1/* 2 * Copyright (c) 2012 The WebM project authors. All Rights Reserved. 3 * 4 * Use of this source code is governed by a BSD-style license 5 * that can be found in the LICENSE file in the root of the source 6 * tree. An additional intellectual property rights grant can be found 7 * in the file PATENTS. All contributing project authors may 8 * be found in the AUTHORS file in the root of the source tree. 9 */ 10 11#include <immintrin.h> // AVX2 12#include "vp9/common/vp9_idct.h" // for cospi constants 13#include "vpx_ports/mem.h" 14 15#define pair256_set_epi16(a, b) \ 16 _mm256_set_epi16(b, a, b, a, b, a, b, a, b, a, b, a, b, a, b, a) 17 18#define pair256_set_epi32(a, b) \ 19 _mm256_set_epi32(b, a, b, a, b, a, b, a) 20 21 22 23 24#if FDCT32x32_HIGH_PRECISION 25static INLINE __m256i k_madd_epi32_avx2(__m256i a, __m256i b) { 26 __m256i buf0, buf1; 27 buf0 = _mm256_mul_epu32(a, b); 28 a = _mm256_srli_epi64(a, 32); 29 b = _mm256_srli_epi64(b, 32); 30 buf1 = _mm256_mul_epu32(a, b); 31 return _mm256_add_epi64(buf0, buf1); 32} 33 34static INLINE __m256i k_packs_epi64_avx2(__m256i a, __m256i b) { 35 __m256i buf0 = _mm256_shuffle_epi32(a, _MM_SHUFFLE(0, 0, 2, 0)); 36 __m256i buf1 = _mm256_shuffle_epi32(b, _MM_SHUFFLE(0, 0, 2, 0)); 37 return _mm256_unpacklo_epi64(buf0, buf1); 38} 39#endif 40 41void FDCT32x32_2D_AVX2(const int16_t *input, 42 int16_t *output_org, int stride) { 43 // Calculate pre-multiplied strides 44 const int str1 = stride; 45 const int str2 = 2 * stride; 46 const int str3 = 2 * stride + str1; 47 // We need an intermediate buffer between passes. 48 DECLARE_ALIGNED(32, int16_t, intermediate[32 * 32]); 49 // Constants 50 // When we use them, in one case, they are all the same. In all others 51 // it's a pair of them that we need to repeat four times. This is done 52 // by constructing the 32 bit constant corresponding to that pair. 53 const __m256i k__cospi_p16_p16 = _mm256_set1_epi16(+cospi_16_64); 54 const __m256i k__cospi_p16_m16 = pair256_set_epi16(+cospi_16_64, -cospi_16_64); 55 const __m256i k__cospi_m08_p24 = pair256_set_epi16(-cospi_8_64, cospi_24_64); 56 const __m256i k__cospi_m24_m08 = pair256_set_epi16(-cospi_24_64, -cospi_8_64); 57 const __m256i k__cospi_p24_p08 = pair256_set_epi16(+cospi_24_64, cospi_8_64); 58 const __m256i k__cospi_p12_p20 = pair256_set_epi16(+cospi_12_64, cospi_20_64); 59 const __m256i k__cospi_m20_p12 = pair256_set_epi16(-cospi_20_64, cospi_12_64); 60 const __m256i k__cospi_m04_p28 = pair256_set_epi16(-cospi_4_64, cospi_28_64); 61 const __m256i k__cospi_p28_p04 = pair256_set_epi16(+cospi_28_64, cospi_4_64); 62 const __m256i k__cospi_m28_m04 = pair256_set_epi16(-cospi_28_64, -cospi_4_64); 63 const __m256i k__cospi_m12_m20 = pair256_set_epi16(-cospi_12_64, -cospi_20_64); 64 const __m256i k__cospi_p30_p02 = pair256_set_epi16(+cospi_30_64, cospi_2_64); 65 const __m256i k__cospi_p14_p18 = pair256_set_epi16(+cospi_14_64, cospi_18_64); 66 const __m256i k__cospi_p22_p10 = pair256_set_epi16(+cospi_22_64, cospi_10_64); 67 const __m256i k__cospi_p06_p26 = pair256_set_epi16(+cospi_6_64, cospi_26_64); 68 const __m256i k__cospi_m26_p06 = pair256_set_epi16(-cospi_26_64, cospi_6_64); 69 const __m256i k__cospi_m10_p22 = pair256_set_epi16(-cospi_10_64, cospi_22_64); 70 const __m256i k__cospi_m18_p14 = pair256_set_epi16(-cospi_18_64, cospi_14_64); 71 const __m256i k__cospi_m02_p30 = pair256_set_epi16(-cospi_2_64, cospi_30_64); 72 const __m256i k__cospi_p31_p01 = pair256_set_epi16(+cospi_31_64, cospi_1_64); 73 const __m256i k__cospi_p15_p17 = pair256_set_epi16(+cospi_15_64, cospi_17_64); 74 const __m256i k__cospi_p23_p09 = pair256_set_epi16(+cospi_23_64, cospi_9_64); 75 const __m256i k__cospi_p07_p25 = pair256_set_epi16(+cospi_7_64, cospi_25_64); 76 const __m256i k__cospi_m25_p07 = pair256_set_epi16(-cospi_25_64, cospi_7_64); 77 const __m256i k__cospi_m09_p23 = pair256_set_epi16(-cospi_9_64, cospi_23_64); 78 const __m256i k__cospi_m17_p15 = pair256_set_epi16(-cospi_17_64, cospi_15_64); 79 const __m256i k__cospi_m01_p31 = pair256_set_epi16(-cospi_1_64, cospi_31_64); 80 const __m256i k__cospi_p27_p05 = pair256_set_epi16(+cospi_27_64, cospi_5_64); 81 const __m256i k__cospi_p11_p21 = pair256_set_epi16(+cospi_11_64, cospi_21_64); 82 const __m256i k__cospi_p19_p13 = pair256_set_epi16(+cospi_19_64, cospi_13_64); 83 const __m256i k__cospi_p03_p29 = pair256_set_epi16(+cospi_3_64, cospi_29_64); 84 const __m256i k__cospi_m29_p03 = pair256_set_epi16(-cospi_29_64, cospi_3_64); 85 const __m256i k__cospi_m13_p19 = pair256_set_epi16(-cospi_13_64, cospi_19_64); 86 const __m256i k__cospi_m21_p11 = pair256_set_epi16(-cospi_21_64, cospi_11_64); 87 const __m256i k__cospi_m05_p27 = pair256_set_epi16(-cospi_5_64, cospi_27_64); 88 const __m256i k__DCT_CONST_ROUNDING = _mm256_set1_epi32(DCT_CONST_ROUNDING); 89 const __m256i kZero = _mm256_set1_epi16(0); 90 const __m256i kOne = _mm256_set1_epi16(1); 91 // Do the two transform/transpose passes 92 int pass; 93 for (pass = 0; pass < 2; ++pass) { 94 // We process sixteen columns (transposed rows in second pass) at a time. 95 int column_start; 96 for (column_start = 0; column_start < 32; column_start += 16) { 97 __m256i step1[32]; 98 __m256i step2[32]; 99 __m256i step3[32]; 100 __m256i out[32]; 101 // Stage 1 102 // Note: even though all the loads below are aligned, using the aligned 103 // intrinsic make the code slightly slower. 104 if (0 == pass) { 105 const int16_t *in = &input[column_start]; 106 // step1[i] = (in[ 0 * stride] + in[(32 - 1) * stride]) << 2; 107 // Note: the next four blocks could be in a loop. That would help the 108 // instruction cache but is actually slower. 109 { 110 const int16_t *ina = in + 0 * str1; 111 const int16_t *inb = in + 31 * str1; 112 __m256i *step1a = &step1[ 0]; 113 __m256i *step1b = &step1[31]; 114 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina)); 115 const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1)); 116 const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2)); 117 const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3)); 118 const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3)); 119 const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2)); 120 const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1)); 121 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb)); 122 step1a[ 0] = _mm256_add_epi16(ina0, inb0); 123 step1a[ 1] = _mm256_add_epi16(ina1, inb1); 124 step1a[ 2] = _mm256_add_epi16(ina2, inb2); 125 step1a[ 3] = _mm256_add_epi16(ina3, inb3); 126 step1b[-3] = _mm256_sub_epi16(ina3, inb3); 127 step1b[-2] = _mm256_sub_epi16(ina2, inb2); 128 step1b[-1] = _mm256_sub_epi16(ina1, inb1); 129 step1b[-0] = _mm256_sub_epi16(ina0, inb0); 130 step1a[ 0] = _mm256_slli_epi16(step1a[ 0], 2); 131 step1a[ 1] = _mm256_slli_epi16(step1a[ 1], 2); 132 step1a[ 2] = _mm256_slli_epi16(step1a[ 2], 2); 133 step1a[ 3] = _mm256_slli_epi16(step1a[ 3], 2); 134 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2); 135 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2); 136 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2); 137 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2); 138 } 139 { 140 const int16_t *ina = in + 4 * str1; 141 const int16_t *inb = in + 27 * str1; 142 __m256i *step1a = &step1[ 4]; 143 __m256i *step1b = &step1[27]; 144 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina)); 145 const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1)); 146 const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2)); 147 const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3)); 148 const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3)); 149 const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2)); 150 const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1)); 151 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb)); 152 step1a[ 0] = _mm256_add_epi16(ina0, inb0); 153 step1a[ 1] = _mm256_add_epi16(ina1, inb1); 154 step1a[ 2] = _mm256_add_epi16(ina2, inb2); 155 step1a[ 3] = _mm256_add_epi16(ina3, inb3); 156 step1b[-3] = _mm256_sub_epi16(ina3, inb3); 157 step1b[-2] = _mm256_sub_epi16(ina2, inb2); 158 step1b[-1] = _mm256_sub_epi16(ina1, inb1); 159 step1b[-0] = _mm256_sub_epi16(ina0, inb0); 160 step1a[ 0] = _mm256_slli_epi16(step1a[ 0], 2); 161 step1a[ 1] = _mm256_slli_epi16(step1a[ 1], 2); 162 step1a[ 2] = _mm256_slli_epi16(step1a[ 2], 2); 163 step1a[ 3] = _mm256_slli_epi16(step1a[ 3], 2); 164 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2); 165 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2); 166 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2); 167 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2); 168 } 169 { 170 const int16_t *ina = in + 8 * str1; 171 const int16_t *inb = in + 23 * str1; 172 __m256i *step1a = &step1[ 8]; 173 __m256i *step1b = &step1[23]; 174 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina)); 175 const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1)); 176 const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2)); 177 const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3)); 178 const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3)); 179 const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2)); 180 const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1)); 181 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb)); 182 step1a[ 0] = _mm256_add_epi16(ina0, inb0); 183 step1a[ 1] = _mm256_add_epi16(ina1, inb1); 184 step1a[ 2] = _mm256_add_epi16(ina2, inb2); 185 step1a[ 3] = _mm256_add_epi16(ina3, inb3); 186 step1b[-3] = _mm256_sub_epi16(ina3, inb3); 187 step1b[-2] = _mm256_sub_epi16(ina2, inb2); 188 step1b[-1] = _mm256_sub_epi16(ina1, inb1); 189 step1b[-0] = _mm256_sub_epi16(ina0, inb0); 190 step1a[ 0] = _mm256_slli_epi16(step1a[ 0], 2); 191 step1a[ 1] = _mm256_slli_epi16(step1a[ 1], 2); 192 step1a[ 2] = _mm256_slli_epi16(step1a[ 2], 2); 193 step1a[ 3] = _mm256_slli_epi16(step1a[ 3], 2); 194 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2); 195 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2); 196 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2); 197 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2); 198 } 199 { 200 const int16_t *ina = in + 12 * str1; 201 const int16_t *inb = in + 19 * str1; 202 __m256i *step1a = &step1[12]; 203 __m256i *step1b = &step1[19]; 204 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina)); 205 const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1)); 206 const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2)); 207 const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3)); 208 const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3)); 209 const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2)); 210 const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1)); 211 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb)); 212 step1a[ 0] = _mm256_add_epi16(ina0, inb0); 213 step1a[ 1] = _mm256_add_epi16(ina1, inb1); 214 step1a[ 2] = _mm256_add_epi16(ina2, inb2); 215 step1a[ 3] = _mm256_add_epi16(ina3, inb3); 216 step1b[-3] = _mm256_sub_epi16(ina3, inb3); 217 step1b[-2] = _mm256_sub_epi16(ina2, inb2); 218 step1b[-1] = _mm256_sub_epi16(ina1, inb1); 219 step1b[-0] = _mm256_sub_epi16(ina0, inb0); 220 step1a[ 0] = _mm256_slli_epi16(step1a[ 0], 2); 221 step1a[ 1] = _mm256_slli_epi16(step1a[ 1], 2); 222 step1a[ 2] = _mm256_slli_epi16(step1a[ 2], 2); 223 step1a[ 3] = _mm256_slli_epi16(step1a[ 3], 2); 224 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2); 225 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2); 226 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2); 227 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2); 228 } 229 } else { 230 int16_t *in = &intermediate[column_start]; 231 // step1[i] = in[ 0 * 32] + in[(32 - 1) * 32]; 232 // Note: using the same approach as above to have common offset is 233 // counter-productive as all offsets can be calculated at compile 234 // time. 235 // Note: the next four blocks could be in a loop. That would help the 236 // instruction cache but is actually slower. 237 { 238 __m256i in00 = _mm256_loadu_si256((const __m256i *)(in + 0 * 32)); 239 __m256i in01 = _mm256_loadu_si256((const __m256i *)(in + 1 * 32)); 240 __m256i in02 = _mm256_loadu_si256((const __m256i *)(in + 2 * 32)); 241 __m256i in03 = _mm256_loadu_si256((const __m256i *)(in + 3 * 32)); 242 __m256i in28 = _mm256_loadu_si256((const __m256i *)(in + 28 * 32)); 243 __m256i in29 = _mm256_loadu_si256((const __m256i *)(in + 29 * 32)); 244 __m256i in30 = _mm256_loadu_si256((const __m256i *)(in + 30 * 32)); 245 __m256i in31 = _mm256_loadu_si256((const __m256i *)(in + 31 * 32)); 246 step1[ 0] = _mm256_add_epi16(in00, in31); 247 step1[ 1] = _mm256_add_epi16(in01, in30); 248 step1[ 2] = _mm256_add_epi16(in02, in29); 249 step1[ 3] = _mm256_add_epi16(in03, in28); 250 step1[28] = _mm256_sub_epi16(in03, in28); 251 step1[29] = _mm256_sub_epi16(in02, in29); 252 step1[30] = _mm256_sub_epi16(in01, in30); 253 step1[31] = _mm256_sub_epi16(in00, in31); 254 } 255 { 256 __m256i in04 = _mm256_loadu_si256((const __m256i *)(in + 4 * 32)); 257 __m256i in05 = _mm256_loadu_si256((const __m256i *)(in + 5 * 32)); 258 __m256i in06 = _mm256_loadu_si256((const __m256i *)(in + 6 * 32)); 259 __m256i in07 = _mm256_loadu_si256((const __m256i *)(in + 7 * 32)); 260 __m256i in24 = _mm256_loadu_si256((const __m256i *)(in + 24 * 32)); 261 __m256i in25 = _mm256_loadu_si256((const __m256i *)(in + 25 * 32)); 262 __m256i in26 = _mm256_loadu_si256((const __m256i *)(in + 26 * 32)); 263 __m256i in27 = _mm256_loadu_si256((const __m256i *)(in + 27 * 32)); 264 step1[ 4] = _mm256_add_epi16(in04, in27); 265 step1[ 5] = _mm256_add_epi16(in05, in26); 266 step1[ 6] = _mm256_add_epi16(in06, in25); 267 step1[ 7] = _mm256_add_epi16(in07, in24); 268 step1[24] = _mm256_sub_epi16(in07, in24); 269 step1[25] = _mm256_sub_epi16(in06, in25); 270 step1[26] = _mm256_sub_epi16(in05, in26); 271 step1[27] = _mm256_sub_epi16(in04, in27); 272 } 273 { 274 __m256i in08 = _mm256_loadu_si256((const __m256i *)(in + 8 * 32)); 275 __m256i in09 = _mm256_loadu_si256((const __m256i *)(in + 9 * 32)); 276 __m256i in10 = _mm256_loadu_si256((const __m256i *)(in + 10 * 32)); 277 __m256i in11 = _mm256_loadu_si256((const __m256i *)(in + 11 * 32)); 278 __m256i in20 = _mm256_loadu_si256((const __m256i *)(in + 20 * 32)); 279 __m256i in21 = _mm256_loadu_si256((const __m256i *)(in + 21 * 32)); 280 __m256i in22 = _mm256_loadu_si256((const __m256i *)(in + 22 * 32)); 281 __m256i in23 = _mm256_loadu_si256((const __m256i *)(in + 23 * 32)); 282 step1[ 8] = _mm256_add_epi16(in08, in23); 283 step1[ 9] = _mm256_add_epi16(in09, in22); 284 step1[10] = _mm256_add_epi16(in10, in21); 285 step1[11] = _mm256_add_epi16(in11, in20); 286 step1[20] = _mm256_sub_epi16(in11, in20); 287 step1[21] = _mm256_sub_epi16(in10, in21); 288 step1[22] = _mm256_sub_epi16(in09, in22); 289 step1[23] = _mm256_sub_epi16(in08, in23); 290 } 291 { 292 __m256i in12 = _mm256_loadu_si256((const __m256i *)(in + 12 * 32)); 293 __m256i in13 = _mm256_loadu_si256((const __m256i *)(in + 13 * 32)); 294 __m256i in14 = _mm256_loadu_si256((const __m256i *)(in + 14 * 32)); 295 __m256i in15 = _mm256_loadu_si256((const __m256i *)(in + 15 * 32)); 296 __m256i in16 = _mm256_loadu_si256((const __m256i *)(in + 16 * 32)); 297 __m256i in17 = _mm256_loadu_si256((const __m256i *)(in + 17 * 32)); 298 __m256i in18 = _mm256_loadu_si256((const __m256i *)(in + 18 * 32)); 299 __m256i in19 = _mm256_loadu_si256((const __m256i *)(in + 19 * 32)); 300 step1[12] = _mm256_add_epi16(in12, in19); 301 step1[13] = _mm256_add_epi16(in13, in18); 302 step1[14] = _mm256_add_epi16(in14, in17); 303 step1[15] = _mm256_add_epi16(in15, in16); 304 step1[16] = _mm256_sub_epi16(in15, in16); 305 step1[17] = _mm256_sub_epi16(in14, in17); 306 step1[18] = _mm256_sub_epi16(in13, in18); 307 step1[19] = _mm256_sub_epi16(in12, in19); 308 } 309 } 310 // Stage 2 311 { 312 step2[ 0] = _mm256_add_epi16(step1[0], step1[15]); 313 step2[ 1] = _mm256_add_epi16(step1[1], step1[14]); 314 step2[ 2] = _mm256_add_epi16(step1[2], step1[13]); 315 step2[ 3] = _mm256_add_epi16(step1[3], step1[12]); 316 step2[ 4] = _mm256_add_epi16(step1[4], step1[11]); 317 step2[ 5] = _mm256_add_epi16(step1[5], step1[10]); 318 step2[ 6] = _mm256_add_epi16(step1[6], step1[ 9]); 319 step2[ 7] = _mm256_add_epi16(step1[7], step1[ 8]); 320 step2[ 8] = _mm256_sub_epi16(step1[7], step1[ 8]); 321 step2[ 9] = _mm256_sub_epi16(step1[6], step1[ 9]); 322 step2[10] = _mm256_sub_epi16(step1[5], step1[10]); 323 step2[11] = _mm256_sub_epi16(step1[4], step1[11]); 324 step2[12] = _mm256_sub_epi16(step1[3], step1[12]); 325 step2[13] = _mm256_sub_epi16(step1[2], step1[13]); 326 step2[14] = _mm256_sub_epi16(step1[1], step1[14]); 327 step2[15] = _mm256_sub_epi16(step1[0], step1[15]); 328 } 329 { 330 const __m256i s2_20_0 = _mm256_unpacklo_epi16(step1[27], step1[20]); 331 const __m256i s2_20_1 = _mm256_unpackhi_epi16(step1[27], step1[20]); 332 const __m256i s2_21_0 = _mm256_unpacklo_epi16(step1[26], step1[21]); 333 const __m256i s2_21_1 = _mm256_unpackhi_epi16(step1[26], step1[21]); 334 const __m256i s2_22_0 = _mm256_unpacklo_epi16(step1[25], step1[22]); 335 const __m256i s2_22_1 = _mm256_unpackhi_epi16(step1[25], step1[22]); 336 const __m256i s2_23_0 = _mm256_unpacklo_epi16(step1[24], step1[23]); 337 const __m256i s2_23_1 = _mm256_unpackhi_epi16(step1[24], step1[23]); 338 const __m256i s2_20_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_m16); 339 const __m256i s2_20_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_m16); 340 const __m256i s2_21_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_m16); 341 const __m256i s2_21_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_m16); 342 const __m256i s2_22_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_m16); 343 const __m256i s2_22_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_m16); 344 const __m256i s2_23_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_m16); 345 const __m256i s2_23_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_m16); 346 const __m256i s2_24_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_p16); 347 const __m256i s2_24_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_p16); 348 const __m256i s2_25_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_p16); 349 const __m256i s2_25_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_p16); 350 const __m256i s2_26_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_p16); 351 const __m256i s2_26_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_p16); 352 const __m256i s2_27_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_p16); 353 const __m256i s2_27_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_p16); 354 // dct_const_round_shift 355 const __m256i s2_20_4 = _mm256_add_epi32(s2_20_2, k__DCT_CONST_ROUNDING); 356 const __m256i s2_20_5 = _mm256_add_epi32(s2_20_3, k__DCT_CONST_ROUNDING); 357 const __m256i s2_21_4 = _mm256_add_epi32(s2_21_2, k__DCT_CONST_ROUNDING); 358 const __m256i s2_21_5 = _mm256_add_epi32(s2_21_3, k__DCT_CONST_ROUNDING); 359 const __m256i s2_22_4 = _mm256_add_epi32(s2_22_2, k__DCT_CONST_ROUNDING); 360 const __m256i s2_22_5 = _mm256_add_epi32(s2_22_3, k__DCT_CONST_ROUNDING); 361 const __m256i s2_23_4 = _mm256_add_epi32(s2_23_2, k__DCT_CONST_ROUNDING); 362 const __m256i s2_23_5 = _mm256_add_epi32(s2_23_3, k__DCT_CONST_ROUNDING); 363 const __m256i s2_24_4 = _mm256_add_epi32(s2_24_2, k__DCT_CONST_ROUNDING); 364 const __m256i s2_24_5 = _mm256_add_epi32(s2_24_3, k__DCT_CONST_ROUNDING); 365 const __m256i s2_25_4 = _mm256_add_epi32(s2_25_2, k__DCT_CONST_ROUNDING); 366 const __m256i s2_25_5 = _mm256_add_epi32(s2_25_3, k__DCT_CONST_ROUNDING); 367 const __m256i s2_26_4 = _mm256_add_epi32(s2_26_2, k__DCT_CONST_ROUNDING); 368 const __m256i s2_26_5 = _mm256_add_epi32(s2_26_3, k__DCT_CONST_ROUNDING); 369 const __m256i s2_27_4 = _mm256_add_epi32(s2_27_2, k__DCT_CONST_ROUNDING); 370 const __m256i s2_27_5 = _mm256_add_epi32(s2_27_3, k__DCT_CONST_ROUNDING); 371 const __m256i s2_20_6 = _mm256_srai_epi32(s2_20_4, DCT_CONST_BITS); 372 const __m256i s2_20_7 = _mm256_srai_epi32(s2_20_5, DCT_CONST_BITS); 373 const __m256i s2_21_6 = _mm256_srai_epi32(s2_21_4, DCT_CONST_BITS); 374 const __m256i s2_21_7 = _mm256_srai_epi32(s2_21_5, DCT_CONST_BITS); 375 const __m256i s2_22_6 = _mm256_srai_epi32(s2_22_4, DCT_CONST_BITS); 376 const __m256i s2_22_7 = _mm256_srai_epi32(s2_22_5, DCT_CONST_BITS); 377 const __m256i s2_23_6 = _mm256_srai_epi32(s2_23_4, DCT_CONST_BITS); 378 const __m256i s2_23_7 = _mm256_srai_epi32(s2_23_5, DCT_CONST_BITS); 379 const __m256i s2_24_6 = _mm256_srai_epi32(s2_24_4, DCT_CONST_BITS); 380 const __m256i s2_24_7 = _mm256_srai_epi32(s2_24_5, DCT_CONST_BITS); 381 const __m256i s2_25_6 = _mm256_srai_epi32(s2_25_4, DCT_CONST_BITS); 382 const __m256i s2_25_7 = _mm256_srai_epi32(s2_25_5, DCT_CONST_BITS); 383 const __m256i s2_26_6 = _mm256_srai_epi32(s2_26_4, DCT_CONST_BITS); 384 const __m256i s2_26_7 = _mm256_srai_epi32(s2_26_5, DCT_CONST_BITS); 385 const __m256i s2_27_6 = _mm256_srai_epi32(s2_27_4, DCT_CONST_BITS); 386 const __m256i s2_27_7 = _mm256_srai_epi32(s2_27_5, DCT_CONST_BITS); 387 // Combine 388 step2[20] = _mm256_packs_epi32(s2_20_6, s2_20_7); 389 step2[21] = _mm256_packs_epi32(s2_21_6, s2_21_7); 390 step2[22] = _mm256_packs_epi32(s2_22_6, s2_22_7); 391 step2[23] = _mm256_packs_epi32(s2_23_6, s2_23_7); 392 step2[24] = _mm256_packs_epi32(s2_24_6, s2_24_7); 393 step2[25] = _mm256_packs_epi32(s2_25_6, s2_25_7); 394 step2[26] = _mm256_packs_epi32(s2_26_6, s2_26_7); 395 step2[27] = _mm256_packs_epi32(s2_27_6, s2_27_7); 396 } 397 398#if !FDCT32x32_HIGH_PRECISION 399 // dump the magnitude by half, hence the intermediate values are within 400 // the range of 16 bits. 401 if (1 == pass) { 402 __m256i s3_00_0 = _mm256_cmpgt_epi16(kZero,step2[ 0]); 403 __m256i s3_01_0 = _mm256_cmpgt_epi16(kZero,step2[ 1]); 404 __m256i s3_02_0 = _mm256_cmpgt_epi16(kZero,step2[ 2]); 405 __m256i s3_03_0 = _mm256_cmpgt_epi16(kZero,step2[ 3]); 406 __m256i s3_04_0 = _mm256_cmpgt_epi16(kZero,step2[ 4]); 407 __m256i s3_05_0 = _mm256_cmpgt_epi16(kZero,step2[ 5]); 408 __m256i s3_06_0 = _mm256_cmpgt_epi16(kZero,step2[ 6]); 409 __m256i s3_07_0 = _mm256_cmpgt_epi16(kZero,step2[ 7]); 410 __m256i s2_08_0 = _mm256_cmpgt_epi16(kZero,step2[ 8]); 411 __m256i s2_09_0 = _mm256_cmpgt_epi16(kZero,step2[ 9]); 412 __m256i s3_10_0 = _mm256_cmpgt_epi16(kZero,step2[10]); 413 __m256i s3_11_0 = _mm256_cmpgt_epi16(kZero,step2[11]); 414 __m256i s3_12_0 = _mm256_cmpgt_epi16(kZero,step2[12]); 415 __m256i s3_13_0 = _mm256_cmpgt_epi16(kZero,step2[13]); 416 __m256i s2_14_0 = _mm256_cmpgt_epi16(kZero,step2[14]); 417 __m256i s2_15_0 = _mm256_cmpgt_epi16(kZero,step2[15]); 418 __m256i s3_16_0 = _mm256_cmpgt_epi16(kZero,step1[16]); 419 __m256i s3_17_0 = _mm256_cmpgt_epi16(kZero,step1[17]); 420 __m256i s3_18_0 = _mm256_cmpgt_epi16(kZero,step1[18]); 421 __m256i s3_19_0 = _mm256_cmpgt_epi16(kZero,step1[19]); 422 __m256i s3_20_0 = _mm256_cmpgt_epi16(kZero,step2[20]); 423 __m256i s3_21_0 = _mm256_cmpgt_epi16(kZero,step2[21]); 424 __m256i s3_22_0 = _mm256_cmpgt_epi16(kZero,step2[22]); 425 __m256i s3_23_0 = _mm256_cmpgt_epi16(kZero,step2[23]); 426 __m256i s3_24_0 = _mm256_cmpgt_epi16(kZero,step2[24]); 427 __m256i s3_25_0 = _mm256_cmpgt_epi16(kZero,step2[25]); 428 __m256i s3_26_0 = _mm256_cmpgt_epi16(kZero,step2[26]); 429 __m256i s3_27_0 = _mm256_cmpgt_epi16(kZero,step2[27]); 430 __m256i s3_28_0 = _mm256_cmpgt_epi16(kZero,step1[28]); 431 __m256i s3_29_0 = _mm256_cmpgt_epi16(kZero,step1[29]); 432 __m256i s3_30_0 = _mm256_cmpgt_epi16(kZero,step1[30]); 433 __m256i s3_31_0 = _mm256_cmpgt_epi16(kZero,step1[31]); 434 435 step2[ 0] = _mm256_sub_epi16(step2[ 0], s3_00_0); 436 step2[ 1] = _mm256_sub_epi16(step2[ 1], s3_01_0); 437 step2[ 2] = _mm256_sub_epi16(step2[ 2], s3_02_0); 438 step2[ 3] = _mm256_sub_epi16(step2[ 3], s3_03_0); 439 step2[ 4] = _mm256_sub_epi16(step2[ 4], s3_04_0); 440 step2[ 5] = _mm256_sub_epi16(step2[ 5], s3_05_0); 441 step2[ 6] = _mm256_sub_epi16(step2[ 6], s3_06_0); 442 step2[ 7] = _mm256_sub_epi16(step2[ 7], s3_07_0); 443 step2[ 8] = _mm256_sub_epi16(step2[ 8], s2_08_0); 444 step2[ 9] = _mm256_sub_epi16(step2[ 9], s2_09_0); 445 step2[10] = _mm256_sub_epi16(step2[10], s3_10_0); 446 step2[11] = _mm256_sub_epi16(step2[11], s3_11_0); 447 step2[12] = _mm256_sub_epi16(step2[12], s3_12_0); 448 step2[13] = _mm256_sub_epi16(step2[13], s3_13_0); 449 step2[14] = _mm256_sub_epi16(step2[14], s2_14_0); 450 step2[15] = _mm256_sub_epi16(step2[15], s2_15_0); 451 step1[16] = _mm256_sub_epi16(step1[16], s3_16_0); 452 step1[17] = _mm256_sub_epi16(step1[17], s3_17_0); 453 step1[18] = _mm256_sub_epi16(step1[18], s3_18_0); 454 step1[19] = _mm256_sub_epi16(step1[19], s3_19_0); 455 step2[20] = _mm256_sub_epi16(step2[20], s3_20_0); 456 step2[21] = _mm256_sub_epi16(step2[21], s3_21_0); 457 step2[22] = _mm256_sub_epi16(step2[22], s3_22_0); 458 step2[23] = _mm256_sub_epi16(step2[23], s3_23_0); 459 step2[24] = _mm256_sub_epi16(step2[24], s3_24_0); 460 step2[25] = _mm256_sub_epi16(step2[25], s3_25_0); 461 step2[26] = _mm256_sub_epi16(step2[26], s3_26_0); 462 step2[27] = _mm256_sub_epi16(step2[27], s3_27_0); 463 step1[28] = _mm256_sub_epi16(step1[28], s3_28_0); 464 step1[29] = _mm256_sub_epi16(step1[29], s3_29_0); 465 step1[30] = _mm256_sub_epi16(step1[30], s3_30_0); 466 step1[31] = _mm256_sub_epi16(step1[31], s3_31_0); 467 468 step2[ 0] = _mm256_add_epi16(step2[ 0], kOne); 469 step2[ 1] = _mm256_add_epi16(step2[ 1], kOne); 470 step2[ 2] = _mm256_add_epi16(step2[ 2], kOne); 471 step2[ 3] = _mm256_add_epi16(step2[ 3], kOne); 472 step2[ 4] = _mm256_add_epi16(step2[ 4], kOne); 473 step2[ 5] = _mm256_add_epi16(step2[ 5], kOne); 474 step2[ 6] = _mm256_add_epi16(step2[ 6], kOne); 475 step2[ 7] = _mm256_add_epi16(step2[ 7], kOne); 476 step2[ 8] = _mm256_add_epi16(step2[ 8], kOne); 477 step2[ 9] = _mm256_add_epi16(step2[ 9], kOne); 478 step2[10] = _mm256_add_epi16(step2[10], kOne); 479 step2[11] = _mm256_add_epi16(step2[11], kOne); 480 step2[12] = _mm256_add_epi16(step2[12], kOne); 481 step2[13] = _mm256_add_epi16(step2[13], kOne); 482 step2[14] = _mm256_add_epi16(step2[14], kOne); 483 step2[15] = _mm256_add_epi16(step2[15], kOne); 484 step1[16] = _mm256_add_epi16(step1[16], kOne); 485 step1[17] = _mm256_add_epi16(step1[17], kOne); 486 step1[18] = _mm256_add_epi16(step1[18], kOne); 487 step1[19] = _mm256_add_epi16(step1[19], kOne); 488 step2[20] = _mm256_add_epi16(step2[20], kOne); 489 step2[21] = _mm256_add_epi16(step2[21], kOne); 490 step2[22] = _mm256_add_epi16(step2[22], kOne); 491 step2[23] = _mm256_add_epi16(step2[23], kOne); 492 step2[24] = _mm256_add_epi16(step2[24], kOne); 493 step2[25] = _mm256_add_epi16(step2[25], kOne); 494 step2[26] = _mm256_add_epi16(step2[26], kOne); 495 step2[27] = _mm256_add_epi16(step2[27], kOne); 496 step1[28] = _mm256_add_epi16(step1[28], kOne); 497 step1[29] = _mm256_add_epi16(step1[29], kOne); 498 step1[30] = _mm256_add_epi16(step1[30], kOne); 499 step1[31] = _mm256_add_epi16(step1[31], kOne); 500 501 step2[ 0] = _mm256_srai_epi16(step2[ 0], 2); 502 step2[ 1] = _mm256_srai_epi16(step2[ 1], 2); 503 step2[ 2] = _mm256_srai_epi16(step2[ 2], 2); 504 step2[ 3] = _mm256_srai_epi16(step2[ 3], 2); 505 step2[ 4] = _mm256_srai_epi16(step2[ 4], 2); 506 step2[ 5] = _mm256_srai_epi16(step2[ 5], 2); 507 step2[ 6] = _mm256_srai_epi16(step2[ 6], 2); 508 step2[ 7] = _mm256_srai_epi16(step2[ 7], 2); 509 step2[ 8] = _mm256_srai_epi16(step2[ 8], 2); 510 step2[ 9] = _mm256_srai_epi16(step2[ 9], 2); 511 step2[10] = _mm256_srai_epi16(step2[10], 2); 512 step2[11] = _mm256_srai_epi16(step2[11], 2); 513 step2[12] = _mm256_srai_epi16(step2[12], 2); 514 step2[13] = _mm256_srai_epi16(step2[13], 2); 515 step2[14] = _mm256_srai_epi16(step2[14], 2); 516 step2[15] = _mm256_srai_epi16(step2[15], 2); 517 step1[16] = _mm256_srai_epi16(step1[16], 2); 518 step1[17] = _mm256_srai_epi16(step1[17], 2); 519 step1[18] = _mm256_srai_epi16(step1[18], 2); 520 step1[19] = _mm256_srai_epi16(step1[19], 2); 521 step2[20] = _mm256_srai_epi16(step2[20], 2); 522 step2[21] = _mm256_srai_epi16(step2[21], 2); 523 step2[22] = _mm256_srai_epi16(step2[22], 2); 524 step2[23] = _mm256_srai_epi16(step2[23], 2); 525 step2[24] = _mm256_srai_epi16(step2[24], 2); 526 step2[25] = _mm256_srai_epi16(step2[25], 2); 527 step2[26] = _mm256_srai_epi16(step2[26], 2); 528 step2[27] = _mm256_srai_epi16(step2[27], 2); 529 step1[28] = _mm256_srai_epi16(step1[28], 2); 530 step1[29] = _mm256_srai_epi16(step1[29], 2); 531 step1[30] = _mm256_srai_epi16(step1[30], 2); 532 step1[31] = _mm256_srai_epi16(step1[31], 2); 533 } 534#endif 535 536#if FDCT32x32_HIGH_PRECISION 537 if (pass == 0) { 538#endif 539 // Stage 3 540 { 541 step3[0] = _mm256_add_epi16(step2[(8 - 1)], step2[0]); 542 step3[1] = _mm256_add_epi16(step2[(8 - 2)], step2[1]); 543 step3[2] = _mm256_add_epi16(step2[(8 - 3)], step2[2]); 544 step3[3] = _mm256_add_epi16(step2[(8 - 4)], step2[3]); 545 step3[4] = _mm256_sub_epi16(step2[(8 - 5)], step2[4]); 546 step3[5] = _mm256_sub_epi16(step2[(8 - 6)], step2[5]); 547 step3[6] = _mm256_sub_epi16(step2[(8 - 7)], step2[6]); 548 step3[7] = _mm256_sub_epi16(step2[(8 - 8)], step2[7]); 549 } 550 { 551 const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]); 552 const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]); 553 const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]); 554 const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]); 555 const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16); 556 const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16); 557 const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16); 558 const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16); 559 const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16); 560 const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16); 561 const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16); 562 const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16); 563 // dct_const_round_shift 564 const __m256i s3_10_4 = _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING); 565 const __m256i s3_10_5 = _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING); 566 const __m256i s3_11_4 = _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING); 567 const __m256i s3_11_5 = _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING); 568 const __m256i s3_12_4 = _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING); 569 const __m256i s3_12_5 = _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING); 570 const __m256i s3_13_4 = _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING); 571 const __m256i s3_13_5 = _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING); 572 const __m256i s3_10_6 = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS); 573 const __m256i s3_10_7 = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS); 574 const __m256i s3_11_6 = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS); 575 const __m256i s3_11_7 = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS); 576 const __m256i s3_12_6 = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS); 577 const __m256i s3_12_7 = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS); 578 const __m256i s3_13_6 = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS); 579 const __m256i s3_13_7 = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS); 580 // Combine 581 step3[10] = _mm256_packs_epi32(s3_10_6, s3_10_7); 582 step3[11] = _mm256_packs_epi32(s3_11_6, s3_11_7); 583 step3[12] = _mm256_packs_epi32(s3_12_6, s3_12_7); 584 step3[13] = _mm256_packs_epi32(s3_13_6, s3_13_7); 585 } 586 { 587 step3[16] = _mm256_add_epi16(step2[23], step1[16]); 588 step3[17] = _mm256_add_epi16(step2[22], step1[17]); 589 step3[18] = _mm256_add_epi16(step2[21], step1[18]); 590 step3[19] = _mm256_add_epi16(step2[20], step1[19]); 591 step3[20] = _mm256_sub_epi16(step1[19], step2[20]); 592 step3[21] = _mm256_sub_epi16(step1[18], step2[21]); 593 step3[22] = _mm256_sub_epi16(step1[17], step2[22]); 594 step3[23] = _mm256_sub_epi16(step1[16], step2[23]); 595 step3[24] = _mm256_sub_epi16(step1[31], step2[24]); 596 step3[25] = _mm256_sub_epi16(step1[30], step2[25]); 597 step3[26] = _mm256_sub_epi16(step1[29], step2[26]); 598 step3[27] = _mm256_sub_epi16(step1[28], step2[27]); 599 step3[28] = _mm256_add_epi16(step2[27], step1[28]); 600 step3[29] = _mm256_add_epi16(step2[26], step1[29]); 601 step3[30] = _mm256_add_epi16(step2[25], step1[30]); 602 step3[31] = _mm256_add_epi16(step2[24], step1[31]); 603 } 604 605 // Stage 4 606 { 607 step1[ 0] = _mm256_add_epi16(step3[ 3], step3[ 0]); 608 step1[ 1] = _mm256_add_epi16(step3[ 2], step3[ 1]); 609 step1[ 2] = _mm256_sub_epi16(step3[ 1], step3[ 2]); 610 step1[ 3] = _mm256_sub_epi16(step3[ 0], step3[ 3]); 611 step1[ 8] = _mm256_add_epi16(step3[11], step2[ 8]); 612 step1[ 9] = _mm256_add_epi16(step3[10], step2[ 9]); 613 step1[10] = _mm256_sub_epi16(step2[ 9], step3[10]); 614 step1[11] = _mm256_sub_epi16(step2[ 8], step3[11]); 615 step1[12] = _mm256_sub_epi16(step2[15], step3[12]); 616 step1[13] = _mm256_sub_epi16(step2[14], step3[13]); 617 step1[14] = _mm256_add_epi16(step3[13], step2[14]); 618 step1[15] = _mm256_add_epi16(step3[12], step2[15]); 619 } 620 { 621 const __m256i s1_05_0 = _mm256_unpacklo_epi16(step3[6], step3[5]); 622 const __m256i s1_05_1 = _mm256_unpackhi_epi16(step3[6], step3[5]); 623 const __m256i s1_05_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_m16); 624 const __m256i s1_05_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_m16); 625 const __m256i s1_06_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_p16); 626 const __m256i s1_06_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_p16); 627 // dct_const_round_shift 628 const __m256i s1_05_4 = _mm256_add_epi32(s1_05_2, k__DCT_CONST_ROUNDING); 629 const __m256i s1_05_5 = _mm256_add_epi32(s1_05_3, k__DCT_CONST_ROUNDING); 630 const __m256i s1_06_4 = _mm256_add_epi32(s1_06_2, k__DCT_CONST_ROUNDING); 631 const __m256i s1_06_5 = _mm256_add_epi32(s1_06_3, k__DCT_CONST_ROUNDING); 632 const __m256i s1_05_6 = _mm256_srai_epi32(s1_05_4, DCT_CONST_BITS); 633 const __m256i s1_05_7 = _mm256_srai_epi32(s1_05_5, DCT_CONST_BITS); 634 const __m256i s1_06_6 = _mm256_srai_epi32(s1_06_4, DCT_CONST_BITS); 635 const __m256i s1_06_7 = _mm256_srai_epi32(s1_06_5, DCT_CONST_BITS); 636 // Combine 637 step1[5] = _mm256_packs_epi32(s1_05_6, s1_05_7); 638 step1[6] = _mm256_packs_epi32(s1_06_6, s1_06_7); 639 } 640 { 641 const __m256i s1_18_0 = _mm256_unpacklo_epi16(step3[18], step3[29]); 642 const __m256i s1_18_1 = _mm256_unpackhi_epi16(step3[18], step3[29]); 643 const __m256i s1_19_0 = _mm256_unpacklo_epi16(step3[19], step3[28]); 644 const __m256i s1_19_1 = _mm256_unpackhi_epi16(step3[19], step3[28]); 645 const __m256i s1_20_0 = _mm256_unpacklo_epi16(step3[20], step3[27]); 646 const __m256i s1_20_1 = _mm256_unpackhi_epi16(step3[20], step3[27]); 647 const __m256i s1_21_0 = _mm256_unpacklo_epi16(step3[21], step3[26]); 648 const __m256i s1_21_1 = _mm256_unpackhi_epi16(step3[21], step3[26]); 649 const __m256i s1_18_2 = _mm256_madd_epi16(s1_18_0, k__cospi_m08_p24); 650 const __m256i s1_18_3 = _mm256_madd_epi16(s1_18_1, k__cospi_m08_p24); 651 const __m256i s1_19_2 = _mm256_madd_epi16(s1_19_0, k__cospi_m08_p24); 652 const __m256i s1_19_3 = _mm256_madd_epi16(s1_19_1, k__cospi_m08_p24); 653 const __m256i s1_20_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m24_m08); 654 const __m256i s1_20_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m24_m08); 655 const __m256i s1_21_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m24_m08); 656 const __m256i s1_21_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m24_m08); 657 const __m256i s1_26_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m08_p24); 658 const __m256i s1_26_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m08_p24); 659 const __m256i s1_27_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m08_p24); 660 const __m256i s1_27_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m08_p24); 661 const __m256i s1_28_2 = _mm256_madd_epi16(s1_19_0, k__cospi_p24_p08); 662 const __m256i s1_28_3 = _mm256_madd_epi16(s1_19_1, k__cospi_p24_p08); 663 const __m256i s1_29_2 = _mm256_madd_epi16(s1_18_0, k__cospi_p24_p08); 664 const __m256i s1_29_3 = _mm256_madd_epi16(s1_18_1, k__cospi_p24_p08); 665 // dct_const_round_shift 666 const __m256i s1_18_4 = _mm256_add_epi32(s1_18_2, k__DCT_CONST_ROUNDING); 667 const __m256i s1_18_5 = _mm256_add_epi32(s1_18_3, k__DCT_CONST_ROUNDING); 668 const __m256i s1_19_4 = _mm256_add_epi32(s1_19_2, k__DCT_CONST_ROUNDING); 669 const __m256i s1_19_5 = _mm256_add_epi32(s1_19_3, k__DCT_CONST_ROUNDING); 670 const __m256i s1_20_4 = _mm256_add_epi32(s1_20_2, k__DCT_CONST_ROUNDING); 671 const __m256i s1_20_5 = _mm256_add_epi32(s1_20_3, k__DCT_CONST_ROUNDING); 672 const __m256i s1_21_4 = _mm256_add_epi32(s1_21_2, k__DCT_CONST_ROUNDING); 673 const __m256i s1_21_5 = _mm256_add_epi32(s1_21_3, k__DCT_CONST_ROUNDING); 674 const __m256i s1_26_4 = _mm256_add_epi32(s1_26_2, k__DCT_CONST_ROUNDING); 675 const __m256i s1_26_5 = _mm256_add_epi32(s1_26_3, k__DCT_CONST_ROUNDING); 676 const __m256i s1_27_4 = _mm256_add_epi32(s1_27_2, k__DCT_CONST_ROUNDING); 677 const __m256i s1_27_5 = _mm256_add_epi32(s1_27_3, k__DCT_CONST_ROUNDING); 678 const __m256i s1_28_4 = _mm256_add_epi32(s1_28_2, k__DCT_CONST_ROUNDING); 679 const __m256i s1_28_5 = _mm256_add_epi32(s1_28_3, k__DCT_CONST_ROUNDING); 680 const __m256i s1_29_4 = _mm256_add_epi32(s1_29_2, k__DCT_CONST_ROUNDING); 681 const __m256i s1_29_5 = _mm256_add_epi32(s1_29_3, k__DCT_CONST_ROUNDING); 682 const __m256i s1_18_6 = _mm256_srai_epi32(s1_18_4, DCT_CONST_BITS); 683 const __m256i s1_18_7 = _mm256_srai_epi32(s1_18_5, DCT_CONST_BITS); 684 const __m256i s1_19_6 = _mm256_srai_epi32(s1_19_4, DCT_CONST_BITS); 685 const __m256i s1_19_7 = _mm256_srai_epi32(s1_19_5, DCT_CONST_BITS); 686 const __m256i s1_20_6 = _mm256_srai_epi32(s1_20_4, DCT_CONST_BITS); 687 const __m256i s1_20_7 = _mm256_srai_epi32(s1_20_5, DCT_CONST_BITS); 688 const __m256i s1_21_6 = _mm256_srai_epi32(s1_21_4, DCT_CONST_BITS); 689 const __m256i s1_21_7 = _mm256_srai_epi32(s1_21_5, DCT_CONST_BITS); 690 const __m256i s1_26_6 = _mm256_srai_epi32(s1_26_4, DCT_CONST_BITS); 691 const __m256i s1_26_7 = _mm256_srai_epi32(s1_26_5, DCT_CONST_BITS); 692 const __m256i s1_27_6 = _mm256_srai_epi32(s1_27_4, DCT_CONST_BITS); 693 const __m256i s1_27_7 = _mm256_srai_epi32(s1_27_5, DCT_CONST_BITS); 694 const __m256i s1_28_6 = _mm256_srai_epi32(s1_28_4, DCT_CONST_BITS); 695 const __m256i s1_28_7 = _mm256_srai_epi32(s1_28_5, DCT_CONST_BITS); 696 const __m256i s1_29_6 = _mm256_srai_epi32(s1_29_4, DCT_CONST_BITS); 697 const __m256i s1_29_7 = _mm256_srai_epi32(s1_29_5, DCT_CONST_BITS); 698 // Combine 699 step1[18] = _mm256_packs_epi32(s1_18_6, s1_18_7); 700 step1[19] = _mm256_packs_epi32(s1_19_6, s1_19_7); 701 step1[20] = _mm256_packs_epi32(s1_20_6, s1_20_7); 702 step1[21] = _mm256_packs_epi32(s1_21_6, s1_21_7); 703 step1[26] = _mm256_packs_epi32(s1_26_6, s1_26_7); 704 step1[27] = _mm256_packs_epi32(s1_27_6, s1_27_7); 705 step1[28] = _mm256_packs_epi32(s1_28_6, s1_28_7); 706 step1[29] = _mm256_packs_epi32(s1_29_6, s1_29_7); 707 } 708 // Stage 5 709 { 710 step2[4] = _mm256_add_epi16(step1[5], step3[4]); 711 step2[5] = _mm256_sub_epi16(step3[4], step1[5]); 712 step2[6] = _mm256_sub_epi16(step3[7], step1[6]); 713 step2[7] = _mm256_add_epi16(step1[6], step3[7]); 714 } 715 { 716 const __m256i out_00_0 = _mm256_unpacklo_epi16(step1[0], step1[1]); 717 const __m256i out_00_1 = _mm256_unpackhi_epi16(step1[0], step1[1]); 718 const __m256i out_08_0 = _mm256_unpacklo_epi16(step1[2], step1[3]); 719 const __m256i out_08_1 = _mm256_unpackhi_epi16(step1[2], step1[3]); 720 const __m256i out_00_2 = _mm256_madd_epi16(out_00_0, k__cospi_p16_p16); 721 const __m256i out_00_3 = _mm256_madd_epi16(out_00_1, k__cospi_p16_p16); 722 const __m256i out_16_2 = _mm256_madd_epi16(out_00_0, k__cospi_p16_m16); 723 const __m256i out_16_3 = _mm256_madd_epi16(out_00_1, k__cospi_p16_m16); 724 const __m256i out_08_2 = _mm256_madd_epi16(out_08_0, k__cospi_p24_p08); 725 const __m256i out_08_3 = _mm256_madd_epi16(out_08_1, k__cospi_p24_p08); 726 const __m256i out_24_2 = _mm256_madd_epi16(out_08_0, k__cospi_m08_p24); 727 const __m256i out_24_3 = _mm256_madd_epi16(out_08_1, k__cospi_m08_p24); 728 // dct_const_round_shift 729 const __m256i out_00_4 = _mm256_add_epi32(out_00_2, k__DCT_CONST_ROUNDING); 730 const __m256i out_00_5 = _mm256_add_epi32(out_00_3, k__DCT_CONST_ROUNDING); 731 const __m256i out_16_4 = _mm256_add_epi32(out_16_2, k__DCT_CONST_ROUNDING); 732 const __m256i out_16_5 = _mm256_add_epi32(out_16_3, k__DCT_CONST_ROUNDING); 733 const __m256i out_08_4 = _mm256_add_epi32(out_08_2, k__DCT_CONST_ROUNDING); 734 const __m256i out_08_5 = _mm256_add_epi32(out_08_3, k__DCT_CONST_ROUNDING); 735 const __m256i out_24_4 = _mm256_add_epi32(out_24_2, k__DCT_CONST_ROUNDING); 736 const __m256i out_24_5 = _mm256_add_epi32(out_24_3, k__DCT_CONST_ROUNDING); 737 const __m256i out_00_6 = _mm256_srai_epi32(out_00_4, DCT_CONST_BITS); 738 const __m256i out_00_7 = _mm256_srai_epi32(out_00_5, DCT_CONST_BITS); 739 const __m256i out_16_6 = _mm256_srai_epi32(out_16_4, DCT_CONST_BITS); 740 const __m256i out_16_7 = _mm256_srai_epi32(out_16_5, DCT_CONST_BITS); 741 const __m256i out_08_6 = _mm256_srai_epi32(out_08_4, DCT_CONST_BITS); 742 const __m256i out_08_7 = _mm256_srai_epi32(out_08_5, DCT_CONST_BITS); 743 const __m256i out_24_6 = _mm256_srai_epi32(out_24_4, DCT_CONST_BITS); 744 const __m256i out_24_7 = _mm256_srai_epi32(out_24_5, DCT_CONST_BITS); 745 // Combine 746 out[ 0] = _mm256_packs_epi32(out_00_6, out_00_7); 747 out[16] = _mm256_packs_epi32(out_16_6, out_16_7); 748 out[ 8] = _mm256_packs_epi32(out_08_6, out_08_7); 749 out[24] = _mm256_packs_epi32(out_24_6, out_24_7); 750 } 751 { 752 const __m256i s2_09_0 = _mm256_unpacklo_epi16(step1[ 9], step1[14]); 753 const __m256i s2_09_1 = _mm256_unpackhi_epi16(step1[ 9], step1[14]); 754 const __m256i s2_10_0 = _mm256_unpacklo_epi16(step1[10], step1[13]); 755 const __m256i s2_10_1 = _mm256_unpackhi_epi16(step1[10], step1[13]); 756 const __m256i s2_09_2 = _mm256_madd_epi16(s2_09_0, k__cospi_m08_p24); 757 const __m256i s2_09_3 = _mm256_madd_epi16(s2_09_1, k__cospi_m08_p24); 758 const __m256i s2_10_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m24_m08); 759 const __m256i s2_10_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m24_m08); 760 const __m256i s2_13_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m08_p24); 761 const __m256i s2_13_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m08_p24); 762 const __m256i s2_14_2 = _mm256_madd_epi16(s2_09_0, k__cospi_p24_p08); 763 const __m256i s2_14_3 = _mm256_madd_epi16(s2_09_1, k__cospi_p24_p08); 764 // dct_const_round_shift 765 const __m256i s2_09_4 = _mm256_add_epi32(s2_09_2, k__DCT_CONST_ROUNDING); 766 const __m256i s2_09_5 = _mm256_add_epi32(s2_09_3, k__DCT_CONST_ROUNDING); 767 const __m256i s2_10_4 = _mm256_add_epi32(s2_10_2, k__DCT_CONST_ROUNDING); 768 const __m256i s2_10_5 = _mm256_add_epi32(s2_10_3, k__DCT_CONST_ROUNDING); 769 const __m256i s2_13_4 = _mm256_add_epi32(s2_13_2, k__DCT_CONST_ROUNDING); 770 const __m256i s2_13_5 = _mm256_add_epi32(s2_13_3, k__DCT_CONST_ROUNDING); 771 const __m256i s2_14_4 = _mm256_add_epi32(s2_14_2, k__DCT_CONST_ROUNDING); 772 const __m256i s2_14_5 = _mm256_add_epi32(s2_14_3, k__DCT_CONST_ROUNDING); 773 const __m256i s2_09_6 = _mm256_srai_epi32(s2_09_4, DCT_CONST_BITS); 774 const __m256i s2_09_7 = _mm256_srai_epi32(s2_09_5, DCT_CONST_BITS); 775 const __m256i s2_10_6 = _mm256_srai_epi32(s2_10_4, DCT_CONST_BITS); 776 const __m256i s2_10_7 = _mm256_srai_epi32(s2_10_5, DCT_CONST_BITS); 777 const __m256i s2_13_6 = _mm256_srai_epi32(s2_13_4, DCT_CONST_BITS); 778 const __m256i s2_13_7 = _mm256_srai_epi32(s2_13_5, DCT_CONST_BITS); 779 const __m256i s2_14_6 = _mm256_srai_epi32(s2_14_4, DCT_CONST_BITS); 780 const __m256i s2_14_7 = _mm256_srai_epi32(s2_14_5, DCT_CONST_BITS); 781 // Combine 782 step2[ 9] = _mm256_packs_epi32(s2_09_6, s2_09_7); 783 step2[10] = _mm256_packs_epi32(s2_10_6, s2_10_7); 784 step2[13] = _mm256_packs_epi32(s2_13_6, s2_13_7); 785 step2[14] = _mm256_packs_epi32(s2_14_6, s2_14_7); 786 } 787 { 788 step2[16] = _mm256_add_epi16(step1[19], step3[16]); 789 step2[17] = _mm256_add_epi16(step1[18], step3[17]); 790 step2[18] = _mm256_sub_epi16(step3[17], step1[18]); 791 step2[19] = _mm256_sub_epi16(step3[16], step1[19]); 792 step2[20] = _mm256_sub_epi16(step3[23], step1[20]); 793 step2[21] = _mm256_sub_epi16(step3[22], step1[21]); 794 step2[22] = _mm256_add_epi16(step1[21], step3[22]); 795 step2[23] = _mm256_add_epi16(step1[20], step3[23]); 796 step2[24] = _mm256_add_epi16(step1[27], step3[24]); 797 step2[25] = _mm256_add_epi16(step1[26], step3[25]); 798 step2[26] = _mm256_sub_epi16(step3[25], step1[26]); 799 step2[27] = _mm256_sub_epi16(step3[24], step1[27]); 800 step2[28] = _mm256_sub_epi16(step3[31], step1[28]); 801 step2[29] = _mm256_sub_epi16(step3[30], step1[29]); 802 step2[30] = _mm256_add_epi16(step1[29], step3[30]); 803 step2[31] = _mm256_add_epi16(step1[28], step3[31]); 804 } 805 // Stage 6 806 { 807 const __m256i out_04_0 = _mm256_unpacklo_epi16(step2[4], step2[7]); 808 const __m256i out_04_1 = _mm256_unpackhi_epi16(step2[4], step2[7]); 809 const __m256i out_20_0 = _mm256_unpacklo_epi16(step2[5], step2[6]); 810 const __m256i out_20_1 = _mm256_unpackhi_epi16(step2[5], step2[6]); 811 const __m256i out_12_0 = _mm256_unpacklo_epi16(step2[5], step2[6]); 812 const __m256i out_12_1 = _mm256_unpackhi_epi16(step2[5], step2[6]); 813 const __m256i out_28_0 = _mm256_unpacklo_epi16(step2[4], step2[7]); 814 const __m256i out_28_1 = _mm256_unpackhi_epi16(step2[4], step2[7]); 815 const __m256i out_04_2 = _mm256_madd_epi16(out_04_0, k__cospi_p28_p04); 816 const __m256i out_04_3 = _mm256_madd_epi16(out_04_1, k__cospi_p28_p04); 817 const __m256i out_20_2 = _mm256_madd_epi16(out_20_0, k__cospi_p12_p20); 