[1] = _mm256_slli_epi16(step1a[1], 2); step1a[2] = _mm256_slli_epi16(step1a[2], 2); step1a[3] = _mm256_slli_epi16(step1a[3], 2); step1b[-3] = _mm256_slli_epi16(step1b[-3], 2); step1b[-2] = _mm256_slli_epi16(step1b[-2], 2); step1b[-1] = _mm256_slli_epi16(step1b[-1], 2); step1b[-0] = _mm256_slli_epi16(step1b[-0], 2); } { const int16_t *ina = in + 8 * str1; const int16_t *inb = in + 23 * str1; __m256i *step1a = &step1[8]; __m256i *step1b = &step1[23]; const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina)); const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1)); const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2)); const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3)); const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3)); const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2)); const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1)); const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb)); step1a[0] = _mm256_add_epi16(ina0, inb0); step1a[1] = _mm256_add_epi16(ina1, inb1); step1a[2] = _mm256_add_epi16(ina2, inb2); step1a[3] = _mm256_add_epi16(ina3, inb3); step1b[-3] = _mm256_sub_epi16(ina3, inb3); step1b[-2] = _mm256_sub_epi16(ina2, inb2); step1b[-1] = _mm256_sub_epi16(ina1, inb1); step1b[-0] = _mm256_sub_epi16(ina0, inb0); step1a[0] = _mm256_slli_epi16(step1a[0], 2); step1a[1] = _mm256_slli_epi16(step1a[1], 2); step1a[2] = _mm256_slli_epi16(step1a[2], 2); step1a[3] = _mm256_slli_epi16(step1a[3], 2); step1b[-3] = _mm256_slli_epi16(step1b[-3], 2); step1b[-2] = _mm256_slli_epi16(step1b[-2], 2); step1b[-1] = _mm256_slli_epi16(step1b[-1], 2); step1b[-0] = _mm256_slli_epi16(step1b[-0], 2); } { const int16_t *ina = in + 12 * str1; const int16_t *inb = in + 19 * str1; __m256i *step1a = &step1[12]; __m256i *step1b = &step1[19]; const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina)); const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1)); const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2)); const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3)); const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3)); const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2)); const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1)); const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb)); step1a[0] = _mm256_add_epi16(ina0, inb0); step1a[1] = _mm256_add_epi16(ina1, inb1); step1a[2] = _mm256_add_epi16(ina2, inb2); step1a[3] = _mm256_add_epi16(ina3, inb3); step1b[-3] = _mm256_sub_epi16(ina3, inb3); step1b[-2] = _mm256_sub_epi16(ina2, inb2); step1b[-1] = _mm256_sub_epi16(ina1, inb1); step1b[-0] = _mm256_sub_epi16(ina0, inb0); step1a[0] = _mm256_slli_epi16(step1a[0], 2); step1a[1] = _mm256_slli_epi16(step1a[1], 2); step1a[2] = _mm256_slli_epi16(step1a[2], 2); step1a[3] = _mm256_slli_epi16(step1a[3], 2); step1b[-3] = _mm256_slli_epi16(step1b[-3], 2); step1b[-2] = _mm256_slli_epi16(step1b[-2], 2); step1b[-1] = _mm256_slli_epi16(step1b[-1], 2); step1b[-0] = _mm256_slli_epi16(step1b[-0], 2); } } else { int16_t *in = &intermediate[column_start]; // step1[i] = in[ 0 * 32] + in[(32 - 1) * 32]; // Note: using the same approach as above to have common offset is // counter-productive as all offsets can be calculated at compile // time. // Note: the next four blocks could be in a loop. That would help the // instruction cache but is actually slower. { __m256i in00 = _mm256_loadu_si256((const __m256i *)(in + 0 * 32)); __m256i in01 = _mm256_loadu_si256((const __m256i *)(in + 1 * 32)); __m256i in02 = _mm256_loadu_si256((const __m256i *)(in + 2 * 32)); __m256i in03 = _mm256_loadu_si256((const __m256i *)(in + 3 * 32)); __m256i in28 = _mm256_loadu_si256((const __m256i *)(in + 28 * 32)); __m256i in29 = _mm256_loadu_si256((const __m256i *)(in + 29 * 32)); __m256i in30 = _mm256_loadu_si256((const __m256i *)(in + 30 * 32)); __m256i in31 = _mm256_loadu_si256((const __m256i *)(in + 31 * 32)); step1[0] = _mm256_add_epi16(in00, in31); step1[1] = _mm256_add_epi16(in01, in30); step1[2] = _mm256_add_epi16(in02, in29); step1[3] = _mm256_add_epi16(in03, in28); step1[28] = _mm256_sub_epi16(in03, in28); step1[29] = _mm256_sub_epi16(in02, in29); step1[30] = _mm256_sub_epi16(in01, in30); step1[31] = _mm256_sub_epi16(in00, in31); } { __m256i in04 = _mm256_loadu_si256((const __m256i *)(in + 4 * 32)); __m256i in05 = _mm256_loadu_si256((const __m256i *)(in + 5 * 32)); __m256i in06 = _mm256_loadu_si256((const __m256i *)(in + 6 * 32)); __m256i in07 = _mm256_loadu_si256((const __m256i *)(in + 7 * 32)); __m256i in24 = _mm256_loadu_si256((const __m256i *)(in + 24 * 32)); __m256i in25 = _mm256_loadu_si256((const __m256i *)(in + 25 * 32)); __m256i in26 = _mm256_loadu_si256((const __m256i *)(in + 26 * 32)); __m256i in27 = _mm256_loadu_si256((const __m256i *)(in + 27 * 32)); step1[4] = _mm256_add_epi16(in04, in27); step1[5] = _mm256_add_epi16(in05, in26); step1[6] = _mm256_add_epi16(in06, in25); step1[7] = _mm256_add_epi16(in07, in24); step1[24] = _mm256_sub_epi16(in07, in24); step1[25] = _mm256_sub_epi16(in06, in25); step1[26] = _mm256_sub_epi16(in05, in26); step1[27] = _mm256_sub_epi16(in04, in27); } { __m256i in08 = _mm256_loadu_si256((const __m256i *)(in + 8 * 32)); __m256i in09 = _mm256_loadu_si256((const __m256i *)(in + 9 * 32)); __m256i in10 = _mm256_loadu_si256((const __m256i *)(in + 10 * 32)); __m256i in11 = _mm256_loadu_si256((const __m256i *)(in + 11 * 32)); __m256i in20 = _mm256_loadu_si256((const __m256i *)(in + 20 * 32)); __m256i in21 = _mm256_loadu_si256((const __m256i *)(in + 21 * 32)); __m256i in22 = _mm256_loadu_si256((const __m256i *)(in + 22 * 32)); __m256i in23 = _mm256_loadu_si256((const __m256i *)(in + 23 * 32)); step1[8] = _mm256_add_epi16(in08, in23); step1[9] = _mm256_add_epi16(in09, in22); step1[10] = _mm256_add_epi16(in10, in21); step1[11] = _mm256_add_epi16(in11, in20); step1[20] = _mm256_sub_epi16(in11, in20); step1[21] = _mm256_sub_epi16(in10, in21); step1[22] = _mm256_sub_epi16(in09, in22); step1[23] = _mm256_sub_epi16(in08, in23); } { __m256i in12 = _mm256_loadu_si256((const __m256i *)(in + 12 * 32)); __m256i in13 = _mm256_loadu_si256((const __m256i *)(in + 13 * 32)); __m256i in14 = _mm256_loadu_si256((const __m256i *)(in + 14 * 32)); __m256i in15 = _mm256_loadu_si256((const __m256i *)(in + 15 * 32)); __m256i in16 = _mm256_loadu_si256((const __m256i *)(in + 16 * 32)); __m256i in17 = _mm256_loadu_si256((const __m256i *)(in + 17 * 32)); __m256i in18 = _mm256_loadu_si256((const __m256i *)(in + 18 * 32)); __m256i in19 = _mm256_loadu_si256((const __m256i *)(in + 19 * 32)); step1[12] = _mm256_add_epi16(in12, in19); step1[13] = _mm256_add_epi16(in13, in18); step1[14] = _mm256_add_epi16(in14, in17); step1[15] = _mm256_add_epi16(in15, in16); step1[16] = _mm256_sub_epi16(in15, in16); step1[17] = _mm256_sub_epi16(in14, in17); step1[18] = _mm256_sub_epi16(in13, in18); step1[19] = _mm256_sub_epi16(in12, in19); } } // Stage 2 { step2[0] = _mm256_add_epi16(step1[0], step1[15]); step2[1] = _mm256_add_epi16(step1[1], step1[14]); step2[2] = _mm256_add_epi16(step1[2], step1[13]); step2[3] = _mm256_add_epi16(step1[3], step1[12]); step2[4] = _mm256_add_epi16(step1[4], step1[11]); step2[5] = _mm256_add_epi16(step1[5], step1[10]); step2[6] = _mm256_add_epi16(step1[6], step1[9]); step2[7] = _mm256_add_epi16(step1[7], step1[8]); step2[8] = _mm256_sub_epi16(step1[7], step1[8]); step2[9] = _mm256_sub_epi16(step1[6], step1[9]); step2[10] = _mm256_sub_epi16(step1[5], step1[10]); step2[11] = _mm256_sub_epi16(step1[4], step1[11]); step2[12] = _mm256_sub_epi16(step1[3], step1[12]); step2[13] = _mm256_sub_epi16(step1[2], step1[13]); step2[14] = _mm256_sub_epi16(step1[1], step1[14]); step2[15] = _mm256_sub_epi16(step1[0], step1[15]); } { const __m256i s2_20_0 = _mm256_unpacklo_epi16(step1[27], step1[20]); const __m256i s2_20_1 = _mm256_unpackhi_epi16(step1[27], step1[20]); const __m256i s2_21_0 = _mm256_unpacklo_epi16(step1[26], step1[21]); const __m256i s2_21_1 = _mm256_unpackhi_epi16(step1[26], step1[21]); const __m256i s2_22_0 = _mm256_unpacklo_epi16(step1[25], step1[22]); const __m256i s2_22_1 = _mm256_unpackhi_epi16(step1[25], step1[22]); const __m256i s2_23_0 = _mm256_unpacklo_epi16(step1[24], step1[23]); const __m256i s2_23_1 = _mm256_unpackhi_epi16(step1[24], step1[23]); const __m256i s2_20_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_m16); const __m256i s2_20_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_m16); const __m256i s2_21_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_m16); const __m256i s2_21_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_m16); const __m256i s2_22_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_m16); const __m256i s2_22_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_m16); const __m256i s2_23_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_m16); const __m256i s2_23_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_m16); const __m256i s2_24_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_p16); const __m256i s2_24_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_p16); const __m256i s2_25_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_p16); const __m256i s2_25_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_p16); const __m256i s2_26_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_p16); const __m256i s2_26_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_p16); const __m256i s2_27_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_p16); const __m256i s2_27_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_p16); // dct_const_round_shift const __m256i s2_20_4 = _mm256_add_epi32(s2_20_2, k__DCT_CONST_ROUNDING); const __m256i s2_20_5 = _mm256_add_epi32(s2_20_3, k__DCT_CONST_ROUNDING); const __m256i s2_21_4 = _mm256_add_epi32(s2_21_2, k__DCT_CONST_ROUNDING); const __m256i s2_21_5 = _mm256_add_epi32(s2_21_3, k__DCT_CONST_ROUNDING); const __m256i s2_22_4 = _mm256_add_epi32(s2_22_2, k__DCT_CONST_ROUNDING); const __m256i s2_22_5 = _mm256_add_epi32(s2_22_3, k__DCT_CONST_ROUNDING); const __m256i s2_23_4 = _mm256_add_epi32(s2_23_2, k__DCT_CONST_ROUNDING); const __m256i s2_23_5 = _mm256_add_epi32(s2_23_3, k__DCT_CONST_ROUNDING); const __m256i s2_24_4 = _mm256_add_epi32(s2_24_2, k__DCT_CONST_ROUNDING); const __m256i s2_24_5 = _mm256_add_epi32(s2_24_3, k__DCT_CONST_ROUNDING); const __m256i s2_25_4 = _mm256_add_epi32(s2_25_2, k__DCT_CONST_ROUNDING); const __m256i s2_25_5 = _mm256_add_epi32(s2_25_3, k__DCT_CONST_ROUNDING); const __m256i s2_26_4 = _mm256_add_epi32(s2_26_2, k__DCT_CONST_ROUNDING); const __m256i s2_26_5 = _mm256_add_epi32(s2_26_3, k__DCT_CONST_ROUNDING); const __m256i s2_27_4 = _mm256_add_epi32(s2_27_2, k__DCT_CONST_ROUNDING); const __m256i s2_27_5 = _mm256_add_epi32(s2_27_3, k__DCT_CONST_ROUNDING); const __m256i s2_20_6 = _mm256_srai_epi32(s2_20_4, DCT_CONST_BITS); const __m256i s2_20_7 = _mm256_srai_epi32(s2_20_5, DCT_CONST_BITS); const __m256i s2_21_6 = _mm256_srai_epi32(s2_21_4, DCT_CONST_BITS); const __m256i s2_21_7 = _mm256_srai_epi32(s2_21_5, DCT_CONST_BITS); const __m256i s2_22_6 = _mm256_srai_epi32(s2_22_4, DCT_CONST_BITS); const __m256i s2_22_7 = _mm256_srai_epi32(s2_22_5, DCT_CONST_BITS); const __m256i s2_23_6 = _mm256_srai_epi32(s2_23_4, DCT_CONST_BITS); const __m256i s2_23_7 = _mm256_srai_epi32(s2_23_5, DCT_CONST_BITS); const __m256i s2_24_6 = _mm256_srai_epi32(s2_24_4, DCT_CONST_BITS); const __m256i s2_24_7 = _mm256_srai_epi32(s2_24_5, DCT_CONST_BITS); const __m256i s2_25_6 = _mm256_srai_epi32(s2_25_4, DCT_CONST_BITS); const __m256i s2_25_7 = _mm256_srai_epi32(s2_25_5, DCT_CONST_BITS); const __m256i s2_26_6 = _mm256_srai_epi32(s2_26_4, DCT_CONST_BITS); const __m256i s2_26_7 = _mm256_srai_epi32(s2_26_5, DCT_CONST_BITS); const __m256i s2_27_6 = _mm256_srai_epi32(s2_27_4, DCT_CONST_BITS); const __m256i s2_27_7 = _mm256_srai_epi32(s2_27_5, DCT_CONST_BITS); // Combine step2[20] = _mm256_packs_epi32(s2_20_6, s2_20_7); step2[21] = _mm256_packs_epi32(s2_21_6, s2_21_7); step2[22] = _mm256_packs_epi32(s2_22_6, s2_22_7); step2[23] = _mm256_packs_epi32(s2_23_6, s2_23_7); step2[24] = _mm256_packs_epi32(s2_24_6, s2_24_7); step2[25] = _mm256_packs_epi32(s2_25_6, s2_25_7); step2[26] = _mm256_packs_epi32(s2_26_6, s2_26_7); step2[27] = _mm256_packs_epi32(s2_27_6, s2_27_7); } #if !FDCT32x32_HIGH_PRECISION // dump the magnitude by half, hence the intermediate values are within // the range of 16 bits. if (1 == pass) { __m256i s3_00_0 = _mm256_cmpgt_epi16(kZero, step2[0]); __m256i s3_01_0 = _mm256_cmpgt_epi16(kZero, step2[1]); __m256i s3_02_0 = _mm256_cmpgt_epi16(kZero, step2[2]); __m256i s3_03_0 = _mm256_cmpgt_epi16(kZero, step2[3]); __m256i s3_04_0 = _mm256_cmpgt_epi16(kZero, step2[4]); __m256i s3_05_0 = _mm256_cmpgt_epi16(kZero, step2[5]); __m256i s3_06_0 = _mm256_cmpgt_epi16(kZero, step2[6]); __m256i s3_07_0 = _mm256_cmpgt_epi16(kZero, step2[7]); __m256i s2_08_0 = _mm256_cmpgt_epi16(kZero, step2[8]); __m256i s2_09_0 = _mm256_cmpgt_epi16(kZero, step2[9]); __m256i s3_10_0 = _mm256_cmpgt_epi16(kZero, step2[10]); __m256i s3_11_0 = _mm256_cmpgt_epi16(kZero, step2[11]); __m256i s3_12_0 = _mm256_cmpgt_epi16(kZero, step2[12]); __m256i s3_13_0 = _mm256_cmpgt_epi16(kZero, step2[13]); __m256i s2_14_0 = _mm256_cmpgt_epi16(kZero, step2[14]); __m256i s2_15_0 = _mm256_cmpgt_epi16(kZero, step2[15]); __m256i s3_16_0 = _mm256_cmpgt_epi16(kZero, step1[16]); __m256i s3_17_0 = _mm256_cmpgt_epi16(kZero, step1[17]); __m256i s3_18_0 = _mm256_cmpgt_epi16(kZero, step1[18]); __m256i s3_19_0 = _mm256_cmpgt_epi16(kZero, step1[19]); __m256i s3_20_0 = _mm256_cmpgt_epi16(kZero, step2[20]); __m256i s3_21_0 = _mm256_cmpgt_epi16(kZero, step2[21]); __m256i s3_22_0 = _mm256_cmpgt_epi16(kZero, step2[22]); __m256i s3_23_0 = _mm256_cmpgt_epi16(kZero, step2[23]); __m256i s3_24_0 = _mm256_cmpgt_epi16(kZero, step2[24]); __m256i s3_25_0 = _mm256_cmpgt_epi16(kZero, step2[25]); __m256i s3_26_0 = _mm256_cmpgt_epi16(kZero, step2[26]); __m256i s3_27_0 = _mm256_cmpgt_epi16(kZero, step2[27]); __m256i s3_28_0 = _mm256_cmpgt_epi16(kZero, step1[28]); __m256i s3_29_0 = _mm256_cmpgt_epi16(kZero, step1[29]); __m256i s3_30_0 = _mm256_cmpgt_epi16(kZero, step1[30]); __m256i s3_31_0 = _mm256_cmpgt_epi16(kZero, step1[31]); step2[0] = _mm256_sub_epi16(step2[0], s3_00_0); step2[1] = _mm256_sub_epi16(step2[1], s3_01_0); step2[2] = _mm256_sub_epi16(step2[2], s3_02_0); step2[3] = _mm256_sub_epi16(step2[3], s3_03_0); step2[4] = _mm256_sub_epi16(step2[4], s3_04_0); step2[5] = _mm256_sub_epi16(step2[5], s3_05_0); step2[6] = _mm256_sub_epi16(step2[6], s3_06_0); step2[7] = _mm256_sub_epi16(step2[7], s3_07_0); step2[8] = _mm256_sub_epi16(step2[8], s2_08_0); step2[9] = _mm256_sub_epi16(step2[9], s2_09_0); step2[10] = _mm256_sub_epi16(step2[10], s3_10_0); step2[11] = _mm256_sub_epi16(step2[11], s3_11_0); step2[12] = _mm256_sub_epi16(step2[12], s3_12_0); step2[13] = _mm256_sub_epi16(step2[13], s3_13_0); step2[14] = _mm256_sub_epi16(step2[14], s2_14_0); step2[15] = _mm256_sub_epi16(step2[15], s2_15_0); step1[16] = _mm256_sub_epi16(step1[16], s3_16_0); step1[17] = _mm256_sub_epi16(step1[17], s3_17_0); step1[18] = _mm256_sub_epi16(step1[18], s3_18_0); step1[19] = _mm256_sub_epi16(step1[19], s3_19_0); step2[20] = _mm256_sub_epi16(step2[20], s3_20_0); step2[21] = _mm256_sub_epi16(step2[21], s3_21_0); step2[22] = _mm256_sub_epi16(step2[22], s3_22_0); step2[23] = _mm256_sub_epi16(step2[23], s3_23_0); step2[24] = _mm256_sub_epi16(step2[24], s3_24_0); step2[25] = _mm256_sub_epi16(step2[25], s3_25_0); step2[26] = _mm256_sub_epi16(step2[26], s3_26_0); step2[27] = _mm256_sub_epi16(step2[27], s3_27_0); step1[28] = _mm256_sub_epi16(step1[28], s3_28_0); step1[29] = _mm256_sub_epi16(step1[29], s3_29_0); step1[30] = _mm256_sub_epi16(step1[30], s3_30_0); step1[31] = _mm256_sub_epi16(step1[31], s3_31_0); step2[0] = _mm256_add_epi16(step2[0], kOne); step2[1] = _mm256_add_epi16(step2[1], kOne); step2[2] = _mm256_add_epi16(step2[2], kOne); step2[3] = _mm256_add_epi16(step2[3], kOne); step2[4] = _mm256_add_epi16(step2[4], kOne); step2[5] = _mm256_add_epi16(step2[5], kOne); step2[6] = _mm256_add_epi16(step2[6], kOne); step2[7] = _mm256_add_epi16(step2[7], kOne); step2[8] = _mm256_add_epi16(step2[8], kOne); step2[9] = _mm256_add_epi16(step2[9], kOne); step2[10] = _mm256_add_epi16(step2[10], kOne); step2[11] = _mm256_add_epi16(step2[11], kOne); step2[12] = _mm256_add_epi16(step2[12], kOne); step2[13] = _mm256_add_epi16(step2[13], kOne); step2[14] = _mm256_add_epi16(step2[14], kOne); step2[15] = _mm256_add_epi16(step2[15], kOne); step1[16] = _mm256_add_epi16(step1[16], kOne); step1[17] = _mm256_add_epi16(step1[17], kOne); step1[18] = _mm256_add_epi16(step1[18], kOne); step1[19] = _mm256_add_epi16(step1[19], kOne); step2[20] = _mm256_add_epi16(step2[20], kOne); step2[21] = _mm256_add_epi16(step2[21], kOne); step2[22] = _mm256_add_epi16(step2[22], kOne); step2[23] = _mm256_add_epi16(step2[23], kOne); step2[24] = _mm256_add_epi16(step2[24], kOne); step2[25] = _mm256_add_epi16(step2[25], kOne); step2[26] = _mm256_add_epi16(step2[26], kOne); step2[27] = _mm256_add_epi16(step2[27], kOne); step1[28] = _mm256_add_epi16(step1[28], kOne); step1[29] = _mm256_add_epi16(step1[29], kOne); step1[30] = _mm256_add_epi16(step1[30], kOne); step1[31] = _mm256_add_epi16(step1[31], kOne); step2[0] = _mm256_srai_epi16(step2[0], 2); step2[1] = _mm256_srai_epi16(step2[1], 2); step2[2] = _mm256_srai_epi16(step2[2], 2); step2[3] = _mm256_srai_epi16(step2[3], 2); step2[4] = _mm256_srai_epi16(step2[4], 2); step2[5] = _mm256_srai_epi16(step2[5], 2); step2[6] = _mm256_srai_epi16(step2[6], 2); step2[7] = _mm256_srai_epi16(step2[7], 2); step2[8] = _mm256_srai_epi16(step2[8], 2); step2[9] = _mm256_srai_epi16(step2[9], 2); step2[10] = _mm256_srai_epi16(step2[10], 2); step2[11] = _mm256_srai_epi16(step2[11], 2); step2[12] = _mm256_srai_epi16(step2[12], 2); step2[13] = _mm256_srai_epi16(step2[13], 2); step2[14] = _mm256_srai_epi16(step2[14], 2); step2[15] = _mm256_srai_epi16(step2[15], 2); step1[16] = _mm256_srai_epi16(step1[16], 2); step1[17] = _mm256_srai_epi16(step1[17], 2); step1[18] = _mm256_srai_epi16(step1[18], 2); step1[19] = _mm256_srai_epi16(step1[19], 2); step2[20] = _mm256_srai_epi16(step2[20], 2); step2[21] = _mm256_srai_epi16(step2[21], 2); step2[22] = _mm256_srai_epi16(step2[22], 2); step2[23] = _mm256_srai_epi16(step2[23], 2); step2[24] = _mm256_srai_epi16(step2[24], 2); step2[25] = _mm256_srai_epi16(step2[25], 2); step2[26] = _mm256_srai_epi16(step2[26], 2); step2[27] = _mm256_srai_epi16(step2[27], 2); step1[28] = _mm256_srai_epi16(step1[28], 2); step1[29] = _mm256_srai_epi16(step1[29], 2); step1[30] = _mm256_srai_epi16(step1[30], 2); step1[31] = _mm256_srai_epi16(step1[31], 2); } #endif #if FDCT32x32_HIGH_PRECISION if (pass == 0) { #endif // Stage 3 { step3[0] = _mm256_add_epi16(step2[(8 - 1)], step2[0]); step3[1] = _mm256_add_epi16(step2[(8 - 2)], step2[1]); step3[2] = _mm256_add_epi16(step2[(8 - 3)], step2[2]); step3[3] = _mm256_add_epi16(step2[(8 - 4)], step2[3]); step3[4] = _mm256_sub_epi16(step2[(8 - 5)], step2[4]); step3[5] = _mm256_sub_epi16(step2[(8 - 6)], step2[5]); step3[6] = _mm256_sub_epi16(step2[(8 - 7)], step2[6]); step3[7] = _mm256_sub_epi16(step2[(8 - 8)], step2[7]); } { const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]); const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]); const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]); const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]); const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16); const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16); const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16); const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16); const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16); const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16); const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16); const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16); // dct_const_round_shift const __m256i s3_10_4 = _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING); const __m256i s3_10_5 = _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING); const __m256i s3_11_4 = _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING); const __m256i s3_11_5 = _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING); const __m256i s3_12_4 = _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING); const __m256i s3_12_5 = _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING); const __m256i s3_13_4 = _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING); const __m256i s3_13_5 = _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING); const __m256i s3_10_6 = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS); const __m256i s3_10_7 = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS); const __m256i s3_11_6 = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS); const __m256i s3_11_7 = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS); const __m256i s3_12_6 = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS); const __m256i s3_12_7 = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS); const __m256i s3_13_6 = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS); const __m256i s3_13_7 = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS); // Combine step3[10] = _mm256_packs_epi32(s3_10_6, s3_10_7); step3[11] = _mm256_packs_epi32(s3_11_6, s3_11_7); step3[12] = _mm256_packs_epi32(s3_12_6, s3_12_7); step3[13] = _mm256_packs_epi32(s3_13_6, s3_13_7); } { step3[16] = _mm256_add_epi16(step2[23], step1[16]); step3[17] = _mm256_add_epi16(step2[22], step1[17]); step3[18] = _mm256_add_epi16(step2[21], step1[18]); step3[19] = _mm256_add_epi16(step2[20], step1[19]); step3[20] = _mm256_sub_epi16(step1[19], step2[20]); step3[21] = _mm256_sub_epi16(step1[18], step2[21]); step3[22] = _mm256_sub_epi16(step1[17], step2[22]); step3[23] = _mm256_sub_epi16(step1[16], step2[23]); step3[24] = _mm256_sub_epi16(step1[31], step2[24]); step3[25] = _mm256_sub_epi16(step1[30], step2[25]); step3[26] = _mm256_sub_epi16(step1[29], step2[26]); step3[27] = _mm256_sub_epi16(step1[28], step2[27]); step3[28] = _mm256_add_epi16(step2[27], step1[28]); step3[29] = _mm256_add_epi16(step2[26], step1[29]); step3[30] = _mm256_add_epi16(step2[25], step1[30]); step3[31] = _mm256_add_epi16(step2[24], step1[31]); } // Stage 4 { step1[0] = _mm256_add_epi16(step3[3], step3[0]); step1[1] = _mm256_add_epi16(step3[2], step3[1]); step1[2] = _mm256_sub_epi16(step3[1], step3[2]); step1[3] = _mm256_sub_epi16(step3[0], step3[3]); step1[8] = _mm256_add_epi16(step3[11], step2[8]); step1[9] = _mm256_add_epi16(step3[10], step2[9]); step1[10] = _mm256_sub_epi16(step2[9], step3[10]); step1[11] = _mm256_sub_epi16(step2[8], step3[11]); step1[12] = _mm256_sub_epi16(step2[15], step3[12]); step1[13] = _mm256_sub_epi16(step2[14], step3[13]); step1[14] = _mm256_add_epi16(step3[13], step2[14]); step1[15] = _mm256_add_epi16(step3[12], step2[15]); } { const __m256i s1_05_0 = _mm256_unpacklo_epi16(step3[6], step3[5]); const __m256i s1_05_1 = _mm256_unpackhi_epi16(step3[6], step3[5]); const __m256i s1_05_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_m16); const __m256i s1_05_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_m16); const __m256i s1_06_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_p16); const __m256i s1_06_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_p16); // dct_const_round_shift const __m256i s1_05_4 = _mm256_add_epi32(s1_05_2, k__DCT_CONST_ROUNDING); const __m256i s1_05_5 = _mm256_add_epi32(s1_05_3, k__DCT_CONST_ROUNDING); const __m256i s1_06_4 = _mm256_add_epi32(s1_06_2, k__DCT_CONST_ROUNDING); const __m256i s1_06_5 = _mm256_add_epi32(s1_06_3, k__DCT_CONST_ROUNDING); const __m256i s1_05_6 = _mm256_srai_epi32(s1_05_4, DCT_CONST_BITS); const __m256i s1_05_7 = _mm256_srai_epi32(s1_05_5, DCT_CONST_BITS); const __m256i s1_06_6 = _mm256_srai_epi32(s1_06_4, DCT_CONST_BITS); const __m256i s1_06_7 = _mm256_srai_epi32(s1_06_5, DCT_CONST_BITS); // Combine step1[5] = _mm256_packs_epi32(s1_05_6, s1_05_7); step1[6] = _mm256_packs_epi32(s1_06_6, s1_06_7); } { const __m256i s1_18_0 = _mm256_unpacklo_epi16(step3[18], step3[29]); const __m256i s1_18_1 = _mm256_unpackhi_epi16(step3[18], step3[29]); const __m256i s1_19_0 = _mm256_unpacklo_epi16(step3[19], step3[28]); const __m256i s1_19_1 = _mm256_unpackhi_epi16(step3[19], step3[28]); const __m256i s1_20_0 = _mm256_unpacklo_epi16(step3[20], step3[27]); const __m256i s1_20_1 = _mm256_unpackhi_epi16(step3[20], step3[27]); const __m256i s1_21_0 = _mm256_unpacklo_epi16(step3[21], step3[26]); const __m256i s1_21_1 = _mm256_unpackhi_epi16(step3[21], step3[26]); const __m256i s1_18_2 = _mm256_madd_epi16(s1_18_0, k__cospi_m08_p24); const __m256i s1_18_3 = _mm256_madd_epi16(s1_18_1, k__cospi_m08_p24); const __m256i s1_19_2 = _mm256_madd_epi16(s1_19_0, k__cospi_m08_p24); const __m256i s1_19_3 = _mm256_madd_epi16(s1_19_1, k__cospi_m08_p24); const __m256i s1_20_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m24_m08); const __m256i s1_20_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m24_m08); const __m256i s1_21_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m24_m08); const __m256i s1_21_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m24_m08); const __m256i s1_26_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m08_p24); const __m256i s1_26_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m08_p24); const __m256i s1_27_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m08_p24); const __m256i s1_27_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m08_p24); const __m256i s1_28_2 = _mm256_madd_epi16(s1_19_0, k__cospi_p24_p08); const __m256i s1_28_3 = _mm256_madd_epi16(s1_19_1, k__cospi_p24_p08); const __m256i s1_29_2 = _mm256_madd_epi16(s1_18_0, k__cospi_p24_p08); const __m256i s1_29_3 = _mm256_madd_epi16(s1_18_1, k__cospi_p24_p08); // dct_const_round_shift const __m256i s1_18_4 = _mm256_add_epi32(s1_18_2, k__DCT_CONST_ROUNDING); const __m256i s1_18_5 = _mm256_add_epi32(s1_18_3, k__DCT_CONST_ROUNDING); const __m256i s1_19_4 = _mm256_add_epi32(s1_19_2, k__DCT_CONST_ROUNDING); const __m256i s1_19_5 = _mm256_add_epi32(s1_19_3, k__DCT_CONST_ROUNDING); const __m256i s1_20_4 = _mm256_add_epi32(s1_20_2, k__DCT_CONST_ROUNDING); const __m256i s1_20_5 = _mm256_add_epi32(s1_20_3, k__DCT_CONST_ROUNDING); const __m256i s1_21_4 = _mm256_add_epi32(s1_21_2, k__DCT_CONST_ROUNDING); const __m256i s1_21_5 = _mm256_add_epi32(s1_21_3, k__DCT_CONST_ROUNDING); const __m256i s1_26_4 = _mm256_add_epi32(s1_26_2, k__DCT_CONST_ROUNDING); const __m256i s1_26_5 = _mm256_add_epi32(s1_26_3, k__DCT_CONST_ROUNDING); const __m256i s1_27_4 = _mm256_add_epi32(s1_27_2, k__DCT_CONST_ROUNDING); const __m256i s1_27_5 = _mm256_add_epi32(s1_27_3, k__DCT_CONST_ROUNDING); const __m256i s1_28_4 = _mm256_add_epi32(s1_28_2, k__DCT_CONST_ROUNDING); const __m256i s1_28_5 = _mm256_add_epi32(s1_28_3, k__DCT_CONST_ROUNDING); const __m256i s1_29_4 = _mm256_add_epi32(s1_29_2, k__DCT_CONST_ROUNDING); const __m256i s1_29_5 = _mm256_add_epi32(s1_29_3, k__DCT_CONST_ROUNDING); const __m256i s1_18_6 = _mm256_srai_epi32(s1_18_4, DCT_CONST_BITS); const __m256i s1_18_7 = _mm256_srai_epi32(s1_18_5, DCT_CONST_BITS); const __m256i s1_19_6 = _mm256_srai_epi32(s1_19_4, DCT_CONST_BITS); const __m256i s1_19_7 = _mm256_srai_epi32(s1_19_5, DCT_CONST_BITS); const __m256i s1_20_6 = _mm256_srai_epi32(s1_20_4, DCT_CONST_BITS); const __m256i s1_20_7 = _mm256_srai_epi32(s1_20_5, DCT_CONST_BITS); const __m256i s1_21_6 = _mm256_srai_epi32(s1_21_4, DCT_CONST_BITS); const __m256i s1_21_7 = _mm256_srai_epi32(s1_21_5, DCT_CONST_BITS); const __m256i s1_26_6 = _mm256_srai_epi32(s1_26_4, DCT_CONST_BITS); const __m256i s1_26_7 = _mm256_srai_epi32(s1_26_5, DCT_CONST_BITS); const __m256i s1_27_6 = _mm256_srai_epi32(s1_27_4, DCT_CONST_BITS); const __m256i s1_27_7 = _mm256_srai_epi32(s1_27_5, DCT_CONST_BITS); const __m256i s1_28_6 = _mm256_srai_epi32(s1_28_4, DCT_CONST_BITS); const __m256i s1_28_7 = _mm256_srai_epi32(s1_28_5, DCT_CONST_BITS); const __m256i s1_29_6 = _mm256_srai_epi32(s1_29_4, DCT_CONST_BITS); const __m256i s1_29_7 = _mm256_srai_epi32(s1_29_5, DCT_CONST_BITS); // Combine step1[18] = _mm256_packs_epi32(s1_18_6, s1_18_7); step1[19] = _mm256_packs_epi32(s1_19_6, s1_19_7); step1[20] = _mm256_packs_epi32(s1_20_6, s1_20_7); step1[21] = _mm256_packs_epi32(s1_21_6, s1_21_7); step1[26] = _mm256_packs_epi32(s1_26_6, s1_26_7); step1[27] = _mm256_packs_epi32(s1_27_6, s1_27_7); step1[28] = _mm256_packs_epi32(s1_28_6, s1_28_7); step1[29] = _mm256_packs_epi32(s1_29_6, s1_29_7); } // Stage 5 { step2[4] = _mm256_add_epi16(step1[5], step3[4]); step2[5] = _mm256_sub_epi16(step3[4], step1[5]); step2[6] = _mm256_sub_epi16(step3[7], step1[6]); step2[7] = _mm256_add_epi16(step1[6], step3[7]); } { const __m256i out_00_0 = _mm256_unpacklo_epi16(step1[0], step1[1]); const __m256i out_00_1 = _mm256_unpackhi_epi16(step1[0], step1[1]); const __m256i out_08_0 = _mm256_unpacklo_epi16(step1[2], step1[3]); const __m256i out_08_1 = _mm256_unpackhi_epi16(step1[2], step1[3]); const __m256i out_00_2 = _mm256_madd_epi16(out_00_0, k__cospi_p16_p16); const __m256i out_00_3 = _mm256_madd_epi16(out_00_1, k__cospi_p16_p16); const __m256i out_16_2 = _mm256_madd_epi16(out_00_0, k__cospi_p16_m16); const __m256i out_16_3 = _mm256_madd_epi16(out_00_1, k__cospi_p16_m16); const __m256i out_08_2 = _mm256_madd_epi16(out_08_0, k__cospi_p24_p08); const __m256i out_08_3 = _mm256_madd_epi16(out_08_1, k__cospi_p24_p08); const __m256i out_24_2 = _mm256_madd_epi16(out_08_0, k__cospi_m08_p24); const __m256i out_24_3 = _mm256_madd_epi16(out_08_1, k__cospi_m08_p24); // dct_const_round_shift const __m256i out_00_4 = _mm256_add_epi32(out_00_2, k__DCT_CONST_ROUNDING); const __m256i out_00_5 = _mm256_add_epi32(out_00_3, k__DCT_CONST_ROUNDING); const __m256i out_16_4 = _mm256_add_epi32(out_16_2, k__DCT_CONST_ROUNDING); const __m256i out_16_5 = _mm256_add_epi32(out_16_3, k__DCT_CONST_ROUNDING); const __m256i out_08_4 = _mm256_add_epi32(out_08_2, k__DCT_CONST_ROUNDING); const __m256i out_08_5 = _mm256_add_epi32(out_08_3, k__DCT_CONST_ROUNDING); const __m256i out_24_4 = _mm256_add_epi32(out_24_2, k__DCT_CONST_ROUNDING); const __m256i out_24_5 = _mm256_add_epi32(out_24_3, k__DCT_CONST_ROUNDING); const __m256i out_00_6 = _mm256_srai_epi32(out_00_4, DCT_CONST_BITS); const __m256i out_00_7 = _mm256_srai_epi32(out_00_5, DCT_CONST_BITS); const __m256i out_16_6 = _mm256_srai_epi32(out_16_4, DCT_CONST_BITS); const __m256i out_16_7 = _mm256_srai_epi32(out_16_5, DCT_CONST_BITS); const __m256i out_08_6 = _mm256_srai_epi32(out_08_4, DCT_CONST_BITS); const __m256i out_08_7 = _mm256_srai_epi32(out_08_5, DCT_CONST_BITS); const __m256i out_24_6 = _mm256_srai_epi32(out_24_4, DCT_CONST_BITS); const __m256i out_24_7 = _mm256_srai_epi32(out_24_5, DCT_CONST_BITS); // Combine out[0] = _mm256_packs_epi32(out_00_6, out_00_7); out[16] = _mm256_packs_epi32(out_16_6, out_16_7); out[8] = _mm256_packs_epi32(out_08_6, out_08_7); out[24] = _mm256_packs_epi32(out_24_6, out_24_7); } { const __m256i s2_09_0 = _mm256_unpacklo_epi16(step1[9], step1[14]); const __m256i s2_09_1 = _mm256_unpackhi_epi16(step1[9], step1[14]); const __m256i s2_10_0 = _mm256_unpacklo_epi16(step1[10], step1[13]); const __m256i s2_10_1 = _mm256_unpackhi_epi16(step1[10], step1[13]); const __m256i s2_09_2 = _mm256_madd_epi16(s2_09_0, k__cospi_m08_p24); const __m256i s2_09_3 = _mm256_madd_epi16(s2_09_1, k__cospi_m08_p24); const __m256i s2_10_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m24_m08); const __m256i s2_10_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m24_m08); const __m256i s2_13_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m08_p24); const __m256i s2_13_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m08_p24); const __m256i s2_14_2 = _mm256_madd_epi16(s2_09_0, k__cospi_p24_p08); const __m256i s2_14_3 = _mm256_madd_epi16(s2_09_1, k__cospi_p24_p08); // dct_const_round_shift const __m256i s2_09_4 = _mm256_add_epi32(s2_09_2, k__DCT_CONST_ROUNDING); const __m256i s2_09_5 = _mm256_add_epi32(s2_09_3, k__DCT_CONST_ROUNDING); const __m256i s2_10_4 = _mm256_add_epi32(s2_10_2, k__DCT_CONST_ROUNDING); const __m256i s2_10_5 = _mm256_add_epi32(s2_10_3, k__DCT_CONST_ROUNDING); const __m256i s2_13_4 = _mm256_add_epi32(s2_13_2, k__DCT_CONST_ROUNDING); const __m256i s2_13_5 = _mm256_add_epi32(s2_13_3, k__DCT_CONST_ROUNDING); const __m256i s2_14_4 = _mm256_add_epi32(s2_14_2, k__DCT_CONST_ROUNDING); const __m256i s2_14_5 = _mm256_add_epi32(s2_14_3, k__DCT_CONST_ROUNDING); const __m256i s2_09_6 = _mm256_srai_epi32(s2_09_4, DCT_CONST_BITS); const __m256i s2_09_7 = _mm256_srai_epi32(s2_09_5, DCT_CONST_BITS); const __m256i s2_10_6 = _mm256_srai_epi32(s2_10_4, DCT_CONST_BITS); const __m256i s2_10_7 = _mm256_srai_epi32(s2_10_5, DCT_CONST_BITS); const __m256i s2_13_6 = _mm256_srai_epi32(s2_13_4, DCT_CONST_BITS); const __m256i s2_13_7 = _mm256_srai_epi32(s2_13_5, DCT_CONST_BITS); const __m256i s2_14_6 = _mm256_srai_epi32(s2_14_4, DCT_CONST_BITS); const __m256i s2_14_7 = _mm256_srai_epi32(s2_14_5, DCT_CONST_BITS); // Combine step2[9] = _mm256_packs_epi32(s2_09_6, s2_09_7); step2[10] = _mm256_packs_epi32(s2_10_6, s2_10_7); step2[13] = _mm256_packs_epi32(s2_13_6, s2_13_7); step2[14] = _mm256_packs_epi32(s2_14_6, s2_14_7); } { step2[16] = _mm256_add_epi16(step1[19], step3[16]); step2[17] = _mm256_add_epi16(step1[18], step3[17]); step2[18] = _mm256_sub_epi16(step3[17], step1[18]); step2[19] = _mm256_sub_epi16(step3[16], step1[19]); step2[20] = _mm256_sub_epi16(step3[23], step1[20]); step2[21] = _mm256_sub_epi16(step3[22], step1[21]); step2[22] = _mm256_add_epi16(step1[21], step3[22]); step2[23] = _mm256_add_epi16(step1[20], step3[23]); step2[24] = _mm256_add_epi16(step1[27], step3[24]); step2[25] = _mm256_add_epi16(step1[26], step3[25]); step2[26] = _mm256_sub_epi16(step3[25], step1[26]); step2[27] = _mm256_sub_epi16(step3[24], step1[27]); step2[28] = _mm256_sub_epi16(step3[31], step1[28]); step2[29] = _mm256_sub_epi16(step3[30], step1[29]); step2[30] = _mm256_add_epi16(step1[29], step3[30]); step2[31] = _mm256_add_epi16(step1[28], step3[31]); } // Stage 6 { const __m256i out_04_0 = _mm256_unpacklo_epi16(step2[4], step2[7]); const __m256i out_04_1 = _mm256_unpackhi_epi16(step2[4], step2[7]); const __m256i out_20_0 = _mm256_unpacklo_epi16(step2[5], step2[6]); const __m256i out_20_1 = _mm256_unpackhi_epi16(step2[5], step2[6]); const __m256i out_12_0 = _mm256_unpacklo_epi16(step2[5], step2[6]); const __m256i out_12_1 = _mm256_unpackhi_epi16(step2[5], step2[6]); const __m256i out_28_0 = _mm256_unpacklo_epi16(step2[4], step2[7]); const __m256i out_28_1 = _mm256_unpackhi_epi16(step2[4], step2[7]); const __m256i out_04_2 = _mm256_madd_epi16(out_04_0, k__cospi_p28_p04); const __m256i out_04_3 = _mm256_madd_epi16(out_04_1, k__cospi_p28_p04); const __m256i out_20_2 = _mm256_madd_epi16(out_20_0, k__cospi_p12_p20); const __m256i out_20_3 = _mm256_madd_epi16(out_20_1, k__cospi_p12_p20); const __m256i out_12_2 = _mm256_madd_epi16(out_12_0, k__cospi_m20_p12); const __m256i out_12_3 = _mm256_madd_epi16(out_12_1, k__cospi_m20_p12); const __m256i out_28_2 = _mm256_madd_epi16(out_28_0, k__cospi_m04_p28); const __m256i out_28_3 = _mm256_madd_epi16(out_28_1, k__cospi_m04_p28); // dct_const_round_shift const __m256i out_04_4 = _mm256_add_epi32(out_04_2, k__DCT_CONST_ROUNDING); const __m256i out_04_5 = _mm256_add_epi32(out_04_3, k__DCT_CONST_ROUNDING); const __m256i out_20_4 = _mm256_add_epi32(out_20_2, k__DCT_CONST_ROUNDING); const __m256i out_20_5 = _mm256_add_epi32(out_20_3, k__DCT_CONST_ROUNDING); const __m256i out_12_4 = _mm256_add_epi32(out_12_2, k__DCT_CONST_ROUNDING); const __m256i out_12_5 = _mm256_add_epi32(out_12_3, k__DCT_CONST_ROUNDING); const __m256i out_28_4 = _mm256_add_epi32(out_28_2, k__DCT_CONST_ROUNDING); const __m256i out_28_5 = _mm256_add_epi32(out_28_3, k__DCT_CONST_ROUNDING); const __m256i out_04_6 = _mm256_srai_epi32(out_04_4, DCT_CONST_BITS); const __m256i out_04_7 = _mm256_srai_epi32(out_04_5, DCT_CONST_BITS); const __m256i out_20_6 = _mm256_srai_epi32(out_20_4, DCT_CONST_BITS); const __m256i out_20_7 = _mm256_srai_epi32(out_20_5, DCT_CONST_BITS); const __m256i out_12_6 = _mm256_srai_epi32(out_12_4, DCT_CONST_BITS); const __m256i out_12_7 = _mm256_srai_epi32(out_12_5, DCT_CONST_BITS); const __m256i out_28_6 = _mm256_srai_epi32(out_28_4, DCT_CONST_BITS); const __m256i out_28_7 = _mm256_srai_epi32(out_28_5, DCT_CONST_BITS); // Combine out[4] = _mm256_packs_epi32(out_04_6, out_04_7); out[20] = _mm256_packs_epi32(out_20_6, out_20_7); out[12] = _mm256_packs_epi32(out_12_6, out_12_7); out[28] = _mm256_packs_epi32(out_28_6, out_28_7); } { step3[8] = _mm256_add_epi16(step2[9], step1[8]); step3[9] = _mm256_sub_epi16(step1[8], step2[9]); step3[10] = _mm256_sub_epi16(step1[11], step2[10]); step3[11] = _mm256_add_epi16(step2[10], step1[11]); step3[12] = _mm256_add_epi16(step2[13], step1[12]); step3[13] = _mm256_sub_epi16(step1[12], step2[13]); step3[14] = _mm256_sub_epi16(step1[15], step2[14]); step3[15] = _mm256_add_epi16(step2[14], step1[15]); } { const __m256i s3_17_0 = _mm256_unpacklo_epi16(step2[17], step2[30]); const __m256i s3_17_1 = _mm256_unpackhi_epi16(step2[17], step2[30]); const __m256i s3_18_0 = _mm256_unpacklo_epi16(step2[18], step2[29]); const __m256i s3_18_1 = _mm256_unpackhi_epi16(step2[18], step2[29]); const __m256i s3_21_0 = _mm256_unpacklo_epi16(step2[21], step2[26]); const __m256i s3_21_1 = _mm256_unpackhi_epi16(step2[21], step2[26]); const __m256i s3_22_0 = _mm256_unpacklo_epi16(step2[22], step2[25]); const __m256i s3_22_1 = _mm256_unpackhi_epi16(step2[22], step2[25]); const __m256i s3_17_2 = _mm256_madd_epi16(s3_17_0, k__cospi_m04_p28); const __m256i s3_17_3 = _mm256_madd_epi16(s3_17_1, k__cospi_m04_p28); const __m256i s3_18_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m28_m04); const __m256i s3_18_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m28_m04); const __m256i s3_21_2 = _mm256_madd_epi16(s3_21_0, k__cospi_m20_p12); const __m256i s3_21_3 = _mm256_madd_epi16(s3_21_1, k__cospi_m20_p12); const __m256i s3_22_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m12_m20); const __m256i s3_22_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m12_m20); const __m256i s3_25_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m20_p12); const __m256i s3_25_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m20_p12); const __m256i s3_26_2 = _mm256_madd_epi16(s3_21_0, k__cospi_p12_p20); const __m256i s3_26_3 = _mm256_madd_epi16(s3_21_1, k__cospi_p12_p20); const __m256i s3_29_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m04_p28); const __m256i s3_29_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m04_p28); const __m256i s3_30_2 = _mm256_madd_epi16(s3_17_0, k__cospi_p28_p04); const __m256i s3_30_3 = _mm256_madd_epi16(s3_17_1, k__cospi_p28_p04); // dct_const_round_shift const __m256i s3_17_4 = _mm256_add_epi32(s3_17_2, k__DCT_CONST_ROUNDING); const __m256i s3_17_5 = _mm256_add_epi32(s3_17_3, k__DCT_CONST_ROUNDING); const __m256i s3_18_4 = _mm256_add_epi32(s3_18_2, k__DCT_CONST_ROUNDING); const __m256i s3_18_5 = _mm256_add_epi32(s3_18_3, k__DCT_CONST_ROUNDING); const __m256i s3_21_4 = _mm256_add_epi32(s3_21_2, k__DCT_CONST_ROUNDING); const __m256i s3_21_5 = _mm256_add_epi32(s3_21_3, k__DCT_CONST_ROUNDING); const __m256i s3_22_4 = _mm256_add_epi32(s3_22_2, k__DCT_CONST_ROUNDING); const __m256i s3_22_5 = _mm256_add_epi32(s3_22_3, k__DCT_CONST_ROUNDING); const __m256i s3_17_6 = _mm256_srai_epi32(s3_17_4, DCT_CONST_BITS); const __m256i s3_17_7 = _mm256_srai_epi32(s3_17_5, DCT_CONST_BITS); const __m256i s3_18_6 = _mm256_srai_epi32(s3_18_4, DCT_CONST_BITS); const __m256i s3_18_7 = _mm256_srai_epi32(s3_18_5, DCT_CONST_BITS); const __m256i s3_21_6 = _mm256_srai_epi32(s3_21_4, DCT_CONST_BITS); const __m256i s3_21_7 = _mm256_srai_epi32(s3_21_5, DCT_CONST_BITS); const __m256i s3_22_6 = _mm256_srai_epi32(s3_22_4, DCT_CONST_BITS); const __m256i s3_22_7 = _mm256_srai_epi32(s3_22_5, DCT_CONST_BITS); const __m256i s3_25_4 = _mm256_add_epi32(s3_25_2, k__DCT_CONST_ROUNDING); const __m256i s3_25_5 = _mm256_add_epi32(s3_25_3, k__DCT_CONST_ROUNDING); const __m256i s3_26_4 = _mm256_add_epi32(s3_26_2, k__DCT_CONST_ROUNDING); const __m256i s3_26_5 = _mm256_add_epi32(s3_26_3, k__DCT_CONST_ROUNDING); const __m256i s3_29_4 = _mm256_add_epi32(s3_29_2, k__DCT_CONST_ROUNDING); const __m256i s3_29_5 = _mm256_add_epi32(s3_29_3, k__DCT_CONST_ROUNDING); const __m256i s3_30_4 = _mm256_add_epi32(s3_30_2, k__DCT_CONST_ROUNDING); const __m256i s3_30_5 = _mm256_add_epi32(s3_30_3, k__DCT_CONST_ROUNDING); const __m256i s3_25_6 = _mm256_srai_epi32(s3_25_4, DCT_CONST_BITS); const __m256i s3_25_7 = _mm256_srai_epi32(s3_25_5, DCT_CONST_BITS); const __m256i s3_26_6 = _mm256_srai_epi32(s3_26_4, DCT_CONST_BITS); const __m256i s3_26_7 = _mm256_srai_epi32(s3_26_5, DCT_CONST_BITS); const __m256i s3_29_6 = _mm256_srai_epi32(s3_29_4, DCT_CONST_BITS); const __m256i s3_29_7 = _mm256_srai_epi32(s3_29_5, DCT_CONST_BITS); const __m256i s3_30_6 = _mm256_srai_epi32(s3_30_4, DCT_CONST_BITS); const __m256i s3_30_7 = _mm256_srai_epi32(s3_30_5, DCT_CONST_BITS); // Combine step3[17] = _mm256_packs_epi32(s3_17_6, s3_17_7); step3[18] = _mm256_packs_epi32(s3_18_6, s3_18_7); step3[21] = _mm256_packs_epi32(s3_21_6, s3_21_7); step3[22] = _mm256_packs_epi32(s3_22_6, s3_22_7); // Combine step3[25] = _mm256_packs_epi32(s3_25_6, s3_25_7); step3[26] = _mm256_packs_epi32(s3_26_6, s3_26_7); step3[29] = _mm256_packs_epi32(s3_29_6, s3_29_7); step3[30] = _mm256_packs_epi32(s3_30_6, s3_30_7); } // Stage 7 { const __m256i out_02_0 = _mm256_unpacklo_epi16(step3[8], step3[15]); const __m256i out_02_1 = _mm256_unpackhi_epi16(step3[8], step3[15]); const __m256i out_18_0 = _mm256_unpacklo_epi16(step3[9], step3[14]); const __m256i out_18_1 = _mm256_unpackhi_epi16(step3[9], step3[14]); const __m256i out_10_0 = _mm256_unpacklo_epi16(step3[10], step3[13]); const __m256i out_10_1 = _mm256_unpackhi_epi16(step3[10], step3[13]); const __m256i out_26_0 = _mm256_unpacklo_epi16(step3[11], step3[12]); const __m256i out_26_1 = _mm256_unpackhi_epi16(step3[11], step3[12]); const __m256i out_02_2 = _mm256_madd_epi16(out_02_0, k__cospi_p30_p02); const __m256i out_02_3 = _mm256_madd_epi16(out_02_1, k__cospi_p30_p02); const __m256i out_18_2 = _mm256_madd_epi16(out_18_0, k__cospi_p14_p18); const __m256i out_18_3 = _mm256_madd_epi16(out_18_1, k__cospi_p14_p18); const __m256i out_10_2 = _mm256_madd_epi16(out_10_0, k__cospi_p22_p10); const __m256i out_10_3 = _mm256_madd_epi16(out_10_1, k__cospi_p22_p10); const __m256i out_26_2 = _mm256_madd_epi16(out_26_0, k__cospi_p06_p26); const __m256i out_26_3 = _mm256_madd_epi16(out_26_1, k__cospi_p06_p26); const __m256i out_06_2 = _mm256_madd_epi16(out_26_0, k__cospi_m26_p06); const __m256i out_06_3 = _mm256_madd_epi16(out_26_1, k__cospi_m26_p06); const __m256i out_22_2 = _mm256_madd_epi16(out_10_0, k__cospi_m10_p22); const __m256i out_22_3 = _mm256_madd_epi16(out_10_1, k__cospi_m10_p22); const __m256i out_14_2 = _mm256_madd_epi16(out_18_0, k__cospi_m18_p14); const __m256i out_14_3 = _mm256_madd_epi16(out_18_1, k__cospi_m18_p14); const __m256i out_30_2 = _mm256_madd_epi16(out_02_0, k__cospi_m02_p30); const __m256i out_30_3 = _mm256_madd_epi16(out_02_1, k__cospi_m02_p30); // dct_const_round_shift const __m256i out_02_4 = _mm256_add_epi32(out_02_2, k__DCT_CONST_ROUNDING); const __m256i out_02_5 = _mm256_add_epi32(out_02_3, k__DCT_CONST_ROUNDING); const __m256i out_18_4 = _mm256_add_epi32(out_18_2, k__DCT_CONST_ROUNDING); const __m256i out_18_5 = _mm256_add_epi32(out_18_3, k__DCT_CONST_ROUNDING); const __m256i out_10_4 = _mm256_add_epi32(out_10_2, k__DCT_CONST_ROUNDING); const __m256i out_10_5 = _mm256_add_epi32(out_10_3, k__DCT_CONST_ROUNDING); const __m256i out_26_4 = _mm256_add_epi32(out_26_2, k__DCT_CONST_ROUNDING); const __m256i out_26_5 = _mm256_add_epi32(out_26_3, k__DCT_CONST_ROUNDING); const __m256i out_06_4 = _mm256_add_epi32(out_06_2, k__DCT_CONST_ROUNDING); const __m256i out_06_5 = _mm256_add_epi32(out_06_3, k__DCT_CONST_ROUNDING); const __m256i out_22_4 = _mm256_add_epi32(out_22_2, k__DCT_CONST_ROUNDING); const __m256i out_22_5 = _mm256_add_epi32(out_22_3, k__DCT_CONST_ROUNDING); const __m256i out_14_4 = _mm256_add_epi32(out_14_2, k__DCT_CONST_ROUNDING); const __m256i out_14_5 = _mm256_add_epi32(out_14_3, k__DCT_CONST_ROUNDING); const __m256i out_30_4 = _mm256_add_epi32(out_30_2, k__DCT_CONST_ROUNDING); const __m256i out_30_5 = _mm256_add_epi32(out_30_3, k__DCT_CONST_ROUNDING); const __m256i out_02_6 = _mm256_srai_epi32(out_02_4, DCT_CONST_BITS); const __m256i out_02_7 = _mm256_srai_epi32(out_02_5, DCT_CONST_BITS); const __m256i out_18_6 = _mm256_srai_epi32(out_18_4, DCT_CONST_BITS); const __m256i out_18_7 = _mm256_srai_epi32(out_18_5, DCT_CONST_BITS); const __m256i out_10_6 = _mm256_srai_epi32(out_10_4, DCT_CONST_BITS); const __m256i out_10_7 = _mm256_srai_epi32(out_10_5, DCT_CONST_BITS); const __m256i out_26_6 = _mm256_srai_epi32(out_26_4, DCT_CONST_BITS); const __m256i out_26_7 = _mm256_srai_epi32(out_26_5, DCT_CONST_BITS); const __m256i out_06_6 = _mm256_srai_epi32(out_06_4, DCT_CONST_BITS); const __m256i out_06_7 = _mm256_srai_epi32(out_06_5, DCT_CONST_BITS); const __m256i out_22_6 = _mm256_srai_epi32(out_22_4, DCT_CONST_BITS); const __m256i out_22_7 = _mm256_srai_epi32(out_22_5, DCT_CONST_BITS); const __m256i out_14_6 = _mm256_srai_epi32(out_14_4, DCT_CONST_BITS); const __m256i out_14_7 = _mm256_srai_epi32(out_14_5, DCT_CONST_BITS); const __m256i out_30_6 = _mm256_srai_epi32(out_30_4, DCT_CONST_BITS); const __m256i out_30_7 = _mm256_srai_epi32(out_30_5, DCT_CONST_BITS); // Combine out[2] = _mm256_packs_epi32(out_02_6, out_02_7); out[18] = _mm256_packs_epi32(out_18_6, out_18_7); out[10] = _mm256_packs_epi32(out_10_6, out_10_7); out[26] = _mm256_packs_epi32(out_26_6, out_26_7); out[6] = _mm256_packs_epi32(out_06_6, out_06_7); out[22] = _mm256_packs_epi32(out_22_6, out_22_7); out[14] = _mm256_packs_epi32(out_14_6, out_14_7); out[30] = _mm256_packs_epi32(out_30_6, out_30_7); } { step1[16] = _mm256_add_epi16(step3[17], step2[16]); step1[17] = _mm256_sub_epi16(step2[16], step3[17]); step1[18] = _mm256_sub_epi16(step2[19], step3[18]); step1[19] = _mm256_add_epi16(step3[18], step2[19]); step1[20] = _mm256_add_epi16(step3[21], step2[20]); step1[21] = _mm256_sub_epi16(step2[20], step3[21]); step1[22] = _mm256_sub_epi16(step2[23], step3[22]); step1[23] = _mm256_add_epi16(step3[22], step2[23]); step1[24] = _mm256_add_epi16(step3[25], step2[24]); step1[25] = _mm256_sub_epi16(step2[24], step3[25]); step1[26] = _mm256_sub_epi16(step2[27], step3[26]); step1[27] = _mm256_add_epi16(step3[26], step2[27]); step1[28] = _mm256_add_epi16(step3[29], step2[28]); step1[29] = _mm256_sub_epi16(step2[28], step3[29]); step1[30] = _mm256_sub_epi16(step2[31], step3[30]); step1[31] = _mm256_add_epi16(step3[30], step2[31]); } // Final stage --- outputs indices are bit-reversed. { const __m256i out_01_0 = _mm256_unpacklo_epi16(step1[16], step1[31]); const __m256i out_01_1 = _mm256_unpackhi_epi16(step1[16], step1[31]); const __m256i out_17_0 = _mm256_unpacklo_epi16(step1[17], step1[30]); const __m256i out_17_1 = _mm256_unpackhi_epi16(step1[17], step1[30]); const __m256i out_09_0 = _mm256_unpacklo_epi16(step1[18], step1[29]); const __m256i out_09_1 = _mm256_unpackhi_epi16(step1[18], step1[29]); const __m256i out_25_0 = _mm256_unpacklo_epi16(step1[19], step1[28]); const __m256i out_25_1 = _mm256_unpackhi_epi16(step1[19], step1[28]); const __m256i out_01_2 = _mm256_madd_epi16(out_01_0, k__cospi_p31_p01); const __m256i out_01_3 = _mm256_madd_epi16(out_01_1, k__cospi_p31_p01); const __m256i out_17_2 = _mm256_madd_epi16(out_17_0, k__cospi_p15_p17); const __m256i out_17_3 = _mm256_madd_epi16(out_17_1, k__cospi_p15_p17); const __m256i out_09_2 = _mm256_madd_epi16(out_09_0, k__cospi_p23_p09); const __m256i out_09_3 = _mm256_madd_epi16(out_09_1, k__cospi_p23_p09); const __m256i out_25_2 = _mm256_madd_epi16(out_25_0, k__cospi_p07_p25); const __m256i out_25_3 = _mm256_madd_epi16(out_25_1, k__cospi_p07_p25); const __m256i out_07_2 = _mm256_madd_epi16(out_25_0, k__cospi_m25_p07); const __m256i out_07_3 = _mm256_madd_epi16(out_25_1, k__cospi_m25_p07); const __m256i out_23_2 = _mm256_madd_epi16(out_09_0, k__cospi_m09_p23); const __m256i out_23_3 = _mm256_madd_epi16(out_09_1, k__cospi_m09_p23); const __m256i out_15_2 = _mm256_madd_epi16(out_17_0, k__cospi_m17_p15); const __m256i out_15_3 = _mm256_madd_epi16(out_17_1, k__cospi_m17_p15); const __m256i out_31_2 = _mm256_madd_epi16(out_01_0, k__cospi_m01_p31); const __m256i out_31_3 = _mm256_madd_epi16(out_01_1, k__cospi_m01_p31); // dct_const_round_shift const __m256i out_01_4 = _mm256_add_epi32(out_01_2, k__DCT_CONST_ROUNDING); const __m256i out_01_5 = _mm256_add_epi32(out_01_3, k__DCT_CONST_ROUNDING); const __m256i out_17_4 = _mm256_add_epi32(out_17_2, k__DCT_CONST_ROUNDING); const __m256i out_17_5 = _mm256_add_epi32(out_17_3, k__DCT_CONST_ROUNDING); const __m256i out_09_4 = _mm256_add_epi32(out_09_2, k__DCT_CONST_ROUNDING); const __m256i out_09_5 = _mm256_add_epi32(out_09_3, k__DCT_CONST_ROUNDING); const __m256i out_25_4 = _mm256_add_epi32(out_25_2, k__DCT_CONST_ROUNDING); const __m256i out_25_5 = _mm256_add_epi32(out_25_3, k__DCT_CONST_ROUNDING); const __m256i out_07_4 = _mm256_add_epi32(out_07_2, k__DCT_CONST_ROUNDING); const __m256i out_07_5 = _mm256_add_epi32(out_07_3, k__DCT_CONST_ROUNDING); const __m256i out_23_4 = _mm256_add_epi32(out_23_2, k__DCT_CONST_ROUNDING); const __m256i out_23_5 = _mm256_add_epi32(out_23_3, k__DCT_CONST_ROUNDING); const __m256i out_15_4 = _mm256_add_epi32(out_15_2, k__DCT_CONST_ROUNDING); const __m256i out_15_5 = _mm256_add_epi32(out_15_3, k__DCT_CONST_ROUNDING); const __m256i out_31_4 = _mm256_add_epi32(out_31_2, k__DCT_CONST_ROUNDING); const __m256i out_31_5 = _mm256_add_epi32(out_31_3, k__DCT_CONST_ROUNDING); const __m256i out_01_6 = _mm256_srai_epi32(out_01_4, DCT_CONST_BITS); const __m256i out_01_7 = _mm256_srai_epi32(out_01_5, DCT_CONST_BITS); const __m256i out_17_6 = _mm256_srai_epi32(out_17_4, DCT_CONST_BITS); const __m256i out_17_7 = _mm256_srai_epi32(out_17_5, DCT_CONST_BITS); const __m256i out_09_6 = _mm256_srai_epi32(out_09_4, DCT_CONST_BITS); const __m256i out_09_7 = _mm256_srai_epi32(out_09_5, DCT_CONST_BITS); const __m256i out_25_6 = _mm256_srai_epi32(out_25_4, DCT_CONST_BITS); const __m256i out_25_7 = _mm256_srai_epi32(out_25_5, DCT_CONST_BITS); const __m256i out_07_6 = _mm256_srai_epi32(out_07_4, DCT_CONST_BITS); const __m256i out_07_7 = _mm256_srai_epi32(out_07_5, DCT_CONST_BITS); const __m256i out_23_6 = _mm256_srai_epi32(out_23_4, DCT_CONST_BITS); const __m256i out_23_7 = _mm256_srai_epi32(out_23_5, DCT_CONST_BITS); const __m256i out_15_6 = _mm256_srai_epi32(out_15_4, DCT_CONST_BITS); const __m256i out_15_7 = _mm256_srai_epi32(out_15_5, DCT_CONST_BITS); const __m256i out_31_6 = _mm256_srai_epi32(out_31_4, DCT_CONST_BITS); const __m256i out_31_7 = _mm256_srai_epi32(out_31_5, DCT_CONST_BITS); // Combine out[1] = _mm256_packs_epi32(out_01_6, out_01_7); out[17] = _mm256_packs_epi32(out_17_6, out_17_7); out[9] = _mm256_packs_epi32(out_09_6, out_09_7); out[25] = _mm256_packs_epi32(out_25_6, out_25_7); out[7] = _mm256_packs_epi32(out_07_6, out_07_7); out[23] = _mm256_packs_epi32(out_23_6, out_23_7); out[15] = _mm256_packs_epi32(out_15_6, out_15_7); out[31] = _mm256_packs_epi32(out_31_6, out_31_7); } { const __m256i out_05_0 = _mm256_unpacklo_epi16(step1[20], step1[27]); const __m256i out_05_1 = _mm256_unpackhi_epi16(step1[20], step1[27]); const __m256i out_21_0 = _mm256_unpacklo_epi16(step1[21], step1[26]); const __m256i out_21_1 = _mm256_unpackhi_epi16(step1[21], step1[26]); const __m256i out_13_0 = _mm256_unpacklo_epi16(step1[22], step1[25]); const __m256i out_13_1 = _mm256_unpackhi_epi16(step1[22], step1[25]); const __m256i out_29_0 = _mm256_unpacklo_epi16(step1[23], step1[24]); const __m256i out_29_1 = _mm256_unpackhi_epi16(step1[23], step1[24]); const __m256i out_05_2 = _mm256_madd_epi16(out_05_0, k__cospi_p27_p05); const __m256i out_05_3 = _mm256_madd_epi16(out_05_1, k__cospi_p27_p05); const __m256i out_21_2 = _mm256_madd_epi16(out_21_0, k__cospi_p11_p21); const __m256i out_21_3 = _mm256_madd_epi16(out_21_1, k__cospi_p11_p21); const __m256i out_13_2 = _mm256_madd_epi16(out_13_0, k__cospi_p19_p13); const __m256i out_13_3 = _mm256_madd_epi16(out_13_1, k__cospi_p19_p13); const __m256i out_29_2 = _mm256_madd_epi16(out_29_0, k__cospi_p03_p29); const __m256i out_29_3 = _mm256_madd_epi16(out_29_1, k__cospi_p03_p29); const __m256i out_03_2 = _mm256_madd_epi16(out_29_0, k__cospi_m29_p03); const __m256i out_03_3 = _mm256_madd_epi16(out_29_1, k__cospi_m29_p03); const __m256i out_19_2 = _mm256_madd_epi16(out_13_0, k__cospi_m13_p19); const __m256i out_19_3 = _mm256_madd_epi16(out_13_1, k__cospi_m13_p19); const __m256i out_11_2 = _mm256_madd_epi16(out_21_0, k__cospi_m21_p11); const __m256i out_11_3 = _mm256_madd_epi16(out_21_1, k__cospi_m21_p11); const __m256i out_27_2 = _mm256_madd_epi16(out_05_0, k__cospi_m05_p27); const __m256i out_27_3 = _mm256_madd_epi16(out_05_1, k__cospi_m05_p27); // dct_const_round_shift const __m256i out_05_4 = _mm256_add_epi32(out_05_2, k__DCT_CONST_ROUNDING); const __m256i out_05_5 = _mm256_add_epi32(out_05_3, k__DCT_CONST_ROUNDING); const __m256i out_21_4 = _mm256_add_epi32(out_21_2, k__DCT_CONST_ROUNDING); const __m256i out_21_5 = _mm256_add_epi32(out_21_3, k__DCT_CONST_ROUNDING); const __m256i out_13_4 = _mm256_add_epi32(out_13_2, k__DCT_CONST_ROUNDING); const __m256i out_13_5 = _mm256_add_epi32(out_13_3, k__DCT_CONST_ROUNDING); const __m256i out_29_4 = _mm256_add_epi32(out_29_2, k__DCT_CONST_ROUNDING); const __m256i out_29_5 = _mm256_add_epi32(out_29_3, k__DCT_CONST_ROUNDING); const __m256i out_03_4 = _mm256_add_epi32(out_03_2, k__DCT_CONST_ROUNDING); const __m256i out_03_5 = _mm256_add_epi32(out_03_3, k__DCT_CONST_ROUNDING); const __m256i out_19_4 = _mm256_add_epi32(out_19_2, k__DCT_CONST_ROUNDING); const __m256i out_19_5 = _mm256_add_epi32(out_19_3, k__DCT_CONST_ROUNDING); const __m256i out_11_4 = _mm256_add_epi32(out_11_2, k__DCT_CONST_ROUNDING); const __m256i out_11_5 = _mm256_add_epi32(out_11_3, k__DCT_CONST_ROUNDING); const __m256i out_27_4 = _mm256_add_epi32(out_27_2, k__DCT_CONST_ROUNDING); const __m256i out_27_5 = _mm256_add_epi32(out_27_3, k__DCT_CONST_ROUNDING); const __m256i out_05_6 = _mm256_srai_epi32(out_05_4, DCT_CONST_BITS); const __m256i out_05_7 = _mm256_srai_epi32(out_05_5, DCT_CONST_BITS); const __m256i out_21_6 = _mm256_srai_epi32(out_21_4, DCT_CONST_BITS); const __m256i out_21_7 = _mm256_srai_epi32(out_21_5, DCT_CONST_BITS); const __m256i out_13_6 = _mm256_srai_epi32(out_13_4, DCT_CONST_BITS); const __m256i out_13_7 = _mm256_srai_epi32(out_13_5, DCT_CONST_BITS); const __m256i out_29_6 = _mm256_srai_epi32(out_29_4, DCT_CONST_BITS); const __m256i out_29_7 = _mm256_srai_epi32(out_29_5, DCT_CONST_BITS); const __m256i out_03_6 = _mm256_srai_epi32(out_03_4, DCT_CONST_BITS); const __m256i out_03_7 = _mm256_srai_epi32(out_03_5, DCT_CONST_BITS); const __m256i out_19_6 = _mm256_srai_epi32(out_19_4, DCT_CONST_BITS); const __m256i out_19_7 = _mm256_srai_epi32(out_19_5, DCT_CONST_BITS); const __m256i out_11_6 = _mm256_srai_epi32(out_11_4, DCT_CONST_BITS); const __m256i out_11_7 = _mm256_srai_epi32(out_11_5, DCT_CONST_BITS); const __m256i out_27_6 = _mm256_srai_epi32(out_27_4, DCT_CONST_BITS); const __m256i out_27_7 = _mm256_srai_epi32(out_27_5, DCT_CONST_BITS); // Combine out[5] = _mm256_packs_epi32(out_05_6, out_05_7); out[21] = _mm256_packs_epi32(out_21_6, out_21_7); out[13] = _mm256_packs_epi32(out_13_6, out_13_7); out[29] = _mm256_packs_epi32(out_29_6, out_29_7); out[3] = _mm256_packs_epi32(out_03_6, out_03_7); out[19] = _mm256_packs_epi32(out_19_6, out_19_7); out[11] = _mm256_packs_epi32(out_11_6, out_11_7); out[27] = _mm256_packs_epi32(out_27_6, out_27_7); } #if FDCT32x32_HIGH_PRECISION } else { __m256i lstep1[64], lstep2[64], lstep3[64]; __m256i u[32], v[32], sign[16]; const __m256i K32One = _mm256_set_epi32(1, 1, 1, 1, 1, 1, 1, 1); const __m256i k__pOne_mOne = pair256_set_epi16(1, -1); // start using 32-bit operations // stage 3 { // expanding to 32-bit length while adding and subtracting lstep2[0] = _mm256_unpacklo_epi16(step2[0], step2[7]); lstep2[1] = _mm256_unpackhi_epi16(step2[0], step2[7]); lstep2[2] = _mm256_unpacklo_epi16(step2[1], step2[6]); lstep2[3] = _mm256_unpackhi_epi16(step2[1], step2[6]); lstep2[4] = _mm256_unpacklo_epi16(step2[2], step2[5]); lstep2[5] = _mm256_unpackhi_epi16(step2[2], step2[5]); lstep2[6] = _mm256_unpacklo_epi16(step2[3], step2[4]); lstep2[7] = _mm256_unpackhi_epi16(step2[3], step2[4]); lstep3[0] = _mm256_madd_epi16(lstep2[0], kOne); lstep3[1] = _mm256_madd_epi16(lstep2[1], kOne); lstep3[2] = _mm256_madd_epi16(lstep2[2], kOne); lstep3[3] = _mm256_madd_epi16(lstep2[3], kOne); lstep3[4] = _mm256_madd_epi16(lstep2[4], kOne); lstep3[5] = _mm256_madd_epi16(lstep2[5], kOne); lstep3[6] = _mm256_madd_epi16(lstep2[6], kOne); lstep3[7] = _mm256_madd_epi16(lstep2[7], kOne); lstep3[8] = _mm256_madd_epi16(lstep2[6], k__pOne_mOne); lstep3[9] = _mm256_madd_epi16(lstep2[7], k__pOne_mOne); lstep3[10] = _mm256_madd_epi16(lstep2[4], k__pOne_mOne); lstep3[11] = _mm256_madd_epi16(lstep2[5], k__pOne_mOne); lstep3[12] = _mm256_madd_epi16(lstep2[2], k__pOne_mOne); lstep3[13] = _mm256_madd_epi16(lstep2[3], k__pOne_mOne); lstep3[14] = _mm256_madd_epi16(lstep2[0], k__pOne_mOne); lstep3[15] = _mm256_madd_epi16(lstep2[1], k__pOne_mOne); } { const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]); const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]); const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]); const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]); const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16); const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16); const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16); const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16); const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16); const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16); const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16); const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16); // dct_const_round_shift const __m256i s3_10_4 = _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING); const __m256i s3_10_5 = _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING); const __m256i s3_11_4 = _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING); const __m256i s3_11_5 = _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING); const __m256i s3_12_4 = _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING); const __m256i s3_12_5 = _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING); const __m256i s3_13_4 = _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING); const __m256i s3_13_5 = _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING); lstep3[20] = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS); lstep3[21] = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS); lstep3[22] = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS); lstep3[23] = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS); lstep3[24] = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS); lstep3[25] = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS); lstep3[26] = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS); lstep3[27] = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS); } { lstep1[32] = _mm256_unpacklo_epi16(step1[16], step2[23]); lstep1[33] = _mm256_unpackhi_epi16(step1[16], step2[23]); lstep1[34] = _mm256_unpacklo_epi16(step1[17], step2[22]); lstep1[35] = _mm256_unpackhi_epi16(step1[17], step2[22]); lstep1[36] = _mm256_unpacklo_epi16(step1[18], step2[21]); lstep1[37] = _mm256_unpackhi_epi16(step1[18], step2[21]); lstep1[38] = _mm256_unpacklo_epi16(step1[19], step2[20]); lstep1[39] = _mm256_unpackhi_epi16(step1[19], step2[20]); lstep1[56] = _mm256_unpacklo_epi16(step1[28], step2[27]); lstep1[57] = _mm256_unpackhi_epi16(step1[28], step2[27]); lstep1[58] = _mm256_unpacklo_epi16(step1[29], step2[26]); lstep1[59] = _mm256_unpackhi_epi16(step1[29], step2[26]); lstep1[60] = _mm256_unpacklo_epi16(step1[30], step2[25]); lstep1[61] = _mm256_unpackhi_epi16(step1[30], step2[25]); lstep1[62] = _mm256_unpacklo_epi16(step1[31], step2[24]); lstep1[63] = _mm256_unpackhi_epi16(step1[31], step2[24]); lstep3[32] = _mm256_madd_epi16(lstep1[32], kOne); lstep3[33] = _mm256_madd_epi16(lstep1[33], kOne); lstep3[34] = _mm256_madd_epi16(lstep1[34], kOne); lstep3[35] = _mm256_madd_epi16(lstep1[35], kOne); lstep3[36] = _mm256_madd_epi16(lstep1[36], kOne); lstep3[37] = _mm256_madd_epi16(lstep1[37], kOne); lstep3[38] = _mm256_madd_epi16(lstep1[38], kOne); lstep3[39] = _mm256_madd_epi16(lstep1[39], kOne); lstep3[40] = _mm256_madd_epi16(lstep1[38], k__pOne_mOne); lstep3[41] = _mm256_madd_epi16(lstep1[39], k__pOne_mOne); lstep3[42] = _mm256_madd_epi16(lstep1[36], k__pOne_mOne); lstep3[43] = _mm256_madd_epi16(lstep1[37], k__pOne_mOne); lstep3[44] = _mm256_madd_epi16(lstep1[34], k__pOne_mOne); lstep3[45] = _mm256_madd_epi16(lstep1[35], k__pOne_mOne); lstep3[46] = _mm256_madd_epi16(lstep1[32], k__pOne_mOne); lstep3[47] = _mm256_madd_epi16(lstep1[33], k__pOne_mOne); lstep3[48] = _mm256_madd_epi16(lstep1[62], k__pOne_mOne); lstep3[49] = _mm256_madd_epi16(lstep1[63], k__pOne_mOne); lstep3[50] = _mm256_madd_epi16(lstep1[60], k__pOne_mOne); lstep3[51] = _mm256_madd_epi16(lstep1[61], k__pOne_mOne); lstep3[52] = _mm256_madd_epi16(lstep1[58], k__pOne_mOne); lstep3[53] = _mm256_madd_epi16(lstep1[59], k__pOne_mOne); lstep3[54] = _mm256_madd_epi16(lstep1[56], k__pOne_mOne); lstep3[55] = _mm256_madd_epi16(lstep1[57], k__pOne_mOne); lstep3[56] = _mm256_madd_epi16(lstep1[56], kOne); lstep3[57] = _mm256_madd_epi16(lstep1[57], kOne); lstep3[58] = _mm256_madd_epi16(lstep1[58], kOne); lstep3[59] = _mm256_madd_epi16(lstep1[59], kOne); lstep3[60] = _mm256_madd_epi16(lstep1[60], kOne); lstep3[61] = _mm256_madd_epi16(lstep1[61], kOne); lstep3[62] = _mm256_madd_epi16(lstep1[62], kOne); lstep3[63] = _mm256_madd_epi16(lstep1[63], kOne); } // stage 4 { // expanding to 32-bit length prior to addition operations sign[0] = _mm256_cmpgt_epi16(kZero, step2[8]); sign[1] = _mm256_cmpgt_epi16(kZero, step2[9]); sign[2] = _mm256_cmpgt_epi16(kZero, step2[14]); sign[3] = _mm256_cmpgt_epi16(kZero, step2[15]); lstep2[16] = _mm256_unpacklo_epi16(step2[8], sign[0]); lstep2[17] = _mm256_unpackhi_epi16(step2[8], sign[0]); lstep2[18] = _mm256_unpacklo_epi16(step2[9], sign[1]); lstep2[19] = _mm256_unpackhi_epi16(step2[9], sign[1]); lstep2[28] = _mm256_unpacklo_epi16(step2[14], sign[2]); lstep2[29] = _mm256_unpackhi_epi16(step2[14], sign[2]); lstep2[30] = _mm256_unpacklo_epi16(step2[15], sign[3]); lstep2[31] = _mm256_unpackhi_epi16(step2[15], sign[3]); lstep1[0] = _mm256_add_epi32(lstep3[6], lstep3[0]); lstep1[1] = _mm256_add_epi32(lstep3[7], lstep3[1]); lstep1[2] = _mm256_add_epi32(lstep3[4], lstep3[2]); lstep1[3] = _mm256_add_epi32(lstep3[5], lstep3[3]); lstep1[4] = _mm256_sub_epi32(lstep3[2], lstep3[4]); lstep1[5] = _mm256_sub_epi32(lstep3[3], lstep3[5]); lstep1[6] = _mm256_sub_epi32(lstep3[0], lstep3[6]); lstep1[7] = _mm256_sub_epi32(lstep3[1], lstep3[7]); lstep1[16] = _mm256_add_epi32(lstep3[22], lstep2[16]); lstep1[17] = _mm256_add_epi32(lstep3[23], lstep2[17]); lstep1[18] = _mm256_add_epi32(lstep3[20], lstep2[18]); lstep1[19] = _mm256_add_epi32(lstep3[21], lstep2[19]); lstep1[20] = _mm256_sub_epi32(lstep2[18], lstep3[20]); lstep1[21] = _mm256_sub_epi32(lstep2[19], lstep3[21]); lstep1[22] = _mm256_sub_epi32(lstep2[16], lstep3[22]); lstep1[23] = _mm256_sub_epi32(lstep2[17], lstep3[23]); lstep1[24] = _mm256_sub_epi32(lstep2[30], lstep3[24]); lstep1[25] = _mm256_sub_epi32(lstep2[31], lstep3[25]); lstep1[26] = _mm256_sub_epi32(lstep2[28], lstep3[26]); lstep1[27] = _mm256_sub_epi32(lstep2[29], lstep3[27]); lstep1[28] = _mm256_add_epi32(lstep3[26], lstep2[28]); lstep1[29] = _mm256_add_epi32(lstep3[27], lstep2[29]); lstep1[30] = _mm256_add_epi32(lstep3[24], lstep2[30]); lstep1[31] = _mm256_add_epi32(lstep3[25], lstep2[31]); } { // to be continued... // const __m256i k32_p16_p16 = pair256_set_epi32(cospi_16_64, cospi_16_64); const __m256i k32_p16_m16 = pair256_set_epi32(cospi_16_64, -cospi_16_64); u[0] = _mm256_unpacklo_epi32(lstep3[12], lstep3[10]); u[1] = _mm256_unpackhi_epi32(lstep3[12], lstep3[10]); u[2] = _mm256_unpacklo_epi32(lstep3[13], lstep3[11]); u[3] = _mm256_unpackhi_epi32(lstep3[13], lstep3[11]); // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide // instruction latency. v[0] = k_madd_epi32_avx2(u[0], k32_p16_m16); v[1] = k_madd_epi32_avx2(u[1], k32_p16_m16); v[2] = k_madd_epi32_avx2(u[2], k32_p16_m16); v[3] = k_madd_epi32_avx2(u[3], k32_p16_m16); v[4] = k_madd_epi32_avx2(u[0], k32_p16_p16); v[5] = k_madd_epi32_avx2(u[1], k32_p16_p16); v[6] = k_madd_epi32_avx2(u[2], k32_p16_p16); v[7] = k_madd_epi32_avx2(u[3], k32_p16_p16); u[0] = k_packs_epi64_avx2(v[0], v[1]); u[1] = k_packs_epi64_avx2(v[2], v[3]); u[2] = k_packs_epi64_avx2(v[4], v[5]); u[3] = k_packs_epi64_avx2(v[6], v[7]); v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); lstep1[10] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); lstep1[11] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); lstep1[12] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); lstep1[13] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); } { const __m256i k32_m08_p24 = pair256_set_epi32(-cospi_8_64, cospi_24_64); const __m256i k32_m24_m08 = pair256_set_epi32(-cospi_24_64, -cospi_8_64); const __m256i k32_p24_p08 = pair256_set_epi32(cospi_24_64, cospi_8_64); u[0] = _mm256_unpacklo_epi32(lstep3[36], lstep3[58]); u[1] = _mm256_unpackhi_epi32(lstep3[36], lstep3[58]); u[2] = _mm256_unpacklo_epi32(lstep3[37], lstep3[59]); u[3] = _mm256_unpackhi_epi32(lstep3[37], lstep3[59]); u[4] = _mm256_unpacklo_epi32(lstep3[38], lstep3[56]); u[5] = _mm256_unpackhi_epi32(lstep3[38], lstep3[56]); u[6] = _mm256_unpacklo_epi32(lstep3[39], lstep3[57]); u[7] = _mm256_unpackhi_epi32(lstep3[39], lstep3[57]); u[8] = _mm256_unpacklo_epi32(lstep3[40], lstep3[54]); u[9] = _mm256_unpackhi_epi32(lstep3[40], lstep3[54]); u[10] = _mm256_unpacklo_epi32(lstep3[41], lstep3[55]); u[11] = _mm256_unpackhi_epi32(lstep3[41], lstep3[55]); u[12] = _mm256_unpacklo_epi32(lstep3[42], lstep3[52]); u[13] = _mm256_unpackhi_epi32(lstep3[42], lstep3[52]); u[14] = _mm256_unpacklo_epi32(lstep3[43], lstep3[53]); u[15] = _mm256_unpackhi_epi32(lstep3[43], lstep3[53]); v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24); v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24); v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24); v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24); v[4] = k_madd_epi32_avx2(u[4], k32_m08_p24); v[5] = k_madd_epi32_avx2(u[5], k32_m08_p24); v[6] = k_madd_epi32_avx2(u[6], k32_m08_p24); v[7] = k_madd_epi32_avx2(u[7], k32_m08_p24); v[8] = k_madd_epi32_avx2(u[8], k32_m24_m08); v[9] = k_madd_epi32_avx2(u[9], k32_m24_m08); v[10] = k_madd_epi32_avx2(u[10], k32_m24_m08); v[11] = k_madd_epi32_avx2(u[11], k32_m24_m08); v[12] = k_madd_epi32_avx2(u[12], k32_m24_m08); v[13] = k_madd_epi32_avx2(u[13], k32_m24_m08); v[14] = k_madd_epi32_avx2(u[14], k32_m24_m08); v[15] = k_madd_epi32_avx2(u[15], k32_m24_m08); v[16] = k_madd_epi32_avx2(u[12], k32_m08_p24); v[17] = k_madd_epi32_avx2(u[13], k32_m08_p24); v[18] = k_madd_epi32_avx2(u[14], k32_m08_p24); v[19] = k_madd_epi32_avx2(u[15], k32_m08_p24); v[20] = k_madd_epi32_avx2(u[8], k32_m08_p24); v[21] = k_madd_epi32_avx2(u[9], k32_m08_p24); v[22] = k_madd_epi32_avx2(u[10], k32_m08_p24); v[23] = k_madd_epi32_avx2(u[11], k32_m08_p24); v[24] = k_madd_epi32_avx2(u[4], k32_p24_p08); v[25] = k_madd_epi32_avx2(u[5], k32_p24_p08); v[26] = k_madd_epi32_avx2(u[6], k32_p24_p08); v[27] = k_madd_epi32_avx2(u[7], k32_p24_p08); v[28] = k_madd_epi32_avx2(u[0], k32_p24_p08); v[29] = k_madd_epi32_avx2(u[1], k32_p24_p08); v[30] = k_madd_epi32_avx2(u[2], k32_p24_p08); v[31] = k_madd_epi32_avx2(u[3], k32_p24_p08); u[0] = k_packs_epi64_avx2(v[0], v[1]); u[1] = k_packs_epi64_avx2(v[2], v[3]); u[2] = k_packs_epi64_avx2(v[4], v[5]); u[3] = k_packs_epi64_avx2(v[6], v[7]); u[4] = k_packs_epi64_avx2(v[8], v[9]); u[5] = k_packs_epi64_avx2(v[10], v[11]); u[6] = k_packs_epi64_avx2(v[12], v[13]); u[7] = k_packs_epi64_avx2(v[14], v[15]); u[8] = k_packs_epi64_avx2(v[16], v[17]); u[9] = k_packs_epi64_avx2(v[18], v[19]); u[10] = k_packs_epi64_avx2(v[20], v[21]); u[11] = k_packs_epi64_avx2(v[22], v[23]); u[12] = k_packs_epi64_avx2(v[24], v[25]); u[13] = k_packs_epi64_avx2(v[26], v[27]); u[14] = k_packs_epi64_avx2(v[28], v[29]); u[15] = k_packs_epi64_avx2(v[30], v[31]); v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING); v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING); v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); lstep1[36] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); lstep1[37] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); lstep1[38] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); lstep1[39] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); lstep1[40] = _mm256_srai_epi32(v[4], DCT_CONST_BITS); lstep1[41] = _mm256_srai_epi32(v[5], DCT_CONST_BITS); lstep1[42] = _mm256_srai_epi32(v[6], DCT_CONST_BITS); lstep1[43] = _mm256_srai_epi32(v[7], DCT_CONST_BITS); lstep1[52] = _mm256_srai_epi32(v[8], DCT_CONST_BITS); lstep1[53] = _mm256_srai_epi32(v[9], DCT_CONST_BITS); lstep1[54] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); lstep1[55] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); lstep1[56] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); lstep1[57] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); lstep1[58] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); lstep1[59] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); } // stage 5 { lstep2[8] = _mm256_add_epi32(lstep1[10], lstep3[8]); lstep2[9] = _mm256_add_epi32(lstep1[11], lstep3[9]); lstep2[10] = _mm256_sub_epi32(lstep3[8], lstep1[10]); lstep2[11] = _mm256_sub_epi32(lstep3[9], lstep1[11]); lstep2[12] = _mm256_sub_epi32(lstep3[14], lstep1[12]); lstep2[13] = _mm256_sub_epi32(lstep3[15], lstep1[13]); lstep2[14] = _mm256_add_epi32(lstep1[12], lstep3[14]); lstep2[15] = _mm256_add_epi32(lstep1[13], lstep3[15]); } { const __m256i k32_p16_p16 = pair256_set_epi32(cospi_16_64, cospi_16_64); const __m256i k32_p16_m16 = pair256_set_epi32(cospi_16_64, -cospi_16_64); const __m256i k32_p24_p08 = pair256_set_epi32(cospi_24_64, cospi_8_64); const __m256i k32_m08_p24 = pair256_set_epi32(-cospi_8_64, cospi_24_64); u[0] = _mm256_unpacklo_epi32(lstep1[0], lstep1[2]); u[1] = _mm256_unpackhi_epi32(lstep1[0], lstep1[2]); u[2] = _mm256_unpacklo_epi32(lstep1[1], lstep1[3]); u[3] = _mm256_unpackhi_epi32(lstep1[1], lstep1[3]); u[4] = _mm256_unpacklo_epi32(lstep1[4], lstep1[6]); u[5] = _mm256_unpackhi_epi32(lstep1[4], lstep1[6]); u[6] = _mm256_unpacklo_epi32(lstep1[5], lstep1[7]); u[7] = _mm256_unpackhi_epi32(lstep1[5], lstep1[7]); // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide // instruction latency. v[0] = k_madd_epi32_avx2(u[0], k32_p16_p16); v[1] = k_madd_epi32_avx2(u[1], k32_p16_p16); v[2] = k_madd_epi32_avx2(u[2], k32_p16_p16); v[3] = k_madd_epi32_avx2(u[3], k32_p16_p16); v[4] = k_madd_epi32_avx2(u[0], k32_p16_m16); v[5] = k_madd_epi32_avx2(u[1], k32_p16_m16); v[6] = k_madd_epi32_avx2(u[2], k32_p16_m16); v[7] = k_madd_epi32_avx2(u[3], k32_p16_m16); v[8] = k_madd_epi32_avx2(u[4], k32_p24_p08); v[9] = k_madd_epi32_avx2(u[5], k32_p24_p08); v[10] = k_madd_epi32_avx2(u[6], k32_p24_p08); v[11] = k_madd_epi32_avx2(u[7], k32_p24_p08); v[12] = k_madd_epi32_avx2(u[4], k32_m08_p24); v[13] = k_madd_epi32_avx2(u[5], k32_m08_p24); v[14] = k_madd_epi32_avx2(u[6], k32_m08_p24); v[15] = k_madd_epi32_avx2(u[7], k32_m08_p24); u[0] = k_packs_epi64_avx2(v[0], v[1]); u[1] = k_packs_epi64_avx2(v[2], v[3]); u[2] = k_packs_epi64_avx2(v[4], v[5]); u[3] = k_packs_epi64_avx2(v[6], v[7]); u[4] = k_packs_epi64_avx2(v[8], v[9]); u[5] = k_packs_epi64_avx2(v[10], v[11]); u[6] = k_packs_epi64_avx2(v[12], v[13]); u[7] = k_packs_epi64_avx2(v[14], v[15]); v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS); u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS); u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS); u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS); sign[0] = _mm256_cmpgt_epi32(kZero, u[0]); sign[1] = _mm256_cmpgt_epi32(kZero, u[1]); sign[2] = _mm256_cmpgt_epi32(kZero, u[2]); sign[3] = _mm256_cmpgt_epi32(kZero, u[3]); sign[4] = _mm256_cmpgt_epi32(kZero, u[4]); sign[5] = _mm256_cmpgt_epi32(kZero, u[5]); sign[6] = _mm256_cmpgt_epi32(kZero, u[6]); sign[7] = _mm256_cmpgt_epi32(kZero, u[7]); u[0] = _mm256_sub_epi32(u[0], sign[0]); u[1] = _mm256_sub_epi32(u[1], sign[1]); u[2] = _mm256_sub_epi32(u[2], sign[2]); u[3] = _mm256_sub_epi32(u[3], sign[3]); u[4] = _mm256_sub_epi32(u[4], sign[4]); u[5] = _mm256_sub_epi32(u[5], sign[5]); u[6] = _mm256_sub_epi32(u[6], sign[6]); u[7] = _mm256_sub_epi32(u[7], sign[7]); u[0] = _mm256_add_epi32(u[0], K32One); u[1] = _mm256_add_epi32(u[1], K32One); u[2] = _mm256_add_epi32(u[2], K32One); u[3] = _mm256_add_epi32(u[3], K32One); u[4] = _mm256_add_epi32(u[4], K32One); u[5] = _mm256_add_epi32(u[5], K32One); u[6] = _mm256_add_epi32(u[6], K32One); u[7] = _mm256_add_epi32(u[7], K32One); u[0] = _mm256_srai_epi32(u[0], 