818 const __m256i out_20_3 = _mm256_madd_epi16(out_20_1, k__cospi_p12_p20); 819 const __m256i out_12_2 = _mm256_madd_epi16(out_12_0, k__cospi_m20_p12); 820 const __m256i out_12_3 = _mm256_madd_epi16(out_12_1, k__cospi_m20_p12); 821 const __m256i out_28_2 = _mm256_madd_epi16(out_28_0, k__cospi_m04_p28); 822 const __m256i out_28_3 = _mm256_madd_epi16(out_28_1, k__cospi_m04_p28); 823 // dct_const_round_shift 824 const __m256i out_04_4 = _mm256_add_epi32(out_04_2, k__DCT_CONST_ROUNDING); 825 const __m256i out_04_5 = _mm256_add_epi32(out_04_3, k__DCT_CONST_ROUNDING); 826 const __m256i out_20_4 = _mm256_add_epi32(out_20_2, k__DCT_CONST_ROUNDING); 827 const __m256i out_20_5 = _mm256_add_epi32(out_20_3, k__DCT_CONST_ROUNDING); 828 const __m256i out_12_4 = _mm256_add_epi32(out_12_2, k__DCT_CONST_ROUNDING); 829 const __m256i out_12_5 = _mm256_add_epi32(out_12_3, k__DCT_CONST_ROUNDING); 830 const __m256i out_28_4 = _mm256_add_epi32(out_28_2, k__DCT_CONST_ROUNDING); 831 const __m256i out_28_5 = _mm256_add_epi32(out_28_3, k__DCT_CONST_ROUNDING); 832 const __m256i out_04_6 = _mm256_srai_epi32(out_04_4, DCT_CONST_BITS); 833 const __m256i out_04_7 = _mm256_srai_epi32(out_04_5, DCT_CONST_BITS); 834 const __m256i out_20_6 = _mm256_srai_epi32(out_20_4, DCT_CONST_BITS); 835 const __m256i out_20_7 = _mm256_srai_epi32(out_20_5, DCT_CONST_BITS); 836 const __m256i out_12_6 = _mm256_srai_epi32(out_12_4, DCT_CONST_BITS); 837 const __m256i out_12_7 = _mm256_srai_epi32(out_12_5, DCT_CONST_BITS); 838 const __m256i out_28_6 = _mm256_srai_epi32(out_28_4, DCT_CONST_BITS); 839 const __m256i out_28_7 = _mm256_srai_epi32(out_28_5, DCT_CONST_BITS); 840 // Combine 841 out[ 4] = _mm256_packs_epi32(out_04_6, out_04_7); 842 out[20] = _mm256_packs_epi32(out_20_6, out_20_7); 843 out[12] = _mm256_packs_epi32(out_12_6, out_12_7); 844 out[28] = _mm256_packs_epi32(out_28_6, out_28_7); 845 } 846 { 847 step3[ 8] = _mm256_add_epi16(step2[ 9], step1[ 8]); 848 step3[ 9] = _mm256_sub_epi16(step1[ 8], step2[ 9]); 849 step3[10] = _mm256_sub_epi16(step1[11], step2[10]); 850 step3[11] = _mm256_add_epi16(step2[10], step1[11]); 851 step3[12] = _mm256_add_epi16(step2[13], step1[12]); 852 step3[13] = _mm256_sub_epi16(step1[12], step2[13]); 853 step3[14] = _mm256_sub_epi16(step1[15], step2[14]); 854 step3[15] = _mm256_add_epi16(step2[14], step1[15]); 855 } 856 { 857 const __m256i s3_17_0 = _mm256_unpacklo_epi16(step2[17], step2[30]); 858 const __m256i s3_17_1 = _mm256_unpackhi_epi16(step2[17], step2[30]); 859 const __m256i s3_18_0 = _mm256_unpacklo_epi16(step2[18], step2[29]); 860 const __m256i s3_18_1 = _mm256_unpackhi_epi16(step2[18], step2[29]); 861 const __m256i s3_21_0 = _mm256_unpacklo_epi16(step2[21], step2[26]); 862 const __m256i s3_21_1 = _mm256_unpackhi_epi16(step2[21], step2[26]); 863 const __m256i s3_22_0 = _mm256_unpacklo_epi16(step2[22], step2[25]); 864 const __m256i s3_22_1 = _mm256_unpackhi_epi16(step2[22], step2[25]); 865 const __m256i s3_17_2 = _mm256_madd_epi16(s3_17_0, k__cospi_m04_p28); 866 const __m256i s3_17_3 = _mm256_madd_epi16(s3_17_1, k__cospi_m04_p28); 867 const __m256i s3_18_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m28_m04); 868 const __m256i s3_18_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m28_m04); 869 const __m256i s3_21_2 = _mm256_madd_epi16(s3_21_0, k__cospi_m20_p12); 870 const __m256i s3_21_3 = _mm256_madd_epi16(s3_21_1, k__cospi_m20_p12); 871 const __m256i s3_22_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m12_m20); 872 const __m256i s3_22_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m12_m20); 873 const __m256i s3_25_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m20_p12); 874 const __m256i s3_25_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m20_p12); 875 const __m256i s3_26_2 = _mm256_madd_epi16(s3_21_0, k__cospi_p12_p20); 876 const __m256i s3_26_3 = _mm256_madd_epi16(s3_21_1, k__cospi_p12_p20); 877 const __m256i s3_29_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m04_p28); 878 const __m256i s3_29_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m04_p28); 879 const __m256i s3_30_2 = _mm256_madd_epi16(s3_17_0, k__cospi_p28_p04); 880 const __m256i s3_30_3 = _mm256_madd_epi16(s3_17_1, k__cospi_p28_p04); 881 // dct_const_round_shift 882 const __m256i s3_17_4 = _mm256_add_epi32(s3_17_2, k__DCT_CONST_ROUNDING); 883 const __m256i s3_17_5 = _mm256_add_epi32(s3_17_3, k__DCT_CONST_ROUNDING); 884 const __m256i s3_18_4 = _mm256_add_epi32(s3_18_2, k__DCT_CONST_ROUNDING); 885 const __m256i s3_18_5 = _mm256_add_epi32(s3_18_3, k__DCT_CONST_ROUNDING); 886 const __m256i s3_21_4 = _mm256_add_epi32(s3_21_2, k__DCT_CONST_ROUNDING); 887 const __m256i s3_21_5 = _mm256_add_epi32(s3_21_3, k__DCT_CONST_ROUNDING); 888 const __m256i s3_22_4 = _mm256_add_epi32(s3_22_2, k__DCT_CONST_ROUNDING); 889 const __m256i s3_22_5 = _mm256_add_epi32(s3_22_3, k__DCT_CONST_ROUNDING); 890 const __m256i s3_17_6 = _mm256_srai_epi32(s3_17_4, DCT_CONST_BITS); 891 const __m256i s3_17_7 = _mm256_srai_epi32(s3_17_5, DCT_CONST_BITS); 892 const __m256i s3_18_6 = _mm256_srai_epi32(s3_18_4, DCT_CONST_BITS); 893 const __m256i s3_18_7 = _mm256_srai_epi32(s3_18_5, DCT_CONST_BITS); 894 const __m256i s3_21_6 = _mm256_srai_epi32(s3_21_4, DCT_CONST_BITS); 895 const __m256i s3_21_7 = _mm256_srai_epi32(s3_21_5, DCT_CONST_BITS); 896 const __m256i s3_22_6 = _mm256_srai_epi32(s3_22_4, DCT_CONST_BITS); 897 const __m256i s3_22_7 = _mm256_srai_epi32(s3_22_5, DCT_CONST_BITS); 898 const __m256i s3_25_4 = _mm256_add_epi32(s3_25_2, k__DCT_CONST_ROUNDING); 899 const __m256i s3_25_5 = _mm256_add_epi32(s3_25_3, k__DCT_CONST_ROUNDING); 900 const __m256i s3_26_4 = _mm256_add_epi32(s3_26_2, k__DCT_CONST_ROUNDING); 901 const __m256i s3_26_5 = _mm256_add_epi32(s3_26_3, k__DCT_CONST_ROUNDING); 902 const __m256i s3_29_4 = _mm256_add_epi32(s3_29_2, k__DCT_CONST_ROUNDING); 903 const __m256i s3_29_5 = _mm256_add_epi32(s3_29_3, k__DCT_CONST_ROUNDING); 904 const __m256i s3_30_4 = _mm256_add_epi32(s3_30_2, k__DCT_CONST_ROUNDING); 905 const __m256i s3_30_5 = _mm256_add_epi32(s3_30_3, k__DCT_CONST_ROUNDING); 906 const __m256i s3_25_6 = _mm256_srai_epi32(s3_25_4, DCT_CONST_BITS); 907 const __m256i s3_25_7 = _mm256_srai_epi32(s3_25_5, DCT_CONST_BITS); 908 const __m256i s3_26_6 = _mm256_srai_epi32(s3_26_4, DCT_CONST_BITS); 909 const __m256i s3_26_7 = _mm256_srai_epi32(s3_26_5, DCT_CONST_BITS); 910 const __m256i s3_29_6 = _mm256_srai_epi32(s3_29_4, DCT_CONST_BITS); 911 const __m256i s3_29_7 = _mm256_srai_epi32(s3_29_5, DCT_CONST_BITS); 912 const __m256i s3_30_6 = _mm256_srai_epi32(s3_30_4, DCT_CONST_BITS); 913 const __m256i s3_30_7 = _mm256_srai_epi32(s3_30_5, DCT_CONST_BITS); 914 // Combine 915 step3[17] = _mm256_packs_epi32(s3_17_6, s3_17_7); 916 step3[18] = _mm256_packs_epi32(s3_18_6, s3_18_7); 917 step3[21] = _mm256_packs_epi32(s3_21_6, s3_21_7); 918 step3[22] = _mm256_packs_epi32(s3_22_6, s3_22_7); 919 // Combine 920 step3[25] = _mm256_packs_epi32(s3_25_6, s3_25_7); 921 step3[26] = _mm256_packs_epi32(s3_26_6, s3_26_7); 922 step3[29] = _mm256_packs_epi32(s3_29_6, s3_29_7); 923 step3[30] = _mm256_packs_epi32(s3_30_6, s3_30_7); 924 } 925 // Stage 7 926 { 927 const __m256i out_02_0 = _mm256_unpacklo_epi16(step3[ 8], step3[15]); 928 const __m256i out_02_1 = _mm256_unpackhi_epi16(step3[ 8], step3[15]); 929 const __m256i out_18_0 = _mm256_unpacklo_epi16(step3[ 9], step3[14]); 930 const __m256i out_18_1 = _mm256_unpackhi_epi16(step3[ 9], step3[14]); 931 const __m256i out_10_0 = _mm256_unpacklo_epi16(step3[10], step3[13]); 932 const __m256i out_10_1 = _mm256_unpackhi_epi16(step3[10], step3[13]); 933 const __m256i out_26_0 = _mm256_unpacklo_epi16(step3[11], step3[12]); 934 const __m256i out_26_1 = _mm256_unpackhi_epi16(step3[11], step3[12]); 935 const __m256i out_02_2 = _mm256_madd_epi16(out_02_0, k__cospi_p30_p02); 936 const __m256i out_02_3 = _mm256_madd_epi16(out_02_1, k__cospi_p30_p02); 937 const __m256i out_18_2 = _mm256_madd_epi16(out_18_0, k__cospi_p14_p18); 938 const __m256i out_18_3 = _mm256_madd_epi16(out_18_1, k__cospi_p14_p18); 939 const __m256i out_10_2 = _mm256_madd_epi16(out_10_0, k__cospi_p22_p10); 940 const __m256i out_10_3 = _mm256_madd_epi16(out_10_1, k__cospi_p22_p10); 941 const __m256i out_26_2 = _mm256_madd_epi16(out_26_0, k__cospi_p06_p26); 942 const __m256i out_26_3 = _mm256_madd_epi16(out_26_1, k__cospi_p06_p26); 943 const __m256i out_06_2 = _mm256_madd_epi16(out_26_0, k__cospi_m26_p06); 944 const __m256i out_06_3 = _mm256_madd_epi16(out_26_1, k__cospi_m26_p06); 945 const __m256i out_22_2 = _mm256_madd_epi16(out_10_0, k__cospi_m10_p22); 946 const __m256i out_22_3 = _mm256_madd_epi16(out_10_1, k__cospi_m10_p22); 947 const __m256i out_14_2 = _mm256_madd_epi16(out_18_0, k__cospi_m18_p14); 948 const __m256i out_14_3 = _mm256_madd_epi16(out_18_1, k__cospi_m18_p14); 949 const __m256i out_30_2 = _mm256_madd_epi16(out_02_0, k__cospi_m02_p30); 950 const __m256i out_30_3 = _mm256_madd_epi16(out_02_1, k__cospi_m02_p30); 951 // dct_const_round_shift 952 const __m256i out_02_4 = _mm256_add_epi32(out_02_2, k__DCT_CONST_ROUNDING); 953 const __m256i out_02_5 = _mm256_add_epi32(out_02_3, k__DCT_CONST_ROUNDING); 954 const __m256i out_18_4 = _mm256_add_epi32(out_18_2, k__DCT_CONST_ROUNDING); 955 const __m256i out_18_5 = _mm256_add_epi32(out_18_3, k__DCT_CONST_ROUNDING); 956 const __m256i out_10_4 = _mm256_add_epi32(out_10_2, k__DCT_CONST_ROUNDING); 957 const __m256i out_10_5 = _mm256_add_epi32(out_10_3, k__DCT_CONST_ROUNDING); 958 const __m256i out_26_4 = _mm256_add_epi32(out_26_2, k__DCT_CONST_ROUNDING); 959 const __m256i out_26_5 = _mm256_add_epi32(out_26_3, k__DCT_CONST_ROUNDING); 960 const __m256i out_06_4 = _mm256_add_epi32(out_06_2, k__DCT_CONST_ROUNDING); 961 const __m256i out_06_5 = _mm256_add_epi32(out_06_3, k__DCT_CONST_ROUNDING); 962 const __m256i out_22_4 = _mm256_add_epi32(out_22_2, k__DCT_CONST_ROUNDING); 963 const __m256i out_22_5 = _mm256_add_epi32(out_22_3, k__DCT_CONST_ROUNDING); 964 const __m256i out_14_4 = _mm256_add_epi32(out_14_2, k__DCT_CONST_ROUNDING); 965 const __m256i out_14_5 = _mm256_add_epi32(out_14_3, k__DCT_CONST_ROUNDING); 966 const __m256i out_30_4 = _mm256_add_epi32(out_30_2, k__DCT_CONST_ROUNDING); 967 const __m256i out_30_5 = _mm256_add_epi32(out_30_3, k__DCT_CONST_ROUNDING); 968 const __m256i out_02_6 = _mm256_srai_epi32(out_02_4, DCT_CONST_BITS); 969 const __m256i out_02_7 = _mm256_srai_epi32(out_02_5, DCT_CONST_BITS); 970 const __m256i out_18_6 = _mm256_srai_epi32(out_18_4, DCT_CONST_BITS); 971 const __m256i out_18_7 = _mm256_srai_epi32(out_18_5, DCT_CONST_BITS); 972 const __m256i out_10_6 = _mm256_srai_epi32(out_10_4, DCT_CONST_BITS); 973 const __m256i out_10_7 = _mm256_srai_epi32(out_10_5, DCT_CONST_BITS); 974 const __m256i out_26_6 = _mm256_srai_epi32(out_26_4, DCT_CONST_BITS); 975 const __m256i out_26_7 = _mm256_srai_epi32(out_26_5, DCT_CONST_BITS); 976 const __m256i out_06_6 = _mm256_srai_epi32(out_06_4, DCT_CONST_BITS); 977 const __m256i out_06_7 = _mm256_srai_epi32(out_06_5, DCT_CONST_BITS); 978 const __m256i out_22_6 = _mm256_srai_epi32(out_22_4, DCT_CONST_BITS); 979 const __m256i out_22_7 = _mm256_srai_epi32(out_22_5, DCT_CONST_BITS); 980 const __m256i out_14_6 = _mm256_srai_epi32(out_14_4, DCT_CONST_BITS); 981 const __m256i out_14_7 = _mm256_srai_epi32(out_14_5, DCT_CONST_BITS); 982 const __m256i out_30_6 = _mm256_srai_epi32(out_30_4, DCT_CONST_BITS); 983 const __m256i out_30_7 = _mm256_srai_epi32(out_30_5, DCT_CONST_BITS); 984 // Combine 985 out[ 2] = _mm256_packs_epi32(out_02_6, out_02_7); 986 out[18] = _mm256_packs_epi32(out_18_6, out_18_7); 987 out[10] = _mm256_packs_epi32(out_10_6, out_10_7); 988 out[26] = _mm256_packs_epi32(out_26_6, out_26_7); 989 out[ 6] = _mm256_packs_epi32(out_06_6, out_06_7); 990 out[22] = _mm256_packs_epi32(out_22_6, out_22_7); 991 out[14] = _mm256_packs_epi32(out_14_6, out_14_7); 992 out[30] = _mm256_packs_epi32(out_30_6, out_30_7); 993 } 994 { 995 step1[16] = _mm256_add_epi16(step3[17], step2[16]); 996 step1[17] = _mm256_sub_epi16(step2[16], step3[17]); 997 step1[18] = _mm256_sub_epi16(step2[19], step3[18]); 998 step1[19] = _mm256_add_epi16(step3[18], step2[19]); 999 step1[20] = _mm256_add_epi16(step3[21], step2[20]); 1000 step1[21] = _mm256_sub_epi16(step2[20], step3[21]); 1001 step1[22] = _mm256_sub_epi16(step2[23], step3[22]); 1002 step1[23] = _mm256_add_epi16(step3[22], step2[23]); 1003 step1[24] = _mm256_add_epi16(step3[25], step2[24]); 1004 step1[25] = _mm256_sub_epi16(step2[24], step3[25]); 1005 step1[26] = _mm256_sub_epi16(step2[27], step3[26]); 1006 step1[27] = _mm256_add_epi16(step3[26], step2[27]); 1007 step1[28] = _mm256_add_epi16(step3[29], step2[28]); 1008 step1[29] = _mm256_sub_epi16(step2[28], step3[29]); 1009 step1[30] = _mm256_sub_epi16(step2[31], step3[30]); 1010 step1[31] = _mm256_add_epi16(step3[30], step2[31]); 1011 } 1012 // Final stage --- outputs indices are bit-reversed. 1013 { 1014 const __m256i out_01_0 = _mm256_unpacklo_epi16(step1[16], step1[31]); 1015 const __m256i out_01_1 = _mm256_unpackhi_epi16(step1[16], step1[31]); 1016 const __m256i out_17_0 = _mm256_unpacklo_epi16(step1[17], step1[30]); 1017 const __m256i out_17_1 = _mm256_unpackhi_epi16(step1[17], step1[30]); 1018 const __m256i out_09_0 = _mm256_unpacklo_epi16(step1[18], step1[29]); 1019 const __m256i out_09_1 = _mm256_unpackhi_epi16(step1[18], step1[29]); 1020 const __m256i out_25_0 = _mm256_unpacklo_epi16(step1[19], step1[28]); 1021 const __m256i out_25_1 = _mm256_unpackhi_epi16(step1[19], step1[28]); 1022 const __m256i out_01_2 = _mm256_madd_epi16(out_01_0, k__cospi_p31_p01); 1023 const __m256i out_01_3 = _mm256_madd_epi16(out_01_1, k__cospi_p31_p01); 1024 const __m256i out_17_2 = _mm256_madd_epi16(out_17_0, k__cospi_p15_p17); 1025 const __m256i out_17_3 = _mm256_madd_epi16(out_17_1, k__cospi_p15_p17); 1026 const __m256i out_09_2 = _mm256_madd_epi16(out_09_0, k__cospi_p23_p09); 1027 const __m256i out_09_3 = _mm256_madd_epi16(out_09_1, k__cospi_p23_p09); 1028 const __m256i out_25_2 = _mm256_madd_epi16(out_25_0, k__cospi_p07_p25); 1029 const __m256i out_25_3 = _mm256_madd_epi16(out_25_1, k__cospi_p07_p25); 1030 const __m256i out_07_2 = _mm256_madd_epi16(out_25_0, k__cospi_m25_p07); 1031 const __m256i out_07_3 = _mm256_madd_epi16(out_25_1, k__cospi_m25_p07); 1032 const __m256i out_23_2 = _mm256_madd_epi16(out_09_0, k__cospi_m09_p23); 1033 const __m256i out_23_3 = _mm256_madd_epi16(out_09_1, k__cospi_m09_p23); 1034 const __m256i out_15_2 = _mm256_madd_epi16(out_17_0, k__cospi_m17_p15); 1035 const __m256i out_15_3 = _mm256_madd_epi16(out_17_1, k__cospi_m17_p15); 1036 const __m256i out_31_2 = _mm256_madd_epi16(out_01_0, k__cospi_m01_p31); 1037 const __m256i out_31_3 = _mm256_madd_epi16(out_01_1, k__cospi_m01_p31); 1038 // dct_const_round_shift 1039 const __m256i out_01_4 = _mm256_add_epi32(out_01_2, k__DCT_CONST_ROUNDING); 1040 const __m256i out_01_5 = _mm256_add_epi32(out_01_3, k__DCT_CONST_ROUNDING); 1041 const __m256i out_17_4 = _mm256_add_epi32(out_17_2, k__DCT_CONST_ROUNDING); 1042 const __m256i out_17_5 = _mm256_add_epi32(out_17_3, k__DCT_CONST_ROUNDING); 1043 const __m256i out_09_4 = _mm256_add_epi32(out_09_2, k__DCT_CONST_ROUNDING); 1044 const __m256i out_09_5 = _mm256_add_epi32(out_09_3, k__DCT_CONST_ROUNDING); 1045 const __m256i out_25_4 = _mm256_add_epi32(out_25_2, k__DCT_CONST_ROUNDING); 1046 const __m256i out_25_5 = _mm256_add_epi32(out_25_3, k__DCT_CONST_ROUNDING); 1047 const __m256i out_07_4 = _mm256_add_epi32(out_07_2, k__DCT_CONST_ROUNDING); 1048 const __m256i out_07_5 = _mm256_add_epi32(out_07_3, k__DCT_CONST_ROUNDING); 1049 const __m256i out_23_4 = _mm256_add_epi32(out_23_2, k__DCT_CONST_ROUNDING); 1050 const __m256i out_23_5 = _mm256_add_epi32(out_23_3, k__DCT_CONST_ROUNDING); 1051 const __m256i out_15_4 = _mm256_add_epi32(out_15_2, k__DCT_CONST_ROUNDING); 1052 const __m256i out_15_5 = _mm256_add_epi32(out_15_3, k__DCT_CONST_ROUNDING); 1053 const __m256i out_31_4 = _mm256_add_epi32(out_31_2, k__DCT_CONST_ROUNDING); 1054 const __m256i out_31_5 = _mm256_add_epi32(out_31_3, k__DCT_CONST_ROUNDING); 1055 const __m256i out_01_6 = _mm256_srai_epi32(out_01_4, DCT_CONST_BITS); 1056 const __m256i out_01_7 = _mm256_srai_epi32(out_01_5, DCT_CONST_BITS); 1057 const __m256i out_17_6 = _mm256_srai_epi32(out_17_4, DCT_CONST_BITS); 1058 const __m256i out_17_7 = _mm256_srai_epi32(out_17_5, DCT_CONST_BITS); 1059 const __m256i out_09_6 = _mm256_srai_epi32(out_09_4, DCT_CONST_BITS); 1060 const __m256i out_09_7 = _mm256_srai_epi32(out_09_5, DCT_CONST_BITS); 1061 const __m256i out_25_6 = _mm256_srai_epi32(out_25_4, DCT_CONST_BITS); 1062 const __m256i out_25_7 = _mm256_srai_epi32(out_25_5, DCT_CONST_BITS); 1063 const __m256i out_07_6 = _mm256_srai_epi32(out_07_4, DCT_CONST_BITS); 1064 const __m256i out_07_7 = _mm256_srai_epi32(out_07_5, DCT_CONST_BITS); 1065 const __m256i out_23_6 = _mm256_srai_epi32(out_23_4, DCT_CONST_BITS); 1066 const __m256i out_23_7 = _mm256_srai_epi32(out_23_5, DCT_CONST_BITS); 1067 const __m256i out_15_6 = _mm256_srai_epi32(out_15_4, DCT_CONST_BITS); 1068 const __m256i out_15_7 = _mm256_srai_epi32(out_15_5, DCT_CONST_BITS); 1069 const __m256i out_31_6 = _mm256_srai_epi32(out_31_4, DCT_CONST_BITS); 1070 const __m256i out_31_7 = _mm256_srai_epi32(out_31_5, DCT_CONST_BITS); 1071 // Combine 1072 out[ 1] = _mm256_packs_epi32(out_01_6, out_01_7); 1073 out[17] = _mm256_packs_epi32(out_17_6, out_17_7); 1074 out[ 9] = _mm256_packs_epi32(out_09_6, out_09_7); 1075 out[25] = _mm256_packs_epi32(out_25_6, out_25_7); 1076 out[ 7] = _mm256_packs_epi32(out_07_6, out_07_7); 1077 out[23] = _mm256_packs_epi32(out_23_6, out_23_7); 1078 out[15] = _mm256_packs_epi32(out_15_6, out_15_7); 1079 out[31] = _mm256_packs_epi32(out_31_6, out_31_7); 1080 } 1081 { 1082 const __m256i out_05_0 = _mm256_unpacklo_epi16(step1[20], step1[27]); 1083 const __m256i out_05_1 = _mm256_unpackhi_epi16(step1[20], step1[27]); 1084 const __m256i out_21_0 = _mm256_unpacklo_epi16(step1[21], step1[26]); 1085 const __m256i out_21_1 = _mm256_unpackhi_epi16(step1[21], step1[26]); 1086 const __m256i out_13_0 = _mm256_unpacklo_epi16(step1[22], step1[25]); 1087 const __m256i out_13_1 = _mm256_unpackhi_epi16(step1[22], step1[25]); 1088 const __m256i out_29_0 = _mm256_unpacklo_epi16(step1[23], step1[24]); 1089 const __m256i out_29_1 = _mm256_unpackhi_epi16(step1[23], step1[24]); 1090 const __m256i out_05_2 = _mm256_madd_epi16(out_05_0, k__cospi_p27_p05); 1091 const __m256i out_05_3 = _mm256_madd_epi16(out_05_1, k__cospi_p27_p05); 1092 const __m256i out_21_2 = _mm256_madd_epi16(out_21_0, k__cospi_p11_p21); 1093 const __m256i out_21_3 = _mm256_madd_epi16(out_21_1, k__cospi_p11_p21); 1094 const __m256i out_13_2 = _mm256_madd_epi16(out_13_0, k__cospi_p19_p13); 1095 const __m256i out_13_3 = _mm256_madd_epi16(out_13_1, k__cospi_p19_p13); 1096 const __m256i out_29_2 = _mm256_madd_epi16(out_29_0, k__cospi_p03_p29); 1097 const __m256i out_29_3 = _mm256_madd_epi16(out_29_1, k__cospi_p03_p29); 1098 const __m256i out_03_2 = _mm256_madd_epi16(out_29_0, k__cospi_m29_p03); 1099 const __m256i out_03_3 = _mm256_madd_epi16(out_29_1, k__cospi_m29_p03); 1100 const __m256i out_19_2 = _mm256_madd_epi16(out_13_0, k__cospi_m13_p19); 1101 const __m256i out_19_3 = _mm256_madd_epi16(out_13_1, k__cospi_m13_p19); 1102 const __m256i out_11_2 = _mm256_madd_epi16(out_21_0, k__cospi_m21_p11); 1103 const __m256i out_11_3 = _mm256_madd_epi16(out_21_1, k__cospi_m21_p11); 1104 const __m256i out_27_2 = _mm256_madd_epi16(out_05_0, k__cospi_m05_p27); 1105 const __m256i out_27_3 = _mm256_madd_epi16(out_05_1, k__cospi_m05_p27); 1106 // dct_const_round_shift 1107 const __m256i out_05_4 = _mm256_add_epi32(out_05_2, k__DCT_CONST_ROUNDING); 1108 const __m256i out_05_5 = _mm256_add_epi32(out_05_3, k__DCT_CONST_ROUNDING); 1109 const __m256i out_21_4 = _mm256_add_epi32(out_21_2, k__DCT_CONST_ROUNDING); 1110 const __m256i out_21_5 = _mm256_add_epi32(out_21_3, k__DCT_CONST_ROUNDING); 1111 const __m256i out_13_4 = _mm256_add_epi32(out_13_2, k__DCT_CONST_ROUNDING); 1112 const __m256i out_13_5 = _mm256_add_epi32(out_13_3, k__DCT_CONST_ROUNDING); 1113 const __m256i out_29_4 = _mm256_add_epi32(out_29_2, k__DCT_CONST_ROUNDING); 1114 const __m256i out_29_5 = _mm256_add_epi32(out_29_3, k__DCT_CONST_ROUNDING); 1115 const __m256i out_03_4 = _mm256_add_epi32(out_03_2, k__DCT_CONST_ROUNDING); 1116 const __m256i out_03_5 = _mm256_add_epi32(out_03_3, k__DCT_CONST_ROUNDING); 1117 const __m256i out_19_4 = _mm256_add_epi32(out_19_2, k__DCT_CONST_ROUNDING); 1118 const __m256i out_19_5 = _mm256_add_epi32(out_19_3, k__DCT_CONST_ROUNDING); 1119 const __m256i out_11_4 = _mm256_add_epi32(out_11_2, k__DCT_CONST_ROUNDING); 1120 const __m256i out_11_5 = _mm256_add_epi32(out_11_3, k__DCT_CONST_ROUNDING); 1121 const __m256i out_27_4 = _mm256_add_epi32(out_27_2, k__DCT_CONST_ROUNDING); 1122 const __m256i out_27_5 = _mm256_add_epi32(out_27_3, k__DCT_CONST_ROUNDING); 1123 const __m256i out_05_6 = _mm256_srai_epi32(out_05_4, DCT_CONST_BITS); 1124 const __m256i out_05_7 = _mm256_srai_epi32(out_05_5, DCT_CONST_BITS); 1125 const __m256i out_21_6 = _mm256_srai_epi32(out_21_4, DCT_CONST_BITS); 1126 const __m256i out_21_7 = _mm256_srai_epi32(out_21_5, DCT_CONST_BITS); 1127 const __m256i out_13_6 = _mm256_srai_epi32(out_13_4, DCT_CONST_BITS); 1128 const __m256i out_13_7 = _mm256_srai_epi32(out_13_5, DCT_CONST_BITS); 1129 const __m256i out_29_6 = _mm256_srai_epi32(out_29_4, DCT_CONST_BITS); 1130 const __m256i out_29_7 = _mm256_srai_epi32(out_29_5, DCT_CONST_BITS); 1131 const __m256i out_03_6 = _mm256_srai_epi32(out_03_4, DCT_CONST_BITS); 1132 const __m256i out_03_7 = _mm256_srai_epi32(out_03_5, DCT_CONST_BITS); 1133 const __m256i out_19_6 = _mm256_srai_epi32(out_19_4, DCT_CONST_BITS); 1134 const __m256i out_19_7 = _mm256_srai_epi32(out_19_5, DCT_CONST_BITS); 1135 const __m256i out_11_6 = _mm256_srai_epi32(out_11_4, DCT_CONST_BITS); 1136 const __m256i out_11_7 = _mm256_srai_epi32(out_11_5, DCT_CONST_BITS); 1137 const __m256i out_27_6 = _mm256_srai_epi32(out_27_4, DCT_CONST_BITS); 1138 const __m256i out_27_7 = _mm256_srai_epi32(out_27_5, DCT_CONST_BITS); 1139 // Combine 1140 out[ 5] = _mm256_packs_epi32(out_05_6, out_05_7); 1141 out[21] = _mm256_packs_epi32(out_21_6, out_21_7); 1142 out[13] = _mm256_packs_epi32(out_13_6, out_13_7); 1143 out[29] = _mm256_packs_epi32(out_29_6, out_29_7); 1144 out[ 3] = _mm256_packs_epi32(out_03_6, out_03_7); 1145 out[19] = _mm256_packs_epi32(out_19_6, out_19_7); 1146 out[11] = _mm256_packs_epi32(out_11_6, out_11_7); 1147 out[27] = _mm256_packs_epi32(out_27_6, out_27_7); 1148 } 1149#if FDCT32x32_HIGH_PRECISION 1150 } else { 1151 __m256i lstep1[64], lstep2[64], lstep3[64]; 1152 __m256i u[32], v[32], sign[16]; 1153 const __m256i K32One = _mm256_set_epi32(1, 1, 1, 1, 1, 1, 1, 1); 1154 // start using 32-bit operations 1155 // stage 3 1156 { 1157 // expanding to 32-bit length priori to addition operations 1158 lstep2[ 0] = _mm256_unpacklo_epi16(step2[ 0], kZero); 1159 lstep2[ 1] = _mm256_unpackhi_epi16(step2[ 0], kZero); 1160 lstep2[ 2] = _mm256_unpacklo_epi16(step2[ 1], kZero); 1161 lstep2[ 3] = _mm256_unpackhi_epi16(step2[ 1], kZero); 1162 lstep2[ 4] = _mm256_unpacklo_epi16(step2[ 2], kZero); 1163 lstep2[ 5] = _mm256_unpackhi_epi16(step2[ 2], kZero); 1164 lstep2[ 6] = _mm256_unpacklo_epi16(step2[ 3], kZero); 1165 lstep2[ 7] = _mm256_unpackhi_epi16(step2[ 3], kZero); 1166 lstep2[ 8] = _mm256_unpacklo_epi16(step2[ 4], kZero); 1167 lstep2[ 9] = _mm256_unpackhi_epi16(step2[ 4], kZero); 1168 lstep2[10] = _mm256_unpacklo_epi16(step2[ 5], kZero); 1169 lstep2[11] = _mm256_unpackhi_epi16(step2[ 5], kZero); 1170 lstep2[12] = _mm256_unpacklo_epi16(step2[ 6], kZero); 1171 lstep2[13] = _mm256_unpackhi_epi16(step2[ 6], kZero); 1172 lstep2[14] = _mm256_unpacklo_epi16(step2[ 7], kZero); 1173 lstep2[15] = _mm256_unpackhi_epi16(step2[ 7], kZero); 1174 lstep2[ 0] = _mm256_madd_epi16(lstep2[ 0], kOne); 1175 lstep2[ 1] = _mm256_madd_epi16(lstep2[ 1], kOne); 1176 lstep2[ 2] = _mm256_madd_epi16(lstep2[ 2], kOne); 1177 lstep2[ 3] = _mm256_madd_epi16(lstep2[ 3], kOne); 1178 lstep2[ 4] = _mm256_madd_epi16(lstep2[ 4], kOne); 1179 lstep2[ 5] = _mm256_madd_epi16(lstep2[ 5], kOne); 1180 lstep2[ 6] = _mm256_madd_epi16(lstep2[ 6], kOne); 1181 lstep2[ 7] = _mm256_madd_epi16(lstep2[ 7], kOne); 1182 lstep2[ 8] = _mm256_madd_epi16(lstep2[ 8], kOne); 1183 lstep2[ 9] = _mm256_madd_epi16(lstep2[ 9], kOne); 1184 lstep2[10] = _mm256_madd_epi16(lstep2[10], kOne); 1185 lstep2[11] = _mm256_madd_epi16(lstep2[11], kOne); 1186 lstep2[12] = _mm256_madd_epi16(lstep2[12], kOne); 1187 lstep2[13] = _mm256_madd_epi16(lstep2[13], kOne); 1188 lstep2[14] = _mm256_madd_epi16(lstep2[14], kOne); 1189 lstep2[15] = _mm256_madd_epi16(lstep2[15], kOne); 1190 1191 lstep3[ 0] = _mm256_add_epi32(lstep2[14], lstep2[ 0]); 1192 lstep3[ 1] = _mm256_add_epi32(lstep2[15], lstep2[ 1]); 1193 lstep3[ 2] = _mm256_add_epi32(lstep2[12], lstep2[ 2]); 1194 lstep3[ 3] = _mm256_add_epi32(lstep2[13], lstep2[ 3]); 1195 lstep3[ 4] = _mm256_add_epi32(lstep2[10], lstep2[ 4]); 1196 lstep3[ 5] = _mm256_add_epi32(lstep2[11], lstep2[ 5]); 1197 lstep3[ 6] = _mm256_add_epi32(lstep2[ 8], lstep2[ 6]); 1198 lstep3[ 7] = _mm256_add_epi32(lstep2[ 9], lstep2[ 7]); 1199 lstep3[ 8] = _mm256_sub_epi32(lstep2[ 6], lstep2[ 8]); 1200 lstep3[ 9] = _mm256_sub_epi32(lstep2[ 7], lstep2[ 9]); 1201 lstep3[10] = _mm256_sub_epi32(lstep2[ 4], lstep2[10]); 1202 lstep3[11] = _mm256_sub_epi32(lstep2[ 5], lstep2[11]); 1203 lstep3[12] = _mm256_sub_epi32(lstep2[ 2], lstep2[12]); 1204 lstep3[13] = _mm256_sub_epi32(lstep2[ 3], lstep2[13]); 1205 lstep3[14] = _mm256_sub_epi32(lstep2[ 0], lstep2[14]); 1206 lstep3[15] = _mm256_sub_epi32(lstep2[ 1], lstep2[15]); 1207 } 1208 { 1209 const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]); 1210 const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]); 1211 const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]); 1212 const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]); 1213 const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16); 1214 const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16); 1215 const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16); 1216 const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16); 1217 const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16); 1218 const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16); 1219 const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16); 1220 const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16); 1221 // dct_const_round_shift 1222 const __m256i s3_10_4 = _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING); 1223 const __m256i s3_10_5 = _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING); 1224 const __m256i s3_11_4 = _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING); 1225 const __m256i s3_11_5 = _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING); 1226 const __m256i s3_12_4 = _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING); 1227 const __m256i s3_12_5 = _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING); 1228 const __m256i s3_13_4 = _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING); 1229 const __m256i s3_13_5 = _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING); 1230 lstep3[20] = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS); 1231 lstep3[21] = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS); 1232 lstep3[22] = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS); 1233 lstep3[23] = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS); 1234 lstep3[24] = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS); 1235 lstep3[25] = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS); 1236 lstep3[26] = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS); 1237 lstep3[27] = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS); 1238 } 1239 { 1240 lstep2[40] = _mm256_unpacklo_epi16(step2[20], kZero); 1241 lstep2[41] = _mm256_unpackhi_epi16(step2[20], kZero); 1242 lstep2[42] = _mm256_unpacklo_epi16(step2[21], kZero); 1243 lstep2[43] = _mm256_unpackhi_epi16(step2[21], kZero); 1244 lstep2[44] = _mm256_unpacklo_epi16(step2[22], kZero); 1245 lstep2[45] = _mm256_unpackhi_epi16(step2[22], kZero); 1246 lstep2[46] = _mm256_unpacklo_epi16(step2[23], kZero); 1247 lstep2[47] = _mm256_unpackhi_epi16(step2[23], kZero); 1248 lstep2[48] = _mm256_unpacklo_epi16(step2[24], kZero); 1249 lstep2[49] = _mm256_unpackhi_epi16(step2[24], kZero); 1250 lstep2[50] = _mm256_unpacklo_epi16(step2[25], kZero); 1251 lstep2[51] = _mm256_unpackhi_epi16(step2[25], kZero); 1252 lstep2[52] = _mm256_unpacklo_epi16(step2[26], kZero); 1253 lstep2[53] = _mm256_unpackhi_epi16(step2[26], kZero); 1254 lstep2[54] = _mm256_unpacklo_epi16(step2[27], kZero); 1255 lstep2[55] = _mm256_unpackhi_epi16(step2[27], kZero); 1256 lstep2[40] = _mm256_madd_epi16(lstep2[40], kOne); 1257 lstep2[41] = _mm256_madd_epi16(lstep2[41], kOne); 1258 lstep2[42] = _mm256_madd_epi16(lstep2[42], kOne); 1259 lstep2[43] = _mm256_madd_epi16(lstep2[43], kOne); 1260 lstep2[44] = _mm256_madd_epi16(lstep2[44], kOne); 1261 lstep2[45] = _mm256_madd_epi16(lstep2[45], kOne); 1262 lstep2[46] = _mm256_madd_epi16(lstep2[46], kOne); 1263 lstep2[47] = _mm256_madd_epi16(lstep2[47], kOne); 1264 lstep2[48] = _mm256_madd_epi16(lstep2[48], kOne); 1265 lstep2[49] = _mm256_madd_epi16(lstep2[49], kOne); 1266 lstep2[50] = _mm256_madd_epi16(lstep2[50], kOne); 1267 lstep2[51] = _mm256_madd_epi16(lstep2[51], kOne); 1268 lstep2[52] = _mm256_madd_epi16(lstep2[52], kOne); 1269 lstep2[53] = _mm256_madd_epi16(lstep2[53], kOne); 1270 lstep2[54] = _mm256_madd_epi16(lstep2[54], kOne); 1271 lstep2[55] = _mm256_madd_epi16(lstep2[55], kOne); 1272 1273 lstep1[32] = _mm256_unpacklo_epi16(step1[16], kZero); 1274 lstep1[33] = _mm256_unpackhi_epi16(step1[16], kZero); 1275 lstep1[34] = _mm256_unpacklo_epi16(step1[17], kZero); 1276 lstep1[35] = _mm256_unpackhi_epi16(step1[17], kZero); 1277 lstep1[36] = _mm256_unpacklo_epi16(step1[18], kZero); 1278 lstep1[37] = _mm256_unpackhi_epi16(step1[18], kZero); 1279 lstep1[38] = _mm256_unpacklo_epi16(step1[19], kZero); 1280 lstep1[39] = _mm256_unpackhi_epi16(step1[19], kZero); 1281 lstep1[56] = _mm256_unpacklo_epi16(step1[28], kZero); 1282 lstep1[57] = _mm256_unpackhi_epi16(step1[28], kZero); 1283 lstep1[58] = _mm256_unpacklo_epi16(step1[29], kZero); 1284 lstep1[59] = _mm256_unpackhi_epi16(step1[29], kZero); 1285 lstep1[60] = _mm256_unpacklo_epi16(step1[30], kZero); 1286 lstep1[61] = _mm256_unpackhi_epi16(step1[30], kZero); 1287 lstep1[62] = _mm256_unpacklo_epi16(step1[31], kZero); 1288 lstep1[63] = _mm256_unpackhi_epi16(step1[31], kZero); 1289 lstep1[32] = _mm256_madd_epi16(lstep1[32], kOne); 1290 lstep1[33] = _mm256_madd_epi16(lstep1[33], kOne); 1291 lstep1[34] = _mm256_madd_epi16(lstep1[34], kOne); 1292 lstep1[35] = _mm256_madd_epi16(lstep1[35], kOne); 1293 lstep1[36] = _mm256_madd_epi16(lstep1[36], kOne); 1294 lstep1[37] = _mm256_madd_epi16(lstep1[37], kOne); 1295 lstep1[38] = _mm256_madd_epi16(lstep1[38], kOne); 1296 lstep1[39] = _mm256_madd_epi16(lstep1[39], kOne); 1297 lstep1[56] = _mm256_madd_epi16(lstep1[56], kOne); 1298 lstep1[57] = _mm256_madd_epi16(lstep1[57], kOne); 1299 lstep1[58] = _mm256_madd_epi16(lstep1[58], kOne); 1300 lstep1[59] = _mm256_madd_epi16(lstep1[59], kOne); 1301 lstep1[60] = _mm256_madd_epi16(lstep1[60], kOne); 1302 lstep1[61] = _mm256_madd_epi16(lstep1[61], kOne); 1303 lstep1[62] = _mm256_madd_epi16(lstep1[62], kOne); 1304 lstep1[63] = _mm256_madd_epi16(lstep1[63], kOne); 1305 1306 lstep3[32] = _mm256_add_epi32(lstep2[46], lstep1[32]); 1307 lstep3[33] = _mm256_add_epi32(lstep2[47], lstep1[33]); 1308 1309 lstep3[34] = _mm256_add_epi32(lstep2[44], lstep1[34]); 1310 lstep3[35] = _mm256_add_epi32(lstep2[45], lstep1[35]); 1311 lstep3[36] = _mm256_add_epi32(lstep2[42], lstep1[36]); 1312 lstep3[37] = _mm256_add_epi32(lstep2[43], lstep1[37]); 1313 lstep3[38] = _mm256_add_epi32(lstep2[40], lstep1[38]); 1314 lstep3[39] = _mm256_add_epi32(lstep2[41], lstep1[39]); 1315 lstep3[40] = _mm256_sub_epi32(lstep1[38], lstep2[40]); 1316 lstep3[41] = _mm256_sub_epi32(lstep1[39], lstep2[41]); 1317 lstep3[42] = _mm256_sub_epi32(lstep1[36], lstep2[42]); 1318 lstep3[43] = _mm256_sub_epi32(lstep1[37], lstep2[43]); 1319 lstep3[44] = _mm256_sub_epi32(lstep1[34], lstep2[44]); 1320 lstep3[45] = _mm256_sub_epi32(lstep1[35], lstep2[45]); 1321 lstep3[46] = _mm256_sub_epi32(lstep1[32], lstep2[46]); 1322 lstep3[47] = _mm256_sub_epi32(lstep1[33], lstep2[47]); 1323 lstep3[48] = _mm256_sub_epi32(lstep1[62], lstep2[48]); 1324 lstep3[49] = _mm256_sub_epi32(lstep1[63], lstep2[49]); 1325 lstep3[50] = _mm256_sub_epi32(lstep1[60], lstep2[50]); 1326 lstep3[51] = _mm256_sub_epi32(lstep1[61], lstep2[51]); 1327 lstep3[52] = _mm256_sub_epi32(lstep1[58], lstep2[52]); 1328 lstep3[53] = _mm256_sub_epi32(lstep1[59], lstep2[53]); 1329 lstep3[54] = _mm256_sub_epi32(lstep1[56], lstep2[54]); 1330 lstep3[55] = _mm256_sub_epi32(lstep1[57], lstep2[55]); 1331 lstep3[56] = _mm256_add_epi32(lstep2[54], lstep1[56]); 1332 lstep3[57] = _mm256_add_epi32(lstep2[55], lstep1[57]); 1333 lstep3[58] = _mm256_add_epi32(lstep2[52], lstep1[58]); 1334 lstep3[59] = _mm256_add_epi32(lstep2[53], lstep1[59]); 1335 lstep3[60] = _mm256_add_epi32(lstep2[50], lstep1[60]); 1336 lstep3[61] = _mm256_add_epi32(lstep2[51], lstep1[61]); 1337 lstep3[62] = _mm256_add_epi32(lstep2[48], lstep1[62]); 1338 lstep3[63] = _mm256_add_epi32(lstep2[49], lstep1[63]); 1339 } 1340 1341 // stage 4 1342 { 1343 // expanding to 32-bit length priori to addition operations 1344 lstep2[16] = _mm256_unpacklo_epi16(step2[ 8], kZero); 1345 lstep2[17] = _mm256_unpackhi_epi16(step2[ 8], kZero); 1346 lstep2[18] = _mm256_unpacklo_epi16(step2[ 9], kZero); 1347 lstep2[19] = _mm256_unpackhi_epi16(step2[ 9], kZero); 1348 lstep2[28] = _mm256_unpacklo_epi16(step2[14], kZero); 1349 lstep2[29] = _mm256_unpackhi_epi16(step2[14], kZero); 1350 lstep2[30] = _mm256_unpacklo_epi16(step2[15], kZero); 1351 lstep2[31] = _mm256_unpackhi_epi16(step2[15], kZero); 1352 lstep2[16] = _mm256_madd_epi16(lstep2[16], kOne); 1353 lstep2[17] = _mm256_madd_epi16(lstep2[17], kOne); 1354 lstep2[18] = _mm256_madd_epi16(lstep2[18], kOne); 1355 lstep2[19] = _mm256_madd_epi16(lstep2[19], kOne); 1356 lstep2[28] = _mm256_madd_epi16(lstep2[28], kOne); 1357 lstep2[29] = _mm256_madd_epi16(lstep2[29], kOne); 1358 lstep2[30] = _mm256_madd_epi16(lstep2[30], kOne); 1359 lstep2[31] = _mm256_madd_epi16(lstep2[31], kOne); 1360 1361 lstep1[ 0] = _mm256_add_epi32(lstep3[ 6], lstep3[ 0]); 1362 lstep1[ 1] = _mm256_add_epi32(lstep3[ 7], lstep3[ 1]); 1363 lstep1[ 2] = _mm256_add_epi32(lstep3[ 4], lstep3[ 2]); 1364 lstep1[ 3] = _mm256_add_epi32(lstep3[ 5], lstep3[ 3]); 1365 lstep1[ 4] = _mm256_sub_epi32(lstep3[ 2], lstep3[ 4]); 1366 lstep1[ 5] = _mm256_sub_epi32(lstep3[ 3], lstep3[ 5]); 1367 lstep1[ 6] = _mm256_sub_epi32(lstep3[ 0], lstep3[ 6]); 1368 lstep1[ 7] = _mm256_sub_epi32(lstep3[ 1], lstep3[ 7]); 1369 lstep1[16] = _mm256_add_epi32(lstep3[22], lstep2[16]); 1370 lstep1[17] = _mm256_add_epi32(lstep3[23], lstep2[17]); 1371 lstep1[18] = _mm256_add_epi32(lstep3[20], lstep2[18]); 1372 lstep1[19] = _mm256_add_epi32(lstep3[21], lstep2[19]); 1373 lstep1[20] = _mm256_sub_epi32(lstep2[18], lstep3[20]); 1374 lstep1[21] = _mm256_sub_epi32(lstep2[19], lstep3[21]); 1375 lstep1[22] = _mm256_sub_epi32(lstep2[16], lstep3[22]); 1376 lstep1[23] = _mm256_sub_epi32(lstep2[17], lstep3[23]); 1377 lstep1[24] = _mm256_sub_epi32(lstep2[30], lstep3[24]); 1378 lstep1[25] = _mm256_sub_epi32(lstep2[31], lstep3[25]); 1379 lstep1[26] = _mm256_sub_epi32(lstep2[28], lstep3[26]); 1380 lstep1[27] = _mm256_sub_epi32(lstep2[29], lstep3[27]); 1381 lstep1[28] = _mm256_add_epi32(lstep3[26], lstep2[28]); 1382 lstep1[29] = _mm256_add_epi32(lstep3[27], lstep2[29]); 1383 lstep1[30] = _mm256_add_epi32(lstep3[24], lstep2[30]); 1384 lstep1[31] = _mm256_add_epi32(lstep3[25], lstep2[31]); 1385 } 1386 { 1387 // to be continued... 1388 // 1389 const __m256i k32_p16_p16 = pair256_set_epi32(cospi_16_64, cospi_16_64); 1390 const __m256i k32_p16_m16 = pair256_set_epi32(cospi_16_64, -cospi_16_64); 1391 1392 u[0] = _mm256_unpacklo_epi32(lstep3[12], lstep3[10]); 1393 u[1] = _mm256_unpackhi_epi32(lstep3[12], lstep3[10]); 1394 u[2] = _mm256_unpacklo_epi32(lstep3[13], lstep3[11]); 1395 u[3] = _mm256_unpackhi_epi32(lstep3[13], lstep3[11]); 1396 1397 // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide 1398 // instruction latency. 1399 v[ 0] = k_madd_epi32_avx2(u[0], k32_p16_m16); 1400 v[ 1] = k_madd_epi32_avx2(u[1], k32_p16_m16); 1401 v[ 2] = k_madd_epi32_avx2(u[2], k32_p16_m16); 1402 v[ 3] = k_madd_epi32_avx2(u[3], k32_p16_m16); 1403 v[ 4] = k_madd_epi32_avx2(u[0], k32_p16_p16); 1404 v[ 5] = k_madd_epi32_avx2(u[1], k32_p16_p16); 1405 v[ 6] = k_madd_epi32_avx2(u[2], k32_p16_p16); 1406 v[ 7] = k_madd_epi32_avx2(u[3], k32_p16_p16); 1407 1408 u[0] = k_packs_epi64_avx2(v[0], v[1]); 1409 u[1] = k_packs_epi64_avx2(v[2], v[3]); 1410 u[2] = k_packs_epi64_avx2(v[4], v[5]); 1411 u[3] = k_packs_epi64_avx2(v[6], v[7]); 1412 1413 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); 1414 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); 1415 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); 1416 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); 1417 1418 lstep1[10] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); 1419 lstep1[11] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); 1420 lstep1[12] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); 1421 lstep1[13] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); 1422 } 1423 { 1424 const __m256i k32_m08_p24 = pair256_set_epi32(-cospi_8_64, cospi_24_64); 1425 const __m256i k32_m24_m08 = pair256_set_epi32(-cospi_24_64, -cospi_8_64); 1426 const __m256i k32_p24_p08 = pair256_set_epi32(cospi_24_64, cospi_8_64); 1427 1428 u[ 0] = _mm256_unpacklo_epi32(lstep3[36], lstep3[58]); 1429 u[ 1] = _mm256_unpackhi_epi32(lstep3[36], lstep3[58]); 1430 u[ 2] = _mm256_unpacklo_epi32(lstep3[37], lstep3[59]); 1431 u[ 3] = _mm256_unpackhi_epi32(lstep3[37], lstep3[59]); 1432 u[ 4] = _mm256_unpacklo_epi32(lstep3[38], lstep3[56]); 1433 u[ 5] = _mm256_unpackhi_epi32(lstep3[38], lstep3[56]); 1434 u[ 6] = _mm256_unpacklo_epi32(lstep3[39], lstep3[57]); 1435 u[ 7] = _mm256_unpackhi_epi32(lstep3[39], lstep3[57]); 1436 u[ 8] = _mm256_unpacklo_epi32(lstep3[40], lstep3[54]); 1437 u[ 9] = _mm256_unpackhi_epi32(lstep3[40], lstep3[54]); 1438 u[10] = _mm256_unpacklo_epi32(lstep3[41], lstep3[55]); 1439 u[11] = _mm256_unpackhi_epi32(lstep3[41], lstep3[55]); 1440 u[12] = _mm256_unpacklo_epi32(lstep3[42], lstep3[52]); 1441 u[13] = _mm256_unpackhi_epi32(lstep3[42], lstep3[52]); 1442 u[14] = _mm256_unpacklo_epi32(lstep3[43], lstep3[53]); 1443 u[15] = _mm256_unpackhi_epi32(lstep3[43], lstep3[53]); 1444 1445 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_m08_p24); 1446 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_m08_p24); 1447 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_m08_p24); 1448 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_m08_p24); 1449 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_m08_p24); 1450 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_m08_p24); 1451 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_m08_p24); 1452 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_m08_p24); 1453 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_m24_m08); 1454 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_m24_m08); 1455 v[10] = k_madd_epi32_avx2(u[10], k32_m24_m08); 1456 v[11] = k_madd_epi32_avx2(u[11], k32_m24_m08); 1457 v[12] = k_madd_epi32_avx2(u[12], k32_m24_m08); 1458 v[13] = k_madd_epi32_avx2(u[13], k32_m24_m08); 1459 v[14] = k_madd_epi32_avx2(u[14], k32_m24_m08); 1460 v[15] = k_madd_epi32_avx2(u[15], k32_m24_m08); 1461 v[16] = k_madd_epi32_avx2(u[12], k32_m08_p24); 1462 v[17] = k_madd_epi32_avx2(u[13], k32_m08_p24); 1463 v[18] = k_madd_epi32_avx2(u[14], k32_m08_p24); 1464 v[19] = k_madd_epi32_avx2(u[15], k32_m08_p24); 1465 v[20] = k_madd_epi32_avx2(u[ 8], k32_m08_p24); 1466 v[21] = k_madd_epi32_avx2(u[ 9], k32_m08_p24); 1467 v[22] = k_madd_epi32_avx2(u[10], k32_m08_p24); 1468 v[23] = k_madd_epi32_avx2(u[11], k32_m08_p24); 1469 v[24] = k_madd_epi32_avx2(u[ 4], k32_p24_p08); 1470 v[25] = k_madd_epi32_avx2(u[ 5], k32_p24_p08); 1471 v[26] = k_madd_epi32_avx2(u[ 6], k32_p24_p08); 1472 v[27] = k_madd_epi32_avx2(u[ 7], k32_p24_p08); 1473 v[28] = k_madd_epi32_avx2(u[ 0], k32_p24_p08); 1474 v[29] = k_madd_epi32_avx2(u[ 1], k32_p24_p08); 1475 v[30] = k_madd_epi32_avx2(u[ 2], k32_p24_p08); 1476 v[31] = k_madd_epi32_avx2(u[ 3], k32_p24_p08); 1477 1478 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]); 1479 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]); 1480 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]); 1481 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]); 1482 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]); 1483 u[ 5] = k_packs_epi64_avx2(v[10], v[11]); 1484 u[ 6] = k_packs_epi64_avx2(v[12], v[13]); 1485 u[ 7] = k_packs_epi64_avx2(v[14], v[15]); 1486 u[ 8] = k_packs_epi64_avx2(v[16], v[17]); 1487 u[ 9] = k_packs_epi64_avx2(v[18], v[19]); 1488 u[10] = k_packs_epi64_avx2(v[20], v[21]); 1489 u[11] = k_packs_epi64_avx2(v[22], v[23]); 1490 u[12] = k_packs_epi64_avx2(v[24], v[25]); 1491 u[13] = k_packs_epi64_avx2(v[26], v[27]); 1492 u[14] = k_packs_epi64_avx2(v[28], v[29]); 1493 u[15] = k_packs_epi64_avx2(v[30], v[31]); 1494 1495 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING); 1496 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING); 1497 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING); 1498 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING); 1499 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING); 1500 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING); 1501 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING); 1502 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING); 1503 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING); 1504 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING); 1505 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); 1506 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); 1507 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); 1508 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); 1509 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); 1510 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); 1511 1512 lstep1[36] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS); 1513 lstep1[37] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS); 1514 lstep1[38] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS); 1515 lstep1[39] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS); 1516 lstep1[40] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS); 1517 lstep1[41] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS); 1518 lstep1[42] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS); 1519 lstep1[43] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS); 1520 lstep1[52] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS); 1521 lstep1[53] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS); 1522 lstep1[54] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); 1523 lstep1[55] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); 1524 lstep1[56] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); 1525 lstep1[57] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); 1526 lstep1[58] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); 1527 lstep1[59] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); 1528 } 1529 // stage 5 1530 { 1531 lstep2[ 8] = _mm256_add_epi32(lstep1[10], lstep3[ 8]); 1532 lstep2[ 9] = _mm256_add_epi32(lstep1[11], lstep3[ 9]); 1533 lstep2[10] = _mm256_sub_epi32(lstep3[ 8], lstep1[10]); 1534 lstep2[11] = _mm256_sub_epi32(lstep3[ 9], lstep1[11]); 1535 lstep2[12] = _mm256_sub_epi32(lstep3[14], lstep1[12]); 1536 lstep2[13] = _mm256_sub_epi32(lstep3[15], lstep1[13]); 1537 lstep2[14] = _mm256_add_epi32(lstep1[12], lstep3[14]); 1538 lstep2[15] = _mm256_add_epi32(lstep1[13], lstep3[15]); 1539 } 1540 { 1541 const __m256i k32_p16_p16 = pair256_set_epi32(cospi_16_64, cospi_16_64); 1542 const __m256i k32_p16_m16 = pair256_set_epi32(cospi_16_64, -cospi_16_64); 1543 const __m256i k32_p24_p08 = pair256_set_epi32(cospi_24_64, cospi_8_64); 1544 const __m256i k32_m08_p24 = pair256_set_epi32(-cospi_8_64, cospi_24_64); 1545 1546 u[0] = _mm256_unpacklo_epi32(lstep1[0], lstep1[2]); 1547 u[1] = _mm256_unpackhi_epi32(lstep1[0], lstep1[2]); 1548 u[2] = _mm256_unpacklo_epi32(lstep1[1], lstep1[3]); 1549 u[3] = _mm256_unpackhi_epi32(lstep1[1], lstep1[3]); 1550 u[4] = _mm256_unpacklo_epi32(lstep1[4], lstep1[6]); 1551 u[5] = _mm256_unpackhi_epi32(lstep1[4], lstep1[6]); 1552 u[6] = _mm256_unpacklo_epi32(lstep1[5], lstep1[7]); 1553 u[7] = _mm256_unpackhi_epi32(lstep1[5], lstep1[7]); 1554 1555 // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide 1556 // instruction latency. 