2); u[1] = _mm256_srai_epi32(u[1], 2); u[2] = _mm256_srai_epi32(u[2], 2); u[3] = _mm256_srai_epi32(u[3], 2); u[4] = _mm256_srai_epi32(u[4], 2); u[5] = _mm256_srai_epi32(u[5], 2); u[6] = _mm256_srai_epi32(u[6], 2); u[7] = _mm256_srai_epi32(u[7], 2); // Combine out[0] = _mm256_packs_epi32(u[0], u[1]); out[16] = _mm256_packs_epi32(u[2], u[3]); out[8] = _mm256_packs_epi32(u[4], u[5]); out[24] = _mm256_packs_epi32(u[6], u[7]); } { const __m256i k32_m08_p24 = pair256_set_epi32(-cospi_8_64, cospi_24_64); const __m256i k32_m24_m08 = pair256_set_epi32(-cospi_24_64, -cospi_8_64); const __m256i k32_p24_p08 = pair256_set_epi32(cospi_24_64, cospi_8_64); u[0] = _mm256_unpacklo_epi32(lstep1[18], lstep1[28]); u[1] = _mm256_unpackhi_epi32(lstep1[18], lstep1[28]); u[2] = _mm256_unpacklo_epi32(lstep1[19], lstep1[29]); u[3] = _mm256_unpackhi_epi32(lstep1[19], lstep1[29]); u[4] = _mm256_unpacklo_epi32(lstep1[20], lstep1[26]); u[5] = _mm256_unpackhi_epi32(lstep1[20], lstep1[26]); u[6] = _mm256_unpacklo_epi32(lstep1[21], lstep1[27]); u[7] = _mm256_unpackhi_epi32(lstep1[21], lstep1[27]); v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24); v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24); v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24); v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24); v[4] = k_madd_epi32_avx2(u[4], k32_m24_m08); v[5] = k_madd_epi32_avx2(u[5], k32_m24_m08); v[6] = k_madd_epi32_avx2(u[6], k32_m24_m08); v[7] = k_madd_epi32_avx2(u[7], k32_m24_m08); v[8] = k_madd_epi32_avx2(u[4], k32_m08_p24); v[9] = k_madd_epi32_avx2(u[5], k32_m08_p24); v[10] = k_madd_epi32_avx2(u[6], k32_m08_p24); v[11] = k_madd_epi32_avx2(u[7], k32_m08_p24); v[12] = k_madd_epi32_avx2(u[0], k32_p24_p08); v[13] = k_madd_epi32_avx2(u[1], k32_p24_p08); v[14] = k_madd_epi32_avx2(u[2], k32_p24_p08); v[15] = k_madd_epi32_avx2(u[3], k32_p24_p08); u[0] = k_packs_epi64_avx2(v[0], v[1]); u[1] = k_packs_epi64_avx2(v[2], v[3]); u[2] = k_packs_epi64_avx2(v[4], v[5]); u[3] = k_packs_epi64_avx2(v[6], v[7]); u[4] = k_packs_epi64_avx2(v[8], v[9]); u[5] = k_packs_epi64_avx2(v[10], v[11]); u[6] = k_packs_epi64_avx2(v[12], v[13]); u[7] = k_packs_epi64_avx2(v[14], v[15]); u[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); u[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); u[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); u[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); u[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); u[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); u[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); u[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); lstep2[18] = _mm256_srai_epi32(u[0], DCT_CONST_BITS); lstep2[19] = _mm256_srai_epi32(u[1], DCT_CONST_BITS); lstep2[20] = _mm256_srai_epi32(u[2], DCT_CONST_BITS); lstep2[21] = _mm256_srai_epi32(u[3], DCT_CONST_BITS); lstep2[26] = _mm256_srai_epi32(u[4], DCT_CONST_BITS); lstep2[27] = _mm256_srai_epi32(u[5], DCT_CONST_BITS); lstep2[28] = _mm256_srai_epi32(u[6], DCT_CONST_BITS); lstep2[29] = _mm256_srai_epi32(u[7], DCT_CONST_BITS); } { lstep2[32] = _mm256_add_epi32(lstep1[38], lstep3[32]); lstep2[33] = _mm256_add_epi32(lstep1[39], lstep3[33]); lstep2[34] = _mm256_add_epi32(lstep1[36], lstep3[34]); lstep2[35] = _mm256_add_epi32(lstep1[37], lstep3[35]); lstep2[36] = _mm256_sub_epi32(lstep3[34], lstep1[36]); lstep2[37] = _mm256_sub_epi32(lstep3[35], lstep1[37]); lstep2[38] = _mm256_sub_epi32(lstep3[32], lstep1[38]); lstep2[39] = _mm256_sub_epi32(lstep3[33], lstep1[39]); lstep2[40] = _mm256_sub_epi32(lstep3[46], lstep1[40]); lstep2[41] = _mm256_sub_epi32(lstep3[47], lstep1[41]); lstep2[42] = _mm256_sub_epi32(lstep3[44], lstep1[42]); lstep2[43] = _mm256_sub_epi32(lstep3[45], lstep1[43]); lstep2[44] = _mm256_add_epi32(lstep1[42], lstep3[44]); lstep2[45] = _mm256_add_epi32(lstep1[43], lstep3[45]); lstep2[46] = _mm256_add_epi32(lstep1[40], lstep3[46]); lstep2[47] = _mm256_add_epi32(lstep1[41], lstep3[47]); lstep2[48] = _mm256_add_epi32(lstep1[54], lstep3[48]); lstep2[49] = _mm256_add_epi32(lstep1[55], lstep3[49]); lstep2[50] = _mm256_add_epi32(lstep1[52], lstep3[50]); lstep2[51] = _mm256_add_epi32(lstep1[53], lstep3[51]); lstep2[52] = _mm256_sub_epi32(lstep3[50], lstep1[52]); lstep2[53] = _mm256_sub_epi32(lstep3[51], lstep1[53]); lstep2[54] = _mm256_sub_epi32(lstep3[48], lstep1[54]); lstep2[55] = _mm256_sub_epi32(lstep3[49], lstep1[55]); lstep2[56] = _mm256_sub_epi32(lstep3[62], lstep1[56]); lstep2[57] = _mm256_sub_epi32(lstep3[63], lstep1[57]); lstep2[58] = _mm256_sub_epi32(lstep3[60], lstep1[58]); lstep2[59] = _mm256_sub_epi32(lstep3[61], lstep1[59]); lstep2[60] = _mm256_add_epi32(lstep1[58], lstep3[60]); lstep2[61] = _mm256_add_epi32(lstep1[59], lstep3[61]); lstep2[62] = _mm256_add_epi32(lstep1[56], lstep3[62]); lstep2[63] = _mm256_add_epi32(lstep1[57], lstep3[63]); } // stage 6 { const __m256i k32_p28_p04 = pair256_set_epi32(cospi_28_64, cospi_4_64); const __m256i k32_p12_p20 = pair256_set_epi32(cospi_12_64, cospi_20_64); const __m256i k32_m20_p12 = pair256_set_epi32(-cospi_20_64, cospi_12_64); const __m256i k32_m04_p28 = pair256_set_epi32(-cospi_4_64, cospi_28_64); u[0] = _mm256_unpacklo_epi32(lstep2[8], lstep2[14]); u[1] = _mm256_unpackhi_epi32(lstep2[8], lstep2[14]); u[2] = _mm256_unpacklo_epi32(lstep2[9], lstep2[15]); u[3] = _mm256_unpackhi_epi32(lstep2[9], lstep2[15]); u[4] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]); u[5] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]); u[6] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]); u[7] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]); u[8] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]); u[9] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]); u[10] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]); u[11] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]); u[12] = _mm256_unpacklo_epi32(lstep2[8], lstep2[14]); u[13] = _mm256_unpackhi_epi32(lstep2[8], lstep2[14]); u[14] = _mm256_unpacklo_epi32(lstep2[9], lstep2[15]); u[15] = _mm256_unpackhi_epi32(lstep2[9], lstep2[15]); v[0] = k_madd_epi32_avx2(u[0], k32_p28_p04); v[1] = k_madd_epi32_avx2(u[1], k32_p28_p04); v[2] = k_madd_epi32_avx2(u[2], k32_p28_p04); v[3] = k_madd_epi32_avx2(u[3], k32_p28_p04); v[4] = k_madd_epi32_avx2(u[4], k32_p12_p20); v[5] = k_madd_epi32_avx2(u[5], k32_p12_p20); v[6] = k_madd_epi32_avx2(u[6], k32_p12_p20); v[7] = k_madd_epi32_avx2(u[7], k32_p12_p20); v[8] = k_madd_epi32_avx2(u[8], k32_m20_p12); v[9] = k_madd_epi32_avx2(u[9], k32_m20_p12); v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12); v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12); v[12] = k_madd_epi32_avx2(u[12], k32_m04_p28); v[13] = k_madd_epi32_avx2(u[13], k32_m04_p28); v[14] = k_madd_epi32_avx2(u[14], k32_m04_p28); v[15] = k_madd_epi32_avx2(u[15], k32_m04_p28); u[0] = k_packs_epi64_avx2(v[0], v[1]); u[1] = k_packs_epi64_avx2(v[2], v[3]); u[2] = k_packs_epi64_avx2(v[4], v[5]); u[3] = k_packs_epi64_avx2(v[6], v[7]); u[4] = k_packs_epi64_avx2(v[8], v[9]); u[5] = k_packs_epi64_avx2(v[10], v[11]); u[6] = k_packs_epi64_avx2(v[12], v[13]); u[7] = k_packs_epi64_avx2(v[14], v[15]); v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS); u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS); u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS); u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS); sign[0] = _mm256_cmpgt_epi32(kZero, u[0]); sign[1] = _mm256_cmpgt_epi32(kZero, u[1]); sign[2] = _mm256_cmpgt_epi32(kZero, u[2]); sign[3] = _mm256_cmpgt_epi32(kZero, u[3]); sign[4] = _mm256_cmpgt_epi32(kZero, u[4]); sign[5] = _mm256_cmpgt_epi32(kZero, u[5]); sign[6] = _mm256_cmpgt_epi32(kZero, u[6]); sign[7] = _mm256_cmpgt_epi32(kZero, u[7]); u[0] = _mm256_sub_epi32(u[0], sign[0]); u[1] = _mm256_sub_epi32(u[1], sign[1]); u[2] = _mm256_sub_epi32(u[2], sign[2]); u[3] = _mm256_sub_epi32(u[3], sign[3]); u[4] = _mm256_sub_epi32(u[4], sign[4]); u[5] = _mm256_sub_epi32(u[5], sign[5]); u[6] = _mm256_sub_epi32(u[6], sign[6]); u[7] = _mm256_sub_epi32(u[7], sign[7]); u[0] = _mm256_add_epi32(u[0], K32One); u[1] = _mm256_add_epi32(u[1], K32One); u[2] = _mm256_add_epi32(u[2], K32One); u[3] = _mm256_add_epi32(u[3], K32One); u[4] = _mm256_add_epi32(u[4], K32One); u[5] = _mm256_add_epi32(u[5], K32One); u[6] = _mm256_add_epi32(u[6], K32One); u[7] = _mm256_add_epi32(u[7], K32One); u[0] = _mm256_srai_epi32(u[0], 2); u[1] = _mm256_srai_epi32(u[1], 2); u[2] = _mm256_srai_epi32(u[2], 2); u[3] = _mm256_srai_epi32(u[3], 2); u[4] = _mm256_srai_epi32(u[4], 2); u[5] = _mm256_srai_epi32(u[5], 2); u[6] = _mm256_srai_epi32(u[6], 2); u[7] = _mm256_srai_epi32(u[7], 2); out[4] = _mm256_packs_epi32(u[0], u[1]); out[20] = _mm256_packs_epi32(u[2], u[3]); out[12] = _mm256_packs_epi32(u[4], u[5]); out[28] = _mm256_packs_epi32(u[6], u[7]); } { lstep3[16] = _mm256_add_epi32(lstep2[18], lstep1[16]); lstep3[17] = _mm256_add_epi32(lstep2[19], lstep1[17]); lstep3[18] = _mm256_sub_epi32(lstep1[16], lstep2[18]); lstep3[19] = _mm256_sub_epi32(lstep1[17], lstep2[19]); lstep3[20] = _mm256_sub_epi32(lstep1[22], lstep2[20]); lstep3[21] = _mm256_sub_epi32(lstep1[23], lstep2[21]); lstep3[22] = _mm256_add_epi32(lstep2[20], lstep1[22]); lstep3[23] = _mm256_add_epi32(lstep2[21], lstep1[23]); lstep3[24] = _mm256_add_epi32(lstep2[26], lstep1[24]); lstep3[25] = _mm256_add_epi32(lstep2[27], lstep1[25]); lstep3[26] = _mm256_sub_epi32(lstep1[24], lstep2[26]); lstep3[27] = _mm256_sub_epi32(lstep1[25], lstep2[27]); lstep3[28] = _mm256_sub_epi32(lstep1[30], lstep2[28]); lstep3[29] = _mm256_sub_epi32(lstep1[31], lstep2[29]); lstep3[30] = _mm256_add_epi32(lstep2[28], lstep1[30]); lstep3[31] = _mm256_add_epi32(lstep2[29], lstep1[31]); } { const __m256i k32_m04_p28 = pair256_set_epi32(-cospi_4_64, cospi_28_64); const __m256i k32_m28_m04 = pair256_set_epi32(-cospi_28_64, -cospi_4_64); const __m256i k32_m20_p12 = pair256_set_epi32(-cospi_20_64, cospi_12_64); const __m256i k32_m12_m20 = pair256_set_epi32(-cospi_12_64, -cospi_20_64); const __m256i k32_p12_p20 = pair256_set_epi32(cospi_12_64, cospi_20_64); const __m256i k32_p28_p04 = pair256_set_epi32(cospi_28_64, cospi_4_64); u[0] = _mm256_unpacklo_epi32(lstep2[34], lstep2[60]); u[1] = _mm256_unpackhi_epi32(lstep2[34], lstep2[60]); u[2] = _mm256_unpacklo_epi32(lstep2[35], lstep2[61]); u[3] = _mm256_unpackhi_epi32(lstep2[35], lstep2[61]); u[4] = _mm256_unpacklo_epi32(lstep2[36], lstep2[58]); u[5] = _mm256_unpackhi_epi32(lstep2[36], lstep2[58]); u[6] = _mm256_unpacklo_epi32(lstep2[37], lstep2[59]); u[7] = _mm256_unpackhi_epi32(lstep2[37], lstep2[59]); u[8] = _mm256_unpacklo_epi32(lstep2[42], lstep2[52]); u[9] = _mm256_unpackhi_epi32(lstep2[42], lstep2[52]); u[10] = _mm256_unpacklo_epi32(lstep2[43], lstep2[53]); u[11] = _mm256_unpackhi_epi32(lstep2[43], lstep2[53]); u[12] = _mm256_unpacklo_epi32(lstep2[44], lstep2[50]); u[13] = _mm256_unpackhi_epi32(lstep2[44], lstep2[50]); u[14] = _mm256_unpacklo_epi32(lstep2[45], lstep2[51]); u[15] = _mm256_unpackhi_epi32(lstep2[45], lstep2[51]); v[0] = k_madd_epi32_avx2(u[0], k32_m04_p28); v[1] = k_madd_epi32_avx2(u[1], k32_m04_p28); v[2] = k_madd_epi32_avx2(u[2], k32_m04_p28); v[3] = k_madd_epi32_avx2(u[3], k32_m04_p28); v[4] = k_madd_epi32_avx2(u[4], k32_m28_m04); v[5] = k_madd_epi32_avx2(u[5], k32_m28_m04); v[6] = k_madd_epi32_avx2(u[6], k32_m28_m04); v[7] = k_madd_epi32_avx2(u[7], k32_m28_m04); v[8] = k_madd_epi32_avx2(u[8], k32_m20_p12); v[9] = k_madd_epi32_avx2(u[9], k32_m20_p12); v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12); v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12); v[12] = k_madd_epi32_avx2(u[12], k32_m12_m20); v[13] = k_madd_epi32_avx2(u[13], k32_m12_m20); v[14] = k_madd_epi32_avx2(u[14], k32_m12_m20); v[15] = k_madd_epi32_avx2(u[15], k32_m12_m20); v[16] = k_madd_epi32_avx2(u[12], k32_m20_p12); v[17] = k_madd_epi32_avx2(u[13], k32_m20_p12); v[18] = k_madd_epi32_avx2(u[14], k32_m20_p12); v[19] = k_madd_epi32_avx2(u[15], k32_m20_p12); v[20] = k_madd_epi32_avx2(u[8], k32_p12_p20); v[21] = k_madd_epi32_avx2(u[9], k32_p12_p20); v[22] = k_madd_epi32_avx2(u[10], k32_p12_p20); v[23] = k_madd_epi32_avx2(u[11], k32_p12_p20); v[24] = k_madd_epi32_avx2(u[4], k32_m04_p28); v[25] = k_madd_epi32_avx2(u[5], k32_m04_p28); v[26] = k_madd_epi32_avx2(u[6], k32_m04_p28); v[27] = k_madd_epi32_avx2(u[7], k32_m04_p28); v[28] = k_madd_epi32_avx2(u[0], k32_p28_p04); v[29] = k_madd_epi32_avx2(u[1], k32_p28_p04); v[30] = k_madd_epi32_avx2(u[2], k32_p28_p04); v[31] = k_madd_epi32_avx2(u[3], k32_p28_p04); u[0] = k_packs_epi64_avx2(v[0], v[1]); u[1] = k_packs_epi64_avx2(v[2], v[3]); u[2] = k_packs_epi64_avx2(v[4], v[5]); u[3] = k_packs_epi64_avx2(v[6], v[7]); u[4] = k_packs_epi64_avx2(v[8], v[9]); u[5] = k_packs_epi64_avx2(v[10], v[11]); u[6] = k_packs_epi64_avx2(v[12], v[13]); u[7] = k_packs_epi64_avx2(v[14], v[15]); u[8] = k_packs_epi64_avx2(v[16], v[17]); u[9] = k_packs_epi64_avx2(v[18], v[19]); u[10] = k_packs_epi64_avx2(v[20], v[21]); u[11] = k_packs_epi64_avx2(v[22], v[23]); u[12] = k_packs_epi64_avx2(v[24], v[25]); u[13] = k_packs_epi64_avx2(v[26], v[27]); u[14] = k_packs_epi64_avx2(v[28], v[29]); u[15] = k_packs_epi64_avx2(v[30], v[31]); v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING); v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING); v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); lstep3[34] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); lstep3[35] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); lstep3[36] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); lstep3[37] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); lstep3[42] = _mm256_srai_epi32(v[4], DCT_CONST_BITS); lstep3[43] = _mm256_srai_epi32(v[5], DCT_CONST_BITS); lstep3[44] = _mm256_srai_epi32(v[6], DCT_CONST_BITS); lstep3[45] = _mm256_srai_epi32(v[7], DCT_CONST_BITS); lstep3[50] = _mm256_srai_epi32(v[8], DCT_CONST_BITS); lstep3[51] = _mm256_srai_epi32(v[9], DCT_CONST_BITS); lstep3[52] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); lstep3[53] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); lstep3[58] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); lstep3[59] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); lstep3[60] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); lstep3[61] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); } // stage 7 { const __m256i k32_p30_p02 = pair256_set_epi32(cospi_30_64, cospi_2_64); const __m256i k32_p14_p18 = pair256_set_epi32(cospi_14_64, cospi_18_64); const __m256i k32_p22_p10 = pair256_set_epi32(cospi_22_64, cospi_10_64); const __m256i k32_p06_p26 = pair256_set_epi32(cospi_6_64, cospi_26_64); const __m256i k32_m26_p06 = pair256_set_epi32(-cospi_26_64, cospi_6_64); const __m256i k32_m10_p22 = pair256_set_epi32(-cospi_10_64, cospi_22_64); const __m256i k32_m18_p14 = pair256_set_epi32(-cospi_18_64, cospi_14_64); const __m256i k32_m02_p30 = pair256_set_epi32(-cospi_2_64, cospi_30_64); u[0] = _mm256_unpacklo_epi32(lstep3[16], lstep3[30]); u[1] = _mm256_unpackhi_epi32(lstep3[16], lstep3[30]); u[2] = _mm256_unpacklo_epi32(lstep3[17], lstep3[31]); u[3] = _mm256_unpackhi_epi32(lstep3[17], lstep3[31]); u[4] = _mm256_unpacklo_epi32(lstep3[18], lstep3[28]); u[5] = _mm256_unpackhi_epi32(lstep3[18], lstep3[28]); u[6] = _mm256_unpacklo_epi32(lstep3[19], lstep3[29]); u[7] = _mm256_unpackhi_epi32(lstep3[19], lstep3[29]); u[8] = _mm256_unpacklo_epi32(lstep3[20], lstep3[26]); u[9] = _mm256_unpackhi_epi32(lstep3[20], lstep3[26]); u[10] = _mm256_unpacklo_epi32(lstep3[21], lstep3[27]); u[11] = _mm256_unpackhi_epi32(lstep3[21], lstep3[27]); u[12] = _mm256_unpacklo_epi32(lstep3[22], lstep3[24]); u[13] = _mm256_unpackhi_epi32(lstep3[22], lstep3[24]); u[14] = _mm256_unpacklo_epi32(lstep3[23], lstep3[25]); u[15] = _mm256_unpackhi_epi32(lstep3[23], lstep3[25]); v[0] = k_madd_epi32_avx2(u[0], k32_p30_p02); v[1] = k_madd_epi32_avx2(u[1], k32_p30_p02); v[2] = k_madd_epi32_avx2(u[2], k32_p30_p02); v[3] = k_madd_epi32_avx2(u[3], k32_p30_p02); v[4] = k_madd_epi32_avx2(u[4], k32_p14_p18); v[5] = k_madd_epi32_avx2(u[5], k32_p14_p18); v[6] = k_madd_epi32_avx2(u[6], k32_p14_p18); v[7] = k_madd_epi32_avx2(u[7], k32_p14_p18); v[8] = k_madd_epi32_avx2(u[8], k32_p22_p10); v[9] = k_madd_epi32_avx2(u[9], k32_p22_p10); v[10] = k_madd_epi32_avx2(u[10], k32_p22_p10); v[11] = k_madd_epi32_avx2(u[11], k32_p22_p10); v[12] = k_madd_epi32_avx2(u[12], k32_p06_p26); v[13] = k_madd_epi32_avx2(u[13], k32_p06_p26); v[14] = k_madd_epi32_avx2(u[14], k32_p06_p26); v[15] = k_madd_epi32_avx2(u[15], k32_p06_p26); v[16] = k_madd_epi32_avx2(u[12], k32_m26_p06); v[17] = k_madd_epi32_avx2(u[13], k32_m26_p06); v[18] = k_madd_epi32_avx2(u[14], k32_m26_p06); v[19] = k_madd_epi32_avx2(u[15], k32_m26_p06); v[20] = k_madd_epi32_avx2(u[8], k32_m10_p22); v[21] = k_madd_epi32_avx2(u[9], k32_m10_p22); v[22] = k_madd_epi32_avx2(u[10], k32_m10_p22); v[23] = k_madd_epi32_avx2(u[11], k32_m10_p22); v[24] = k_madd_epi32_avx2(u[4], k32_m18_p14); v[25] = k_madd_epi32_avx2(u[5], k32_m18_p14); v[26] = k_madd_epi32_avx2(u[6], k32_m18_p14); v[27] = k_madd_epi32_avx2(u[7], k32_m18_p14); v[28] = k_madd_epi32_avx2(u[0], k32_m02_p30); v[29] = k_madd_epi32_avx2(u[1], k32_m02_p30); v[30] = k_madd_epi32_avx2(u[2], k32_m02_p30); v[31] = k_madd_epi32_avx2(u[3], k32_m02_p30); u[0] = k_packs_epi64_avx2(v[0], v[1]); u[1] = k_packs_epi64_avx2(v[2], v[3]); u[2] = k_packs_epi64_avx2(v[4], v[5]); u[3] = k_packs_epi64_avx2(v[6], v[7]); u[4] = k_packs_epi64_avx2(v[8], v[9]); u[5] = k_packs_epi64_avx2(v[10], v[11]); u[6] = k_packs_epi64_avx2(v[12], v[13]); u[7] = k_packs_epi64_avx2(v[14], v[15]); u[8] = k_packs_epi64_avx2(v[16], v[17]); u[9] = k_packs_epi64_avx2(v[18], v[19]); u[10] = k_packs_epi64_avx2(v[20], v[21]); u[11] = k_packs_epi64_avx2(v[22], v[23]); u[12] = k_packs_epi64_avx2(v[24], v[25]); u[13] = k_packs_epi64_avx2(v[26], v[27]); u[14] = k_packs_epi64_avx2(v[28], v[29]); u[15] = k_packs_epi64_avx2(v[30], v[31]); v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING); v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING); v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS); u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS); u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS); u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS); u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS); u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS); u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); v[0] = _mm256_cmpgt_epi32(kZero, u[0]); v[1] = _mm256_cmpgt_epi32(kZero, u[1]); v[2] = _mm256_cmpgt_epi32(kZero, u[2]); v[3] = _mm256_cmpgt_epi32(kZero, u[3]); v[4] = _mm256_cmpgt_epi32(kZero, u[4]); v[5] = _mm256_cmpgt_epi32(kZero, u[5]); v[6] = _mm256_cmpgt_epi32(kZero, u[6]); v[7] = _mm256_cmpgt_epi32(kZero, u[7]); v[8] = _mm256_cmpgt_epi32(kZero, u[8]); v[9] = _mm256_cmpgt_epi32(kZero, u[9]); v[10] = _mm256_cmpgt_epi32(kZero, u[10]); v[11] = _mm256_cmpgt_epi32(kZero, u[11]); v[12] = _mm256_cmpgt_epi32(kZero, u[12]); v[13] = _mm256_cmpgt_epi32(kZero, u[13]); v[14] = _mm256_cmpgt_epi32(kZero, u[14]); v[15] = _mm256_cmpgt_epi32(kZero, u[15]); u[0] = _mm256_sub_epi32(u[0], v[0]); u[1] = _mm256_sub_epi32(u[1], v[1]); u[2] = _mm256_sub_epi32(u[2], v[2]); u[3] = _mm256_sub_epi32(u[3], v[3]); u[4] = _mm256_sub_epi32(u[4], v[4]); u[5] = _mm256_sub_epi32(u[5], v[5]); u[6] = _mm256_sub_epi32(u[6], v[6]); u[7] = _mm256_sub_epi32(u[7], v[7]); u[8] = _mm256_sub_epi32(u[8], v[8]); u[9] = _mm256_sub_epi32(u[9], v[9]); u[10] = _mm256_sub_epi32(u[10], v[10]); u[11] = _mm256_sub_epi32(u[11], v[11]); u[12] = _mm256_sub_epi32(u[12], v[12]); u[13] = _mm256_sub_epi32(u[13], v[13]); u[14] = _mm256_sub_epi32(u[14], v[14]); u[15] = _mm256_sub_epi32(u[15], v[15]); v[0] = _mm256_add_epi32(u[0], K32One); v[1] = _mm256_add_epi32(u[1], K32One); v[2] = _mm256_add_epi32(u[2], K32One); v[3] = _mm256_add_epi32(u[3], K32One); v[4] = _mm256_add_epi32(u[4], K32One); v[5] = _mm256_add_epi32(u[5], K32One); v[6] = _mm256_add_epi32(u[6], K32One); v[7] = _mm256_add_epi32(u[7], K32One); v[8] = _mm256_add_epi32(u[8], K32One); v[9] = _mm256_add_epi32(u[9], K32One); v[10] = _mm256_add_epi32(u[10], K32One); v[11] = _mm256_add_epi32(u[11], K32One); v[12] = _mm256_add_epi32(u[12], K32One); v[13] = _mm256_add_epi32(u[13], K32One); v[14] = _mm256_add_epi32(u[14], K32One); v[15] = _mm256_add_epi32(u[15], K32One); u[0] = _mm256_srai_epi32(v[0], 2); u[1] = _mm256_srai_epi32(v[1], 2); u[2] = _mm256_srai_epi32(v[2], 2); u[3] = _mm256_srai_epi32(v[3], 2); u[4] = _mm256_srai_epi32(v[4], 2); u[5] = _mm256_srai_epi32(v[5], 2); u[6] = _mm256_srai_epi32(v[6], 2); u[7] = _mm256_srai_epi32(v[7], 2); u[8] = _mm256_srai_epi32(v[8], 2); u[9] = _mm256_srai_epi32(v[9], 2); u[10] = _mm256_srai_epi32(v[10], 2); u[11] = _mm256_srai_epi32(v[11], 2); u[12] = _mm256_srai_epi32(v[12], 2); u[13] = _mm256_srai_epi32(v[13], 2); u[14] = _mm256_srai_epi32(v[14], 2); u[15] = _mm256_srai_epi32(v[15], 2); out[2] = _mm256_packs_epi32(u[0], u[1]); out[18] = _mm256_packs_epi32(u[2], u[3]); out[10] = _mm256_packs_epi32(u[4], u[5]); out[26] = _mm256_packs_epi32(u[6], u[7]); out[6] = _mm256_packs_epi32(u[8], u[9]); out[22] = _mm256_packs_epi32(u[10], u[11]); out[14] = _mm256_packs_epi32(u[12], u[13]); out[30] = _mm256_packs_epi32(u[14], u[15]); } { lstep1[32] = _mm256_add_epi32(lstep3[34], lstep2[32]); lstep1[33] = _mm256_add_epi32(lstep3[35], lstep2[33]); lstep1[34] = _mm256_sub_epi32(lstep2[32], lstep3[34]); lstep1[35] = _mm256_sub_epi32(lstep2[33], lstep3[35]); lstep1[36] = _mm256_sub_epi32(lstep2[38], lstep3[36]); lstep1[37] = _mm256_sub_epi32(lstep2[39], lstep3[37]); lstep1[38] = _mm256_add_epi32(lstep3[36], lstep2[38]); lstep1[39] = _mm256_add_epi32(lstep3[37], lstep2[39]); lstep1[40] = _mm256_add_epi32(lstep3[42], lstep2[40]); lstep1[41] = _mm256_add_epi32(lstep3[43], lstep2[41]); lstep1[42] = _mm256_sub_epi32(lstep2[40], lstep3[42]); lstep1[43] = _mm256_sub_epi32(lstep2[41], lstep3[43]); lstep1[44] = _mm256_sub_epi32(lstep2[46], lstep3[44]); lstep1[45] = _mm256_sub_epi32(lstep2[47], lstep3[45]); lstep1[46] = _mm256_add_epi32(lstep3[44], lstep2[46]); lstep1[47] = _mm256_add_epi32(lstep3[45], lstep2[47]); lstep1[48] = _mm256_add_epi32(lstep3[50], lstep2[48]); lstep1[49] = _mm256_add_epi32(lstep3[51], lstep2[49]); lstep1[50] = _mm256_sub_epi32(lstep2[48], lstep3[50]); lstep1[51] = _mm256_sub_epi32(lstep2[49], lstep3[51]); lstep1[52] = _mm256_sub_epi32(lstep2[54], lstep3[52]); lstep1[53] = _mm256_sub_epi32(lstep2[55], lstep3[53]); lstep1[54] = _mm256_add_epi32(lstep3[52], lstep2[54]); lstep1[55] = _mm256_add_epi32(lstep3[53], lstep2[55]); lstep1[56] = _mm256_add_epi32(lstep3[58], lstep2[56]); lstep1[57] = _mm256_add_epi32(lstep3[59], lstep2[57]); lstep1[58] = _mm256_sub_epi32(lstep2[56], lstep3[58]); lstep1[59] = _mm256_sub_epi32(lstep2[57], lstep3[59]); lstep1[60] = _mm256_sub_epi32(lstep2[62], lstep3[60]); lstep1[61] = _mm256_sub_epi32(lstep2[63], lstep3[61]); lstep1[62] = _mm256_add_epi32(lstep3[60], lstep2[62]); lstep1[63] = _mm256_add_epi32(lstep3[61], lstep2[63]); } // stage 8 { const __m256i k32_p31_p01 = pair256_set_epi32(cospi_31_64, cospi_1_64); const __m256i k32_p15_p17 = pair256_set_epi32(cospi_15_64, cospi_17_64); const __m256i k32_p23_p09 = pair256_set_epi32(cospi_23_64, cospi_9_64); const __m256i k32_p07_p25 = pair256_set_epi32(cospi_7_64, cospi_25_64); const __m256i k32_m25_p07 = pair256_set_epi32(-cospi_25_64, cospi_7_64); const __m256i k32_m09_p23 = pair256_set_epi32(-cospi_9_64, cospi_23_64); const __m256i k32_m17_p15 = pair256_set_epi32(-cospi_17_64, cospi_15_64); const __m256i k32_m01_p31 = pair256_set_epi32(-cospi_1_64, cospi_31_64); u[0] = _mm256_unpacklo_epi32(lstep1[32], lstep1[62]); u[1] = _mm256_unpackhi_epi32(lstep1[32], lstep1[62]); u[2] = _mm256_unpacklo_epi32(lstep1[33], lstep1[63]); u[3] = _mm256_unpackhi_epi32(lstep1[33], lstep1[63]); u[4] = _mm256_unpacklo_epi32(lstep1[34], lstep1[60]); u[5] = _mm256_unpackhi_epi32(lstep1[34], lstep1[60]); u[6] = _mm256_unpacklo_epi32(lstep1[35], lstep1[61]); u[7] = _mm256_unpackhi_epi32(lstep1[35], lstep1[61]); u[8] = _mm256_unpacklo_epi32(lstep1[36], lstep1[58]); u[9] = _mm256_unpackhi_epi32(lstep1[36], lstep1[58]); u[10] = _mm256_unpacklo_epi32(lstep1[37], lstep1[59]); u[11] = _mm256_unpackhi_epi32(lstep1[37], lstep1[59]); u[12] = _mm256_unpacklo_epi32(lstep1[38], lstep1[56]); u[13] = _mm256_unpackhi_epi32(lstep1[38], lstep1[56]); u[14] = _mm256_unpacklo_epi32(lstep1[39], lstep1[57]); u[15] = _mm256_unpackhi_epi32(lstep1[39], lstep1[57]); v[0] = k_madd_epi32_avx2(u[0], k32_p31_p01); v[1] = k_madd_epi32_avx2(u[1], k32_p31_p01); v[2] = k_madd_epi32_avx2(u[2], k32_p31_p01); v[3] = k_madd_epi32_avx2(u[3], k32_p31_p01); v[4] = k_madd_epi32_avx2(u[4], k32_p15_p17); v[5] = k_madd_epi32_avx2(u[5], k32_p15_p17); v[6] = k_madd_epi32_avx2(u[6], k32_p15_p17); v[7] = k_madd_epi32_avx2(u[7], k32_p15_p17); v[8] = k_madd_epi32_avx2(u[8], k32_p23_p09); v[9] = k_madd_epi32_avx2(u[9], k32_p23_p09); v[10] = k_madd_epi32_avx2(u[10], k32_p23_p09); v[11] = k_madd_epi32_avx2(u[11], k32_p23_p09); v[12] = k_madd_epi32_avx2(u[12], k32_p07_p25); v[13] = k_madd_epi32_avx2(u[13], k32_p07_p25); v[14] = k_madd_epi32_avx2(u[14], k32_p07_p25); v[15] = k_madd_epi32_avx2(u[15], k32_p07_p25); v[16] = k_madd_epi32_avx2(u[12], k32_m25_p07); v[17] = k_madd_epi32_avx2(u[13], k32_m25_p07); v[18] = k_madd_epi32_avx2(u[14], k32_m25_p07); v[19] = k_madd_epi32_avx2(u[15], k32_m25_p07); v[20] = k_madd_epi32_avx2(u[8], k32_m09_p23); v[21] = k_madd_epi32_avx2(u[9], k32_m09_p23); v[22] = k_madd_epi32_avx2(u[10], k32_m09_p23); v[23] = k_madd_epi32_avx2(u[11], k32_m09_p23); v[24] = k_madd_epi32_avx2(u[4], k32_m17_p15); v[25] = k_madd_epi32_avx2(u[5], k32_m17_p15); v[26] = k_madd_epi32_avx2(u[6], k32_m17_p15); v[27] = k_madd_epi32_avx2(u[7], k32_m17_p15); v[28] = k_madd_epi32_avx2(u[0], k32_m01_p31); v[29] = k_madd_epi32_avx2(u[1], k32_m01_p31); v[30] = k_madd_epi32_avx2(u[2], k32_m01_p31); v[31] = k_madd_epi32_avx2(u[3], k32_m01_p31); u[0] = k_packs_epi64_avx2(v[0], v[1]); u[1] = k_packs_epi64_avx2(v[2], v[3]); u[2] = k_packs_epi64_avx2(v[4], v[5]); u[3] = k_packs_epi64_avx2(v[6], v[7]); u[4] = k_packs_epi64_avx2(v[8], v[9]); u[5] = k_packs_epi64_avx2(v[10], v[11]); u[6] = k_packs_epi64_avx2(v[12], v[13]); u[7] = k_packs_epi64_avx2(v[14], v[15]); u[8] = k_packs_epi64_avx2(v[16], v[17]); u[9] = k_packs_epi64_avx2(v[18], v[19]); u[10] = k_packs_epi64_avx2(v[20], v[21]); u[11] = k_packs_epi64_avx2(v[22], v[23]); u[12] = k_packs_epi64_avx2(v[24], v[25]); u[13] = k_packs_epi64_avx2(v[26], v[27]); u[14] = k_packs_epi64_avx2(v[28], v[29]); u[15] = k_packs_epi64_avx2(v[30], v[31]); v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING); v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING); v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS); u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS); u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS); u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS); u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS); u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS); u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); v[0] = _mm256_cmpgt_epi32(kZero, u[0]); v[1] = _mm256_cmpgt_epi32(kZero, u[1]); v[2] = _mm256_cmpgt_epi32(kZero, u[2]); v[3] = _mm256_cmpgt_epi32(kZero, u[3]); v[4] = _mm256_cmpgt_epi32(kZero, u[4]); v[5] = _mm256_cmpgt_epi32(kZero, u[5]); v[6] = _mm256_cmpgt_epi32(kZero, u[6]); v[7] = _mm256_cmpgt_epi32(kZero, u[7]); v[8] = _mm256_cmpgt_epi32(kZero, u[8]); v[9] = _mm256_cmpgt_epi32(kZero, u[9]); v[10] = _mm256_cmpgt_epi32(kZero, u[10]); v[11] = _mm256_cmpgt_epi32(kZero, u[11]); v[12] = _mm256_cmpgt_epi32(kZero, u[12]); v[13] = _mm256_cmpgt_epi32(kZero, u[13]); v[14] = _mm256_cmpgt_epi32(kZero, u[14]); v[15] = _mm256_cmpgt_epi32(kZero, u[15]); u[0] = _mm256_sub_epi32(u[0], v[0]); u[1] = _mm256_sub_epi32(u[1], v[1]); u[2] = _mm256_sub_epi32(u[2], v[2]); u[3] = _mm256_sub_epi32(u[3], v[3]); u[4] = _mm256_sub_epi32(u[4], v[4]); u[5] = _mm256_sub_epi32(u[5], v[5]); u[6] = _mm256_sub_epi32(u[6], v[6]); u[7] = _mm256_sub_epi32(u[7], v[7]); u[8] = _mm256_sub_epi32(u[8], v[8]); u[9] = _mm256_sub_epi32(u[9], v[9]); u[10] = _mm256_sub_epi32(u[10], v[10]); u[11] = _mm256_sub_epi32(u[11], v[11]); u[12] = _mm256_sub_epi32(u[12], v[12]); u[13] = _mm256_sub_epi32(u[13], v[13]); u[14] = _mm256_sub_epi32(u[14], v[14]); u[15] = _mm256_sub_epi32(u[15], v[15]); v[0] = _mm256_add_epi32(u[0], K32One); v[1] = _mm256_add_epi32(u[1], K32One); v[2] = _mm256_add_epi32(u[2], K32One); v[3] = _mm256_add_epi32(u[3], K32One); v[4] = _mm256_add_epi32(u[4], K32One); v[5] = _mm256_add_epi32(u[5], K32One); v[6] = _mm256_add_epi32(u[6], K32One); v[7] = _mm256_add_epi32(u[7], K32One); v[8] = _mm256_add_epi32(u[8], K32One); v[9] = _mm256_add_epi32(u[9], K32One); v[10] = _mm256_add_epi32(u[10], K32One); v[11] = _mm256_add_epi32(u[11], K32One); v[12] = _mm256_add_epi32(u[12], K32One); v[13] = _mm256_add_epi32(u[13], K32One); v[14] = _mm256_add_epi32(u[14], K32One); v[15] = _mm256_add_epi32(u[15], K32One); u[0] = _mm256_srai_epi32(v[0], 2); u[1] = _mm256_srai_epi32(v[1], 2); u[2] = _mm256_srai_epi32(v[2], 2); u[3] = _mm256_srai_epi32(v[3], 2); u[4] = _mm256_srai_epi32(v[4], 2); u[5] = _mm256_srai_epi32(v[5], 