1557 v[ 0] = k_madd_epi32_avx2(u[0], k32_p16_p16); 1558 v[ 1] = k_madd_epi32_avx2(u[1], k32_p16_p16); 1559 v[ 2] = k_madd_epi32_avx2(u[2], k32_p16_p16); 1560 v[ 3] = k_madd_epi32_avx2(u[3], k32_p16_p16); 1561 v[ 4] = k_madd_epi32_avx2(u[0], k32_p16_m16); 1562 v[ 5] = k_madd_epi32_avx2(u[1], k32_p16_m16); 1563 v[ 6] = k_madd_epi32_avx2(u[2], k32_p16_m16); 1564 v[ 7] = k_madd_epi32_avx2(u[3], k32_p16_m16); 1565 v[ 8] = k_madd_epi32_avx2(u[4], k32_p24_p08); 1566 v[ 9] = k_madd_epi32_avx2(u[5], k32_p24_p08); 1567 v[10] = k_madd_epi32_avx2(u[6], k32_p24_p08); 1568 v[11] = k_madd_epi32_avx2(u[7], k32_p24_p08); 1569 v[12] = k_madd_epi32_avx2(u[4], k32_m08_p24); 1570 v[13] = k_madd_epi32_avx2(u[5], k32_m08_p24); 1571 v[14] = k_madd_epi32_avx2(u[6], k32_m08_p24); 1572 v[15] = k_madd_epi32_avx2(u[7], k32_m08_p24); 1573 1574 u[0] = k_packs_epi64_avx2(v[0], v[1]); 1575 u[1] = k_packs_epi64_avx2(v[2], v[3]); 1576 u[2] = k_packs_epi64_avx2(v[4], v[5]); 1577 u[3] = k_packs_epi64_avx2(v[6], v[7]); 1578 u[4] = k_packs_epi64_avx2(v[8], v[9]); 1579 u[5] = k_packs_epi64_avx2(v[10], v[11]); 1580 u[6] = k_packs_epi64_avx2(v[12], v[13]); 1581 u[7] = k_packs_epi64_avx2(v[14], v[15]); 1582 1583 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); 1584 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); 1585 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); 1586 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); 1587 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); 1588 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); 1589 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); 1590 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); 1591 1592 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); 1593 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); 1594 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); 1595 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); 1596 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS); 1597 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS); 1598 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS); 1599 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS); 1600 1601 sign[0] = _mm256_cmpgt_epi32(kZero,u[0]); 1602 sign[1] = _mm256_cmpgt_epi32(kZero,u[1]); 1603 sign[2] = _mm256_cmpgt_epi32(kZero,u[2]); 1604 sign[3] = _mm256_cmpgt_epi32(kZero,u[3]); 1605 sign[4] = _mm256_cmpgt_epi32(kZero,u[4]); 1606 sign[5] = _mm256_cmpgt_epi32(kZero,u[5]); 1607 sign[6] = _mm256_cmpgt_epi32(kZero,u[6]); 1608 sign[7] = _mm256_cmpgt_epi32(kZero,u[7]); 1609 1610 u[0] = _mm256_sub_epi32(u[0], sign[0]); 1611 u[1] = _mm256_sub_epi32(u[1], sign[1]); 1612 u[2] = _mm256_sub_epi32(u[2], sign[2]); 1613 u[3] = _mm256_sub_epi32(u[3], sign[3]); 1614 u[4] = _mm256_sub_epi32(u[4], sign[4]); 1615 u[5] = _mm256_sub_epi32(u[5], sign[5]); 1616 u[6] = _mm256_sub_epi32(u[6], sign[6]); 1617 u[7] = _mm256_sub_epi32(u[7], sign[7]); 1618 1619 u[0] = _mm256_add_epi32(u[0], K32One); 1620 u[1] = _mm256_add_epi32(u[1], K32One); 1621 u[2] = _mm256_add_epi32(u[2], K32One); 1622 u[3] = _mm256_add_epi32(u[3], K32One); 1623 u[4] = _mm256_add_epi32(u[4], K32One); 1624 u[5] = _mm256_add_epi32(u[5], K32One); 1625 u[6] = _mm256_add_epi32(u[6], K32One); 1626 u[7] = _mm256_add_epi32(u[7], K32One); 1627 1628 u[0] = _mm256_srai_epi32(u[0], 2); 1629 u[1] = _mm256_srai_epi32(u[1], 2); 1630 u[2] = _mm256_srai_epi32(u[2], 2); 1631 u[3] = _mm256_srai_epi32(u[3], 2); 1632 u[4] = _mm256_srai_epi32(u[4], 2); 1633 u[5] = _mm256_srai_epi32(u[5], 2); 1634 u[6] = _mm256_srai_epi32(u[6], 2); 1635 u[7] = _mm256_srai_epi32(u[7], 2); 1636 1637 // Combine 1638 out[ 0] = _mm256_packs_epi32(u[0], u[1]); 1639 out[16] = _mm256_packs_epi32(u[2], u[3]); 1640 out[ 8] = _mm256_packs_epi32(u[4], u[5]); 1641 out[24] = _mm256_packs_epi32(u[6], u[7]); 1642 } 1643 { 1644 const __m256i k32_m08_p24 = pair256_set_epi32(-cospi_8_64, cospi_24_64); 1645 const __m256i k32_m24_m08 = pair256_set_epi32(-cospi_24_64, -cospi_8_64); 1646 const __m256i k32_p24_p08 = pair256_set_epi32(cospi_24_64, cospi_8_64); 1647 1648 u[0] = _mm256_unpacklo_epi32(lstep1[18], lstep1[28]); 1649 u[1] = _mm256_unpackhi_epi32(lstep1[18], lstep1[28]); 1650 u[2] = _mm256_unpacklo_epi32(lstep1[19], lstep1[29]); 1651 u[3] = _mm256_unpackhi_epi32(lstep1[19], lstep1[29]); 1652 u[4] = _mm256_unpacklo_epi32(lstep1[20], lstep1[26]); 1653 u[5] = _mm256_unpackhi_epi32(lstep1[20], lstep1[26]); 1654 u[6] = _mm256_unpacklo_epi32(lstep1[21], lstep1[27]); 1655 u[7] = _mm256_unpackhi_epi32(lstep1[21], lstep1[27]); 1656 1657 v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24); 1658 v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24); 1659 v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24); 1660 v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24); 1661 v[4] = k_madd_epi32_avx2(u[4], k32_m24_m08); 1662 v[5] = k_madd_epi32_avx2(u[5], k32_m24_m08); 1663 v[6] = k_madd_epi32_avx2(u[6], k32_m24_m08); 1664 v[7] = k_madd_epi32_avx2(u[7], k32_m24_m08); 1665 v[ 8] = k_madd_epi32_avx2(u[4], k32_m08_p24); 1666 v[ 9] = k_madd_epi32_avx2(u[5], k32_m08_p24); 1667 v[10] = k_madd_epi32_avx2(u[6], k32_m08_p24); 1668 v[11] = k_madd_epi32_avx2(u[7], k32_m08_p24); 1669 v[12] = k_madd_epi32_avx2(u[0], k32_p24_p08); 1670 v[13] = k_madd_epi32_avx2(u[1], k32_p24_p08); 1671 v[14] = k_madd_epi32_avx2(u[2], k32_p24_p08); 1672 v[15] = k_madd_epi32_avx2(u[3], k32_p24_p08); 1673 1674 u[0] = k_packs_epi64_avx2(v[0], v[1]); 1675 u[1] = k_packs_epi64_avx2(v[2], v[3]); 1676 u[2] = k_packs_epi64_avx2(v[4], v[5]); 1677 u[3] = k_packs_epi64_avx2(v[6], v[7]); 1678 u[4] = k_packs_epi64_avx2(v[8], v[9]); 1679 u[5] = k_packs_epi64_avx2(v[10], v[11]); 1680 u[6] = k_packs_epi64_avx2(v[12], v[13]); 1681 u[7] = k_packs_epi64_avx2(v[14], v[15]); 1682 1683 u[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); 1684 u[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); 1685 u[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); 1686 u[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); 1687 u[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); 1688 u[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); 1689 u[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); 1690 u[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); 1691 1692 lstep2[18] = _mm256_srai_epi32(u[0], DCT_CONST_BITS); 1693 lstep2[19] = _mm256_srai_epi32(u[1], DCT_CONST_BITS); 1694 lstep2[20] = _mm256_srai_epi32(u[2], DCT_CONST_BITS); 1695 lstep2[21] = _mm256_srai_epi32(u[3], DCT_CONST_BITS); 1696 lstep2[26] = _mm256_srai_epi32(u[4], DCT_CONST_BITS); 1697 lstep2[27] = _mm256_srai_epi32(u[5], DCT_CONST_BITS); 1698 lstep2[28] = _mm256_srai_epi32(u[6], DCT_CONST_BITS); 1699 lstep2[29] = _mm256_srai_epi32(u[7], DCT_CONST_BITS); 1700 } 1701 { 1702 lstep2[32] = _mm256_add_epi32(lstep1[38], lstep3[32]); 1703 lstep2[33] = _mm256_add_epi32(lstep1[39], lstep3[33]); 1704 lstep2[34] = _mm256_add_epi32(lstep1[36], lstep3[34]); 1705 lstep2[35] = _mm256_add_epi32(lstep1[37], lstep3[35]); 1706 lstep2[36] = _mm256_sub_epi32(lstep3[34], lstep1[36]); 1707 lstep2[37] = _mm256_sub_epi32(lstep3[35], lstep1[37]); 1708 lstep2[38] = _mm256_sub_epi32(lstep3[32], lstep1[38]); 1709 lstep2[39] = _mm256_sub_epi32(lstep3[33], lstep1[39]); 1710 lstep2[40] = _mm256_sub_epi32(lstep3[46], lstep1[40]); 1711 lstep2[41] = _mm256_sub_epi32(lstep3[47], lstep1[41]); 1712 lstep2[42] = _mm256_sub_epi32(lstep3[44], lstep1[42]); 1713 lstep2[43] = _mm256_sub_epi32(lstep3[45], lstep1[43]); 1714 lstep2[44] = _mm256_add_epi32(lstep1[42], lstep3[44]); 1715 lstep2[45] = _mm256_add_epi32(lstep1[43], lstep3[45]); 1716 lstep2[46] = _mm256_add_epi32(lstep1[40], lstep3[46]); 1717 lstep2[47] = _mm256_add_epi32(lstep1[41], lstep3[47]); 1718 lstep2[48] = _mm256_add_epi32(lstep1[54], lstep3[48]); 1719 lstep2[49] = _mm256_add_epi32(lstep1[55], lstep3[49]); 1720 lstep2[50] = _mm256_add_epi32(lstep1[52], lstep3[50]); 1721 lstep2[51] = _mm256_add_epi32(lstep1[53], lstep3[51]); 1722 lstep2[52] = _mm256_sub_epi32(lstep3[50], lstep1[52]); 1723 lstep2[53] = _mm256_sub_epi32(lstep3[51], lstep1[53]); 1724 lstep2[54] = _mm256_sub_epi32(lstep3[48], lstep1[54]); 1725 lstep2[55] = _mm256_sub_epi32(lstep3[49], lstep1[55]); 1726 lstep2[56] = _mm256_sub_epi32(lstep3[62], lstep1[56]); 1727 lstep2[57] = _mm256_sub_epi32(lstep3[63], lstep1[57]); 1728 lstep2[58] = _mm256_sub_epi32(lstep3[60], lstep1[58]); 1729 lstep2[59] = _mm256_sub_epi32(lstep3[61], lstep1[59]); 1730 lstep2[60] = _mm256_add_epi32(lstep1[58], lstep3[60]); 1731 lstep2[61] = _mm256_add_epi32(lstep1[59], lstep3[61]); 1732 lstep2[62] = _mm256_add_epi32(lstep1[56], lstep3[62]); 1733 lstep2[63] = _mm256_add_epi32(lstep1[57], lstep3[63]); 1734 } 1735 // stage 6 1736 { 1737 const __m256i k32_p28_p04 = pair256_set_epi32(cospi_28_64, cospi_4_64); 1738 const __m256i k32_p12_p20 = pair256_set_epi32(cospi_12_64, cospi_20_64); 1739 const __m256i k32_m20_p12 = pair256_set_epi32(-cospi_20_64, cospi_12_64); 1740 const __m256i k32_m04_p28 = pair256_set_epi32(-cospi_4_64, cospi_28_64); 1741 1742 u[0] = _mm256_unpacklo_epi32(lstep2[ 8], lstep2[14]); 1743 u[1] = _mm256_unpackhi_epi32(lstep2[ 8], lstep2[14]); 1744 u[2] = _mm256_unpacklo_epi32(lstep2[ 9], lstep2[15]); 1745 u[3] = _mm256_unpackhi_epi32(lstep2[ 9], lstep2[15]); 1746 u[4] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]); 1747 u[5] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]); 1748 u[6] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]); 1749 u[7] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]); 1750 u[8] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]); 1751 u[9] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]); 1752 u[10] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]); 1753 u[11] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]); 1754 u[12] = _mm256_unpacklo_epi32(lstep2[ 8], lstep2[14]); 1755 u[13] = _mm256_unpackhi_epi32(lstep2[ 8], lstep2[14]); 1756 u[14] = _mm256_unpacklo_epi32(lstep2[ 9], lstep2[15]); 1757 u[15] = _mm256_unpackhi_epi32(lstep2[ 9], lstep2[15]); 1758 1759 v[0] = k_madd_epi32_avx2(u[0], k32_p28_p04); 1760 v[1] = k_madd_epi32_avx2(u[1], k32_p28_p04); 1761 v[2] = k_madd_epi32_avx2(u[2], k32_p28_p04); 1762 v[3] = k_madd_epi32_avx2(u[3], k32_p28_p04); 1763 v[4] = k_madd_epi32_avx2(u[4], k32_p12_p20); 1764 v[5] = k_madd_epi32_avx2(u[5], k32_p12_p20); 1765 v[6] = k_madd_epi32_avx2(u[6], k32_p12_p20); 1766 v[7] = k_madd_epi32_avx2(u[7], k32_p12_p20); 1767 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_m20_p12); 1768 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_m20_p12); 1769 v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12); 1770 v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12); 1771 v[12] = k_madd_epi32_avx2(u[12], k32_m04_p28); 1772 v[13] = k_madd_epi32_avx2(u[13], k32_m04_p28); 1773 v[14] = k_madd_epi32_avx2(u[14], k32_m04_p28); 1774 v[15] = k_madd_epi32_avx2(u[15], k32_m04_p28); 1775 1776 u[0] = k_packs_epi64_avx2(v[0], v[1]); 1777 u[1] = k_packs_epi64_avx2(v[2], v[3]); 1778 u[2] = k_packs_epi64_avx2(v[4], v[5]); 1779 u[3] = k_packs_epi64_avx2(v[6], v[7]); 1780 u[4] = k_packs_epi64_avx2(v[8], v[9]); 1781 u[5] = k_packs_epi64_avx2(v[10], v[11]); 1782 u[6] = k_packs_epi64_avx2(v[12], v[13]); 1783 u[7] = k_packs_epi64_avx2(v[14], v[15]); 1784 1785 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING); 1786 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING); 1787 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING); 1788 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING); 1789 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING); 1790 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING); 1791 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING); 1792 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING); 1793 1794 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS); 1795 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS); 1796 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS); 1797 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS); 1798 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS); 1799 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS); 1800 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS); 1801 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS); 1802 1803 sign[0] = _mm256_cmpgt_epi32(kZero,u[0]); 1804 sign[1] = _mm256_cmpgt_epi32(kZero,u[1]); 1805 sign[2] = _mm256_cmpgt_epi32(kZero,u[2]); 1806 sign[3] = _mm256_cmpgt_epi32(kZero,u[3]); 1807 sign[4] = _mm256_cmpgt_epi32(kZero,u[4]); 1808 sign[5] = _mm256_cmpgt_epi32(kZero,u[5]); 1809 sign[6] = _mm256_cmpgt_epi32(kZero,u[6]); 1810 sign[7] = _mm256_cmpgt_epi32(kZero,u[7]); 1811 1812 u[0] = _mm256_sub_epi32(u[0], sign[0]); 1813 u[1] = _mm256_sub_epi32(u[1], sign[1]); 1814 u[2] = _mm256_sub_epi32(u[2], sign[2]); 1815 u[3] = _mm256_sub_epi32(u[3], sign[3]); 1816 u[4] = _mm256_sub_epi32(u[4], sign[4]); 1817 u[5] = _mm256_sub_epi32(u[5], sign[5]); 1818 u[6] = _mm256_sub_epi32(u[6], sign[6]); 1819 u[7] = _mm256_sub_epi32(u[7], sign[7]); 1820 1821 u[0] = _mm256_add_epi32(u[0], K32One); 1822 u[1] = _mm256_add_epi32(u[1], K32One); 1823 u[2] = _mm256_add_epi32(u[2], K32One); 1824 u[3] = _mm256_add_epi32(u[3], K32One); 1825 u[4] = _mm256_add_epi32(u[4], K32One); 1826 u[5] = _mm256_add_epi32(u[5], K32One); 1827 u[6] = _mm256_add_epi32(u[6], K32One); 1828 u[7] = _mm256_add_epi32(u[7], K32One); 1829 1830 u[0] = _mm256_srai_epi32(u[0], 2); 1831 u[1] = _mm256_srai_epi32(u[1], 2); 1832 u[2] = _mm256_srai_epi32(u[2], 2); 1833 u[3] = _mm256_srai_epi32(u[3], 2); 1834 u[4] = _mm256_srai_epi32(u[4], 2); 1835 u[5] = _mm256_srai_epi32(u[5], 2); 1836 u[6] = _mm256_srai_epi32(u[6], 2); 1837 u[7] = _mm256_srai_epi32(u[7], 2); 1838 1839 out[ 4] = _mm256_packs_epi32(u[0], u[1]); 1840 out[20] = _mm256_packs_epi32(u[2], u[3]); 1841 out[12] = _mm256_packs_epi32(u[4], u[5]); 1842 out[28] = _mm256_packs_epi32(u[6], u[7]); 1843 } 1844 { 1845 lstep3[16] = _mm256_add_epi32(lstep2[18], lstep1[16]); 1846 lstep3[17] = _mm256_add_epi32(lstep2[19], lstep1[17]); 1847 lstep3[18] = _mm256_sub_epi32(lstep1[16], lstep2[18]); 1848 lstep3[19] = _mm256_sub_epi32(lstep1[17], lstep2[19]); 1849 lstep3[20] = _mm256_sub_epi32(lstep1[22], lstep2[20]); 1850 lstep3[21] = _mm256_sub_epi32(lstep1[23], lstep2[21]); 1851 lstep3[22] = _mm256_add_epi32(lstep2[20], lstep1[22]); 1852 lstep3[23] = _mm256_add_epi32(lstep2[21], lstep1[23]); 1853 lstep3[24] = _mm256_add_epi32(lstep2[26], lstep1[24]); 1854 lstep3[25] = _mm256_add_epi32(lstep2[27], lstep1[25]); 1855 lstep3[26] = _mm256_sub_epi32(lstep1[24], lstep2[26]); 1856 lstep3[27] = _mm256_sub_epi32(lstep1[25], lstep2[27]); 1857 lstep3[28] = _mm256_sub_epi32(lstep1[30], lstep2[28]); 1858 lstep3[29] = _mm256_sub_epi32(lstep1[31], lstep2[29]); 1859 lstep3[30] = _mm256_add_epi32(lstep2[28], lstep1[30]); 1860 lstep3[31] = _mm256_add_epi32(lstep2[29], lstep1[31]); 1861 } 1862 { 1863 const __m256i k32_m04_p28 = pair256_set_epi32(-cospi_4_64, cospi_28_64); 1864 const __m256i k32_m28_m04 = pair256_set_epi32(-cospi_28_64, -cospi_4_64); 1865 const __m256i k32_m20_p12 = pair256_set_epi32(-cospi_20_64, cospi_12_64); 1866 const __m256i k32_m12_m20 = pair256_set_epi32(-cospi_12_64, 1867 -cospi_20_64); 1868 const __m256i k32_p12_p20 = pair256_set_epi32(cospi_12_64, cospi_20_64); 1869 const __m256i k32_p28_p04 = pair256_set_epi32(cospi_28_64, cospi_4_64); 1870 1871 u[ 0] = _mm256_unpacklo_epi32(lstep2[34], lstep2[60]); 1872 u[ 1] = _mm256_unpackhi_epi32(lstep2[34], lstep2[60]); 1873 u[ 2] = _mm256_unpacklo_epi32(lstep2[35], lstep2[61]); 1874 u[ 3] = _mm256_unpackhi_epi32(lstep2[35], lstep2[61]); 1875 u[ 4] = _mm256_unpacklo_epi32(lstep2[36], lstep2[58]); 1876 u[ 5] = _mm256_unpackhi_epi32(lstep2[36], lstep2[58]); 1877 u[ 6] = _mm256_unpacklo_epi32(lstep2[37], lstep2[59]); 1878 u[ 7] = _mm256_unpackhi_epi32(lstep2[37], lstep2[59]); 1879 u[ 8] = _mm256_unpacklo_epi32(lstep2[42], lstep2[52]); 1880 u[ 9] = _mm256_unpackhi_epi32(lstep2[42], lstep2[52]); 1881 u[10] = _mm256_unpacklo_epi32(lstep2[43], lstep2[53]); 1882 u[11] = _mm256_unpackhi_epi32(lstep2[43], lstep2[53]); 1883 u[12] = _mm256_unpacklo_epi32(lstep2[44], lstep2[50]); 1884 u[13] = _mm256_unpackhi_epi32(lstep2[44], lstep2[50]); 1885 u[14] = _mm256_unpacklo_epi32(lstep2[45], lstep2[51]); 1886 u[15] = _mm256_unpackhi_epi32(lstep2[45], lstep2[51]); 