2); u[6] = _mm256_srai_epi32(v[6], 2); u[7] = _mm256_srai_epi32(v[7], 2); u[8] = _mm256_srai_epi32(v[8], 2); u[9] = _mm256_srai_epi32(v[9], 2); u[10] = _mm256_srai_epi32(v[10], 2); u[11] = _mm256_srai_epi32(v[11], 2); u[12] = _mm256_srai_epi32(v[12], 2); u[13] = _mm256_srai_epi32(v[13], 2); u[14] = _mm256_srai_epi32(v[14], 2); u[15] = _mm256_srai_epi32(v[15], 2); out[1] = _mm256_packs_epi32(u[0], u[1]); out[17] = _mm256_packs_epi32(u[2], u[3]); out[9] = _mm256_packs_epi32(u[4], u[5]); out[25] = _mm256_packs_epi32(u[6], u[7]); out[7] = _mm256_packs_epi32(u[8], u[9]); out[23] = _mm256_packs_epi32(u[10], u[11]); out[15] = _mm256_packs_epi32(u[12], u[13]); out[31] = _mm256_packs_epi32(u[14], u[15]); } { const __m256i k32_p27_p05 = pair256_set_epi32(cospi_27_64, cospi_5_64); const __m256i k32_p11_p21 = pair256_set_epi32(cospi_11_64, cospi_21_64); const __m256i k32_p19_p13 = pair256_set_epi32(cospi_19_64, cospi_13_64); const __m256i k32_p03_p29 = pair256_set_epi32(cospi_3_64, cospi_29_64); const __m256i k32_m29_p03 = pair256_set_epi32(-cospi_29_64, cospi_3_64); const __m256i k32_m13_p19 = pair256_set_epi32(-cospi_13_64, cospi_19_64); const __m256i k32_m21_p11 = pair256_set_epi32(-cospi_21_64, cospi_11_64); const __m256i k32_m05_p27 = pair256_set_epi32(-cospi_5_64, cospi_27_64); u[0] = _mm256_unpacklo_epi32(lstep1[40], lstep1[54]); u[1] = _mm256_unpackhi_epi32(lstep1[40], lstep1[54]); u[2] = _mm256_unpacklo_epi32(lstep1[41], lstep1[55]); u[3] = _mm256_unpackhi_epi32(lstep1[41], lstep1[55]); u[4] = _mm256_unpacklo_epi32(lstep1[42], lstep1[52]); u[5] = _mm256_unpackhi_epi32(lstep1[42], lstep1[52]); u[6] = _mm256_unpacklo_epi32(lstep1[43], lstep1[53]); u[7] = _mm256_unpackhi_epi32(lstep1[43], lstep1[53]); u[8] = _mm256_unpacklo_epi32(lstep1[44], lstep1[50]); u[9] = _mm256_unpackhi_epi32(lstep1[44], lstep1[50]); u[10] = _mm256_unpacklo_epi32(lstep1[45], lstep1[51]); u[11] = _mm256_unpackhi_epi32(lstep1[45], lstep1[51]); u[12] = _mm256_unpacklo_epi32(lstep1[46], lstep1[48]); u[13] = _mm256_unpackhi_epi32(lstep1[46], lstep1[48]); u[14] = _mm256_unpacklo_epi32(lstep1[47], lstep1[49]); u[15] = _mm256_unpackhi_epi32(lstep1[47], lstep1[49]); v[0] = k_madd_epi32_avx2(u[0], k32_p27_p05); v[1] = k_madd_epi32_avx2(u[1], k32_p27_p05); v[2] = k_madd_epi32_avx2(u[2], k32_p27_p05); v[3] = k_madd_epi32_avx2(u[3], k32_p27_p05); v[4] = k_madd_epi32_avx2(u[4], k32_p11_p21); v[5] = k_madd_epi32_avx2(u[5], k32_p11_p21); v[6] = k_madd_epi32_avx2(u[6], k32_p11_p21); v[7] = k_madd_epi32_avx2(u[7], k32_p11_p21); v[8] = k_madd_epi32_avx2(u[8], k32_p19_p13); v[9] = k_madd_epi32_avx2(u[9], k32_p19_p13); v[10] = k_madd_epi32_avx2(u[10], k32_p19_p13); v[11] = k_madd_epi32_avx2(u[11], k32_p19_p13); v[12] = k_madd_epi32_avx2(u[12], k32_p03_p29); v[13] = k_madd_epi32_avx2(u[13], k32_p03_p29); v[14] = k_madd_epi32_avx2(u[14], k32_p03_p29); v[15] = k_madd_epi32_avx2(u[15], k32_p03_p29); v[16] = k_madd_epi32_avx2(u[12], k32_m29_p03); v[17] = k_madd_epi32_avx2(u[13], k32_m29_p03); v[18] = k_madd_epi32_avx2(u[14], k32_m29_p03); v[19] = k_madd_epi32_avx2(u[15], k32_m29_p03); v[20] = k_madd_epi32_avx2(u[8], k32_m13_p19); v[21] = k_madd_epi32_avx2(u[9], k32_m13_p19); v[22] = k_madd_epi32_avx2(u[10], k32_m13_p19); v[23] = k_madd_epi32_avx2(u[11], k32_m13_p19); v[24] = k_madd_epi32_avx2(u[4], k32_m21_p11); v[25] = k_madd_epi32_avx2(u[5], k32_m21_p11); v[26] = k_madd_epi32_avx2(u[6], k32_m21_p11); v[27] = k_madd_epi32_avx2(u[7], k32_m21_p11); v[28] = k_madd_epi32_avx2(u[0], k32_m05_p27); v[29] = k_madd_epi32_avx2(u[1], k32_m05_p27); v[30] = k_madd_epi32_avx2(u[2], k32_m05_p27); v[31] = k_madd_epi32_avx2(u[3], k32_m05_p27); u[0] = k_packs_epi64_avx2(v[0], v[1]); u[1] = k_packs_epi64_avx2(v[2], v[3]); u[2] = k_packs_epi64_avx2(v[4], v[5]); u[3] = k_packs_epi64_avx2(v[6], v[7]); u[4] = k_packs_epi64_avx2(v[8], v[9]); u[5] = k_packs_epi64_avx2(v[10], v[11]); u[6] = k_packs_epi64_avx2(v[12], v[13]); u[7] = k_packs_epi64_avx2(v[14], v[15]); u[8] = k_packs_epi64_avx2(v[16], v[17]); u[9] = k_packs_epi64_avx2(v[18], v[19]); u[10] = k_packs_epi64_avx2(v[20], v[21]); u[11] = k_packs_epi64_avx2(v[22], v[23]); u[12] = k_packs_epi64_avx2(v[24], v[25]); u[13] = k_packs_epi64_avx2(v[26], v[27]); u[14] = k_packs_epi64_avx2(v[28], v[29]); u[15] = k_packs_epi64_avx2(v[30], v[31]); v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING); v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING); v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS); u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS); u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS); u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS); u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS); u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS); u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); v[0] = _mm256_cmpgt_epi32(kZero, u[0]); v[1] = _mm256_cmpgt_epi32(kZero, u[1]); v[2] = _mm256_cmpgt_epi32(kZero, u[2]); v[3] = _mm256_cmpgt_epi32(kZero, u[3]); v[4] = _mm256_cmpgt_epi32(kZero, u[4]); v[5] = _mm256_cmpgt_epi32(kZero, u[5]); v[6] = _mm256_cmpgt_epi32(kZero, u[6]); v[7] = _mm256_cmpgt_epi32(kZero, u[7]); v[8] = _mm256_cmpgt_epi32(kZero, u[8]); v[9] = _mm256_cmpgt_epi32(kZero, u[9]); v[10] = _mm256_cmpgt_epi32(kZero, u[10]); v[11] = _mm256_cmpgt_epi32(kZero, u[11]); v[12] = _mm256_cmpgt_epi32(kZero, u[12]); v[13] = _mm256_cmpgt_epi32(kZero, u[13]); v[14] = _mm256_cmpgt_epi32(kZero, u[14]); v[15] = _mm256_cmpgt_epi32(kZero, u[15]); u[0] = _mm256_sub_epi32(u[0], v[0]); u[1] = _mm256_sub_epi32(u[1], v[1]); u[2] = _mm256_sub_epi32(u[2], v[2]); u[3] = _mm256_sub_epi32(u[3], v[3]); u[4] = _mm256_sub_epi32(u[4], v[4]); u[5] = _mm256_sub_epi32(u[5], v[5]); u[6] = _mm256_sub_epi32(u[6], v[6]); u[7] = _mm256_sub_epi32(u[7], v[7]); u[8] = _mm256_sub_epi32(u[8], v[8]); u[9] = _mm256_sub_epi32(u[9], v[9]); u[10] = _mm256_sub_epi32(u[10], v[10]); u[11] = _mm256_sub_epi32(u[11], v[11]); u[12] = _mm256_sub_epi32(u[12], v[12]); u[13] = _mm256_sub_epi32(u[13], v[13]); u[14] = _mm256_sub_epi32(u[14], v[14]); u[15] = _mm256_sub_epi32(u[15], v[15]); v[0] = _mm256_add_epi32(u[0], K32One); v[1] = _mm256_add_epi32(u[1], K32One); v[2] = _mm256_add_epi32(u[2], K32One); v[3] = _mm256_add_epi32(u[3], K32One); v[4] = _mm256_add_epi32(u[4], K32One); v[5] = _mm256_add_epi32(u[5], K32One); v[6] = _mm256_add_epi32(u[6], K32One); v[7] = _mm256_add_epi32(u[7], K32One); v[8] = _mm256_add_epi32(u[8], K32One); v[9] = _mm256_add_epi32(u[9], K32One); v[10] = _mm256_add_epi32(u[10], K32One); v[11] = _mm256_add_epi32(u[11], K32One); v[12] = _mm256_add_epi32(u[12], K32One); v[13] = _mm256_add_epi32(u[13], K32One); v[14] = _mm256_add_epi32(u[14], K32One); v[15] = _mm256_add_epi32(u[15], K32One); u[0] = _mm256_srai_epi32(v[0], 2); u[1] = _mm256_srai_epi32(v[1], 2); u[2] = _mm256_srai_epi32(v[2], 2); u[3] = _mm256_srai_epi32(v[3], 2); u[4] = _mm256_srai_epi32(v[4], 2); u[5] = _mm256_srai_epi32(v[5], 2); u[6] = _mm256_srai_epi32(v[6], 2); u[7] = _mm256_srai_epi32(v[7], 2); u[8] = _mm256_srai_epi32(v[8], 2); u[9] = _mm256_srai_epi32(v[9], 2); u[10] = _mm256_srai_epi32(v[10], 2); u[11] = _mm256_srai_epi32(v[11], 2); u[12] = _mm256_srai_epi32(v[12], 2); u[13] = _mm256_srai_epi32(v[13], 2); u[14] = _mm256_srai_epi32(v[14], 2); u[15] = _mm256_srai_epi32(v[15], 2); out[5] = _mm256_packs_epi32(u[0], u[1]); out[21] = _mm256_packs_epi32(u[2], u[3]); out[13] = _mm256_packs_epi32(u[4], u[5]); out[29] = _mm256_packs_epi32(u[6], u[7]); out[3] = _mm256_packs_epi32(u[8], u[9]); out[19] = _mm256_packs_epi32(u[10], u[11]); out[11] = _mm256_packs_epi32(u[12], u[13]); out[27] = _mm256_packs_epi32(u[14], u[15]); } } #endif // Transpose the results, do it as four 8x8 transposes. { int transpose_block; int16_t *output_currStep, *output_nextStep; if (0 == pass) { output_currStep = &intermediate[column_start * 32]; output_nextStep = &intermediate[(column_start + 8) * 32]; } else { output_currStep = &output_org[column_start * 32]; output_nextStep = &output_org[(column_start + 8) * 32]; } for (transpose_block = 0; transpose_block < 4; ++transpose_block) { __m256i *this_out = &out[8 * transpose_block]; // 00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 // 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 // 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 // 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 // 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 // 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 // 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 // 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 const __m256i tr0_0 = _mm256_unpacklo_epi16(this_out[0], this_out[1]); const __m256i tr0_1 = _mm256_unpacklo_epi16(this_out[2], this_out[3]); const __m256i tr0_2 = _mm256_unpackhi_epi16(this_out[0], this_out[1]); const __m256i tr0_3 = _mm256_unpackhi_epi16(this_out[2], this_out[3]); const __m256i tr0_4 = _mm256_unpacklo_epi16(this_out[4], this_out[5]); const __m256i tr0_5 = _mm256_unpacklo_epi16(this_out[6], this_out[7]); const __m256i tr0_6 = _mm256_unpackhi_epi16(this_out[4], this_out[5]); const __m256i tr0_7 = _mm256_unpackhi_epi16(this_out[6], this_out[7]); // 00 20 01 21 02 22 03 23 08 28 09 29 10 30 11 31 // 40 60 41 61 42 62 43 63 48 68 49 69 50 70 51 71 // 04 24 05 25 06 26 07 27 12 32 13 33 14 34 15 35 // 44 64 45 65 46 66 47 67 52 72 53 73 54 74 55 75 // 80 100 81 101 82 102 83 103 88 108 89 109 90 110 91 101 // 120 140 121 141 122 142 123 143 128 148 129 149 130 150 131 151 // 84 104 85 105 86 106 87 107 92 112 93 113 94 114 95 115 // 124 144 125 145 126 146 127 147 132 152 133 153 134 154 135 155 const __m256i tr1_0 = _mm256_unpacklo_epi32(tr0_0, tr0_1); const __m256i tr1_1 = _mm256_unpacklo_epi32(tr0_2, tr0_3); const __m256i tr1_2 = _mm256_unpackhi_epi32(tr0_0, tr0_1); const __m256i tr1_3 = _mm256_unpackhi_epi32(tr0_2, tr0_3); const __m256i tr1_4 = _mm256_unpacklo_epi32(tr0_4, tr0_5); const __m256i tr1_5 = _mm256_unpacklo_epi32(tr0_6, tr0_7); const __m256i tr1_6 = _mm256_unpackhi_epi32(tr0_4, tr0_5); const __m256i tr1_7 = _mm256_unpackhi_epi32(tr0_6, tr0_7); // 00 20 40 60 01 21 41 61 08 28 48 68 09 29 49 69 // 04 24 44 64 05 25 45 65 12 32 52 72 13 33 53 73 // 02 22 42 62 03 23 43 63 10 30 50 70 11 31 51 71 // 06 26 46 66 07 27 47 67 14 34 54 74 15 35 55 75 // 80 100 120 140 81 101 121 141 88 108 128 148 89 109 129 149 // 84 104 124 144 85 105 125 145 92 112 132 152 93 113 133 153 // 82 102 122 142 83 103 123 143 90 110 130 150 91 101 131 151 // 86 106 126 146 87 107 127 147 94 114 134 154 95 115 135 155 __m256i tr2_0 = _mm256_unpacklo_epi64(tr1_0, tr1_4); __m256i tr2_1 = _mm256_unpackhi_epi64(tr1_0, tr1_4); __m256i tr2_2 = _mm256_unpacklo_epi64(tr1_2, tr1_6); __m256i tr2_3 = _mm256_unpackhi_epi64(tr1_2, tr1_6); __m256i tr2_4 = _mm256_unpacklo_epi64(tr1_1, tr1_5); __m256i tr2_5 = _mm256_unpackhi_epi64(tr1_1, tr1_5); __m256i tr2_6 = _mm256_unpacklo_epi64(tr1_3, tr1_7); __m256i tr2_7 = _mm256_unpackhi_epi64(tr1_3, tr1_7); // 00 20 40 60 80 100 120 140 08 28 48 68 88 108 128 148 // 01 21 41 61 81 101 121 141 09 29 49 69 89 109 129 149 // 02 22 42 62 82 102 122 142 10 30 50 70 90 110 130 150 // 03 23 43 63 83 103 123 143 11 31 51 71 91 101 131 151 // 04 24 44 64 84 104 124 144 12 32 52 72 92 112 132 152 // 05 25 45 65 85 105 125 145 13 33 53 73 93 113 133 153 // 06 26 46 66 86 106 126 146 14 34 54 74 94 114 134 154 // 07 27 47 67 87 107 127 147 15 35 55 75 95 115 135 155 if (0 == pass) { // output[j] = (output[j] + 1 + (output[j] > 0)) >> 2; // TODO(cd): see quality impact of only doing // output[j] = (output[j] + 1) >> 2; // which would remove the code between here ... __m256i tr2_0_0 = _mm256_cmpgt_epi16(tr2_0, kZero); __m256i tr2_1_0 = _mm256_cmpgt_epi16(tr2_1, kZero); __m256i tr2_2_0 = _mm256_cmpgt_epi16(tr2_2, kZero); __m256i tr2_3_0 = _mm256_cmpgt_epi16(tr2_3, kZero); __m256i tr2_4_0 = _mm256_cmpgt_epi16(tr2_4, kZero); __m256i tr2_5_0 = _mm256_cmpgt_epi16(tr2_5, kZero); __m256i tr2_6_0 = _mm256_cmpgt_epi16(tr2_6, kZero); __m256i tr2_7_0 = _mm256_cmpgt_epi16(tr2_7, kZero); tr2_0 = _mm256_sub_epi16(tr2_0, tr2_0_0); tr2_1 = _mm256_sub_epi16(tr2_1, tr2_1_0); tr2_2 = _mm256_sub_epi16(tr2_2, tr2_2_0); tr2_3 = _mm256_sub_epi16(tr2_3, tr2_3_0); tr2_4 = _mm256_sub_epi16(tr2_4, tr2_4_0); tr2_5 = _mm256_sub_epi16(tr2_5, tr2_5_0); tr2_6 = _mm256_sub_epi16(tr2_6, tr2_6_0); tr2_7 = _mm256_sub_epi16(tr2_7, tr2_7_0); // ... and here. // PS: also change code in vp9/encoder/vp9_dct.c tr2_0 = _mm256_add_epi16(tr2_0, kOne); tr2_1 = _mm256_add_epi16(tr2_1, kOne); tr2_2 = _mm256_add_epi16(tr2_2, kOne); tr2_3 = _mm256_add_epi16(tr2_3, kOne); tr2_4 = _mm256_add_epi16(tr2_4, kOne); tr2_5 = _mm256_add_epi16(tr2_5, kOne); tr2_6 = _mm256_add_epi16(tr2_6, kOne); tr2_7 = _mm256_add_epi16(tr2_7, kOne); tr2_0 = _mm256_srai_epi16(tr2_0, 2); tr2_1 = _mm256_srai_epi16(tr2_1, 2); tr2_2 = _mm256_srai_epi16(tr2_2, 2); tr2_3 = _mm256_srai_epi16(tr2_3, 2); tr2_4 = _mm256_srai_epi16(tr2_4, 2); tr2_5 = _mm256_srai_epi16(tr2_5, 2); tr2_6 = _mm256_srai_epi16(tr2_6, 2); tr2_7 = _mm256_srai_epi16(tr2_7, 2); } // Note: even though all these stores are aligned, using the aligned // intrinsic make the code slightly slower. _mm_storeu_si128((__m128i *)(output_currStep + 0 * 32), _mm256_castsi256_si128(tr2_0)); _mm_storeu_si128((__m128i *)(output_currStep + 1 * 32), _mm256_castsi256_si128(tr2_1)); _mm_storeu_si128((__m128i *)(output_currStep + 2 * 32), _mm256_castsi256_si128(tr2_2)); _mm_storeu_si128((__m128i *)(output_currStep + 3 * 32), _mm256_castsi256_si128(tr2_3)); _mm_storeu_si128((__m128i *)(output_currStep + 4 * 32), _mm256_castsi256_si128(tr2_4)); _mm_storeu_si128((__m128i *)(output_currStep + 5 * 32), _mm256_castsi256_si128(tr2_5)); _mm_storeu_si128((__m128i *)(output_currStep + 6 * 32), _mm256_castsi256_si128(tr2_6)); _mm_storeu_si128((__m128i *)(output_currStep + 7 * 32), _mm256_castsi256_si128(tr2_7)); _mm_storeu_si128((__m128i *)(output_nextStep + 0 * 32), _mm256_extractf128_si256(tr2_0, 1)); _mm_storeu_si128((__m128i *)(output_nextStep + 1 * 32), _mm256_extractf128_si256(tr2_1, 1)); _mm_storeu_si128((__m128i *)(output_nextStep + 2 * 32), _mm256_extractf128_si256(tr2_2, 1)); _mm_storeu_si128((__m128i *)(output_nextStep + 3 * 32), _mm256_extractf128_si256(tr2_3, 1)); _mm_storeu_si128((__m128i *)(output_nextStep + 4 * 32), _mm256_extractf128_si256(tr2_4, 1)); _mm_storeu_si128((__m128i *)(output_nextStep + 5 * 32), _mm256_extractf128_si256(tr2_5, 1)); _mm_storeu_si128((__m128i *)(output_nextStep + 6 * 32), _mm256_extractf128_si256(tr2_6, 1)); _mm_storeu_si128((__m128i *)(output_nextStep + 7 * 32), _mm256_extractf128_si256(tr2_7, 1)); // Process next 8x8 output_currStep += 8; output_nextStep += 8; } } } } } // NOLINT