1887 1888 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_m04_p28); 1889 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_m04_p28); 1890 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_m04_p28); 1891 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_m04_p28); 1892 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_m28_m04); 1893 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_m28_m04); 1894 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_m28_m04); 1895 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_m28_m04); 1896 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_m20_p12); 1897 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_m20_p12); 1898 v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12); 1899 v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12); 1900 v[12] = k_madd_epi32_avx2(u[12], k32_m12_m20); 1901 v[13] = k_madd_epi32_avx2(u[13], k32_m12_m20); 1902 v[14] = k_madd_epi32_avx2(u[14], k32_m12_m20); 1903 v[15] = k_madd_epi32_avx2(u[15], k32_m12_m20); 1904 v[16] = k_madd_epi32_avx2(u[12], k32_m20_p12); 1905 v[17] = k_madd_epi32_avx2(u[13], k32_m20_p12); 1906 v[18] = k_madd_epi32_avx2(u[14], k32_m20_p12); 1907 v[19] = k_madd_epi32_avx2(u[15], k32_m20_p12); 1908 v[20] = k_madd_epi32_avx2(u[ 8], k32_p12_p20); 1909 v[21] = k_madd_epi32_avx2(u[ 9], k32_p12_p20); 1910 v[22] = k_madd_epi32_avx2(u[10], k32_p12_p20); 1911 v[23] = k_madd_epi32_avx2(u[11], k32_p12_p20); 1912 v[24] = k_madd_epi32_avx2(u[ 4], k32_m04_p28); 1913 v[25] = k_madd_epi32_avx2(u[ 5], k32_m04_p28); 1914 v[26] = k_madd_epi32_avx2(u[ 6], k32_m04_p28); 1915 v[27] = k_madd_epi32_avx2(u[ 7], k32_m04_p28); 1916 v[28] = k_madd_epi32_avx2(u[ 0], k32_p28_p04); 1917 v[29] = k_madd_epi32_avx2(u[ 1], k32_p28_p04); 1918 v[30] = k_madd_epi32_avx2(u[ 2], k32_p28_p04); 1919 v[31] = k_madd_epi32_avx2(u[ 3], k32_p28_p04); 1920 1921 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]); 1922 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]); 1923 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]); 1924 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]); 1925 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]); 1926 u[ 5] = k_packs_epi64_avx2(v[10], v[11]); 1927 u[ 6] = k_packs_epi64_avx2(v[12], v[13]); 1928 u[ 7] = k_packs_epi64_avx2(v[14], v[15]); 1929 u[ 8] = k_packs_epi64_avx2(v[16], v[17]); 1930 u[ 9] = k_packs_epi64_avx2(v[18], v[19]); 1931 u[10] = k_packs_epi64_avx2(v[20], v[21]); 1932 u[11] = k_packs_epi64_avx2(v[22], v[23]); 1933 u[12] = k_packs_epi64_avx2(v[24], v[25]); 1934 u[13] = k_packs_epi64_avx2(v[26], v[27]); 1935 u[14] = k_packs_epi64_avx2(v[28], v[29]); 1936 u[15] = k_packs_epi64_avx2(v[30], v[31]); 1937 1938 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING); 1939 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING); 1940 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING); 1941 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING); 1942 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING); 1943 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING); 1944 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING); 1945 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING); 1946 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING); 1947 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING); 1948 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); 1949 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); 1950 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); 1951 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); 1952 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); 1953 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); 1954 1955 lstep3[34] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS); 1956 lstep3[35] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS); 1957 lstep3[36] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS); 1958 lstep3[37] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS); 1959 lstep3[42] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS); 1960 lstep3[43] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS); 1961 lstep3[44] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS); 1962 lstep3[45] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS); 1963 lstep3[50] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS); 1964 lstep3[51] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS); 1965 lstep3[52] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); 1966 lstep3[53] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); 1967 lstep3[58] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); 1968 lstep3[59] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); 1969 lstep3[60] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); 1970 lstep3[61] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); 1971 } 1972 // stage 7 1973 { 1974 const __m256i k32_p30_p02 = pair256_set_epi32(cospi_30_64, cospi_2_64); 1975 const __m256i k32_p14_p18 = pair256_set_epi32(cospi_14_64, cospi_18_64); 1976 const __m256i k32_p22_p10 = pair256_set_epi32(cospi_22_64, cospi_10_64); 1977 const __m256i k32_p06_p26 = pair256_set_epi32(cospi_6_64, cospi_26_64); 1978 const __m256i k32_m26_p06 = pair256_set_epi32(-cospi_26_64, cospi_6_64); 1979 const __m256i k32_m10_p22 = pair256_set_epi32(-cospi_10_64, cospi_22_64); 1980 const __m256i k32_m18_p14 = pair256_set_epi32(-cospi_18_64, cospi_14_64); 1981 const __m256i k32_m02_p30 = pair256_set_epi32(-cospi_2_64, cospi_30_64); 1982 1983 u[ 0] = _mm256_unpacklo_epi32(lstep3[16], lstep3[30]); 1984 u[ 1] = _mm256_unpackhi_epi32(lstep3[16], lstep3[30]); 1985 u[ 2] = _mm256_unpacklo_epi32(lstep3[17], lstep3[31]); 1986 u[ 3] = _mm256_unpackhi_epi32(lstep3[17], lstep3[31]); 1987 u[ 4] = _mm256_unpacklo_epi32(lstep3[18], lstep3[28]); 1988 u[ 5] = _mm256_unpackhi_epi32(lstep3[18], lstep3[28]); 1989 u[ 6] = _mm256_unpacklo_epi32(lstep3[19], lstep3[29]); 1990 u[ 7] = _mm256_unpackhi_epi32(lstep3[19], lstep3[29]); 1991 u[ 8] = _mm256_unpacklo_epi32(lstep3[20], lstep3[26]); 1992 u[ 9] = _mm256_unpackhi_epi32(lstep3[20], lstep3[26]); 1993 u[10] = _mm256_unpacklo_epi32(lstep3[21], lstep3[27]); 1994 u[11] = _mm256_unpackhi_epi32(lstep3[21], lstep3[27]); 1995 u[12] = _mm256_unpacklo_epi32(lstep3[22], lstep3[24]); 1996 u[13] = _mm256_unpackhi_epi32(lstep3[22], lstep3[24]); 1997 u[14] = _mm256_unpacklo_epi32(lstep3[23], lstep3[25]); 1998 u[15] = _mm256_unpackhi_epi32(lstep3[23], lstep3[25]); 1999 2000 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_p30_p02); 2001 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_p30_p02); 2002 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_p30_p02); 2003 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_p30_p02); 2004 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_p14_p18); 2005 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_p14_p18); 2006 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_p14_p18); 2007 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_p14_p18); 2008 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_p22_p10); 2009 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_p22_p10); 2010 v[10] = k_madd_epi32_avx2(u[10], k32_p22_p10); 2011 v[11] = k_madd_epi32_avx2(u[11], k32_p22_p10); 2012 v[12] = k_madd_epi32_avx2(u[12], k32_p06_p26); 2013 v[13] = k_madd_epi32_avx2(u[13], k32_p06_p26); 2014 v[14] = k_madd_epi32_avx2(u[14], k32_p06_p26); 2015 v[15] = k_madd_epi32_avx2(u[15], k32_p06_p26); 2016 v[16] = k_madd_epi32_avx2(u[12], k32_m26_p06); 2017 v[17] = k_madd_epi32_avx2(u[13], k32_m26_p06); 2018 v[18] = k_madd_epi32_avx2(u[14], k32_m26_p06); 2019 v[19] = k_madd_epi32_avx2(u[15], k32_m26_p06); 2020 v[20] = k_madd_epi32_avx2(u[ 8], k32_m10_p22); 2021 v[21] = k_madd_epi32_avx2(u[ 9], k32_m10_p22); 2022 v[22] = k_madd_epi32_avx2(u[10], k32_m10_p22); 2023 v[23] = k_madd_epi32_avx2(u[11], k32_m10_p22); 2024 v[24] = k_madd_epi32_avx2(u[ 4], k32_m18_p14); 2025 v[25] = k_madd_epi32_avx2(u[ 5], k32_m18_p14); 2026 v[26] = k_madd_epi32_avx2(u[ 6], k32_m18_p14); 2027 v[27] = k_madd_epi32_avx2(u[ 7], k32_m18_p14); 2028 v[28] = k_madd_epi32_avx2(u[ 0], k32_m02_p30); 2029 v[29] = k_madd_epi32_avx2(u[ 1], k32_m02_p30); 2030 v[30] = k_madd_epi32_avx2(u[ 2], k32_m02_p30); 2031 v[31] = k_madd_epi32_avx2(u[ 3], k32_m02_p30); 2032 2033 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]); 2034 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]); 2035 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]); 2036 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]); 2037 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]); 2038 u[ 5] = k_packs_epi64_avx2(v[10], v[11]); 2039 u[ 6] = k_packs_epi64_avx2(v[12], v[13]); 2040 u[ 7] = k_packs_epi64_avx2(v[14], v[15]); 2041 u[ 8] = k_packs_epi64_avx2(v[16], v[17]); 2042 u[ 9] = k_packs_epi64_avx2(v[18], v[19]); 2043 u[10] = k_packs_epi64_avx2(v[20], v[21]); 2044 u[11] = k_packs_epi64_avx2(v[22], v[23]); 2045 u[12] = k_packs_epi64_avx2(v[24], v[25]); 2046 u[13] = k_packs_epi64_avx2(v[26], v[27]); 2047 u[14] = k_packs_epi64_avx2(v[28], v[29]); 2048 u[15] = k_packs_epi64_avx2(v[30], v[31]); 2049 2050 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING); 2051 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING); 2052 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING); 2053 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING); 2054 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING); 2055 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING); 2056 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING); 2057 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING); 2058 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING); 2059 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING); 2060 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); 2061 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); 2062 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); 2063 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); 2064 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); 2065 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); 2066 2067 u[ 0] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS); 2068 u[ 1] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS); 2069 u[ 2] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS); 2070 u[ 3] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS); 2071 u[ 4] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS); 2072 u[ 5] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS); 2073 u[ 6] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS); 2074 u[ 7] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS); 2075 u[ 8] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS); 2076 u[ 9] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS); 2077 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); 2078 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); 2079 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); 2080 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); 2081 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); 2082 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); 2083 2084 v[ 0] = _mm256_cmpgt_epi32(kZero,u[ 0]); 2085 v[ 1] = _mm256_cmpgt_epi32(kZero,u[ 1]); 2086 v[ 2] = _mm256_cmpgt_epi32(kZero,u[ 2]); 2087 v[ 3] = _mm256_cmpgt_epi32(kZero,u[ 3]); 2088 v[ 4] = _mm256_cmpgt_epi32(kZero,u[ 4]); 2089 v[ 5] = _mm256_cmpgt_epi32(kZero,u[ 5]); 2090 v[ 6] = _mm256_cmpgt_epi32(kZero,u[ 6]); 2091 v[ 7] = _mm256_cmpgt_epi32(kZero,u[ 7]); 2092 v[ 8] = _mm256_cmpgt_epi32(kZero,u[ 8]); 2093 v[ 9] = _mm256_cmpgt_epi32(kZero,u[ 9]); 2094 v[10] = _mm256_cmpgt_epi32(kZero,u[10]); 2095 v[11] = _mm256_cmpgt_epi32(kZero,u[11]); 2096 v[12] = _mm256_cmpgt_epi32(kZero,u[12]); 2097 v[13] = _mm256_cmpgt_epi32(kZero,u[13]); 2098 v[14] = _mm256_cmpgt_epi32(kZero,u[14]); 2099 v[15] = _mm256_cmpgt_epi32(kZero,u[15]); 2100 2101 u[ 0] = _mm256_sub_epi32(u[ 0], v[ 0]); 2102 u[ 1] = _mm256_sub_epi32(u[ 1], v[ 1]); 2103 u[ 2] = _mm256_sub_epi32(u[ 2], v[ 2]); 2104 u[ 3] = _mm256_sub_epi32(u[ 3], v[ 3]); 2105 u[ 4] = _mm256_sub_epi32(u[ 4], v[ 4]); 2106 u[ 5] = _mm256_sub_epi32(u[ 5], v[ 5]); 2107 u[ 6] = _mm256_sub_epi32(u[ 6], v[ 6]); 2108 u[ 7] = _mm256_sub_epi32(u[ 7], v[ 7]); 2109 u[ 8] = _mm256_sub_epi32(u[ 8], v[ 8]); 2110 u[ 9] = _mm256_sub_epi32(u[ 9], v[ 9]); 2111 u[10] = _mm256_sub_epi32(u[10], v[10]); 2112 u[11] = _mm256_sub_epi32(u[11], v[11]); 2113 u[12] = _mm256_sub_epi32(u[12], v[12]); 2114 u[13] = _mm256_sub_epi32(u[13], v[13]); 2115 u[14] = _mm256_sub_epi32(u[14], v[14]); 2116 u[15] = _mm256_sub_epi32(u[15], v[15]); 2117 2118 v[ 0] = _mm256_add_epi32(u[ 0], K32One); 2119 v[ 1] = _mm256_add_epi32(u[ 1], K32One); 2120 v[ 2] = _mm256_add_epi32(u[ 2], K32One); 2121 v[ 3] = _mm256_add_epi32(u[ 3], K32One); 2122 v[ 4] = _mm256_add_epi32(u[ 4], K32One); 2123 v[ 5] = _mm256_add_epi32(u[ 5], K32One); 2124 v[ 6] = _mm256_add_epi32(u[ 6], K32One); 2125 v[ 7] = _mm256_add_epi32(u[ 7], K32One); 2126 v[ 8] = _mm256_add_epi32(u[ 8], K32One); 2127 v[ 9] = _mm256_add_epi32(u[ 9], K32One); 2128 v[10] = _mm256_add_epi32(u[10], K32One); 2129 v[11] = _mm256_add_epi32(u[11], K32One); 2130 v[12] = _mm256_add_epi32(u[12], K32One); 2131 v[13] = _mm256_add_epi32(u[13], K32One); 2132 v[14] = _mm256_add_epi32(u[14], K32One); 2133 v[15] = _mm256_add_epi32(u[15], K32One); 2134 2135 u[ 0] = _mm256_srai_epi32(v[ 0], 2); 2136 u[ 1] = _mm256_srai_epi32(v[ 1], 2); 2137 u[ 2] = _mm256_srai_epi32(v[ 2], 2); 2138 u[ 3] = _mm256_srai_epi32(v[ 3], 2); 2139 u[ 4] = _mm256_srai_epi32(v[ 4], 2); 2140 u[ 5] = _mm256_srai_epi32(v[ 5], 2); 2141 u[ 6] = _mm256_srai_epi32(v[ 6], 2); 2142 u[ 7] = _mm256_srai_epi32(v[ 7], 2); 2143 u[ 8] = _mm256_srai_epi32(v[ 8], 2); 2144 u[ 9] = _mm256_srai_epi32(v[ 9], 2); 2145 u[10] = _mm256_srai_epi32(v[10], 2); 2146 u[11] = _mm256_srai_epi32(v[11], 2); 2147 u[12] = _mm256_srai_epi32(v[12], 2); 2148 u[13] = _mm256_srai_epi32(v[13], 2); 2149 u[14] = _mm256_srai_epi32(v[14], 2); 2150 u[15] = _mm256_srai_epi32(v[15], 2); 2151 2152 out[ 2] = _mm256_packs_epi32(u[0], u[1]); 2153 out[18] = _mm256_packs_epi32(u[2], u[3]); 2154 out[10] = _mm256_packs_epi32(u[4], u[5]); 2155 out[26] = _mm256_packs_epi32(u[6], u[7]); 2156 out[ 6] = _mm256_packs_epi32(u[8], u[9]); 2157 out[22] = _mm256_packs_epi32(u[10], u[11]); 2158 out[14] = _mm256_packs_epi32(u[12], u[13]); 2159 out[30] = _mm256_packs_epi32(u[14], u[15]); 2160 } 2161 { 2162 lstep1[32] = _mm256_add_epi32(lstep3[34], lstep2[32]); 2163 lstep1[33] = _mm256_add_epi32(lstep3[35], lstep2[33]); 2164 lstep1[34] = _mm256_sub_epi32(lstep2[32], lstep3[34]); 2165 lstep1[35] = _mm256_sub_epi32(lstep2[33], lstep3[35]); 2166 lstep1[36] = _mm256_sub_epi32(lstep2[38], lstep3[36]); 2167 lstep1[37] = _mm256_sub_epi32(lstep2[39], lstep3[37]); 2168 lstep1[38] = _mm256_add_epi32(lstep3[36], lstep2[38]); 2169 lstep1[39] = _mm256_add_epi32(lstep3[37], lstep2[39]); 2170 lstep1[40] = _mm256_add_epi32(lstep3[42], lstep2[40]); 2171 lstep1[41] = _mm256_add_epi32(lstep3[43], lstep2[41]); 2172 lstep1[42] = _mm256_sub_epi32(lstep2[40], lstep3[42]); 2173 lstep1[43] = _mm256_sub_epi32(lstep2[41], lstep3[43]); 2174 lstep1[44] = _mm256_sub_epi32(lstep2[46], lstep3[44]); 2175 lstep1[45] = _mm256_sub_epi32(lstep2[47], lstep3[45]); 2176 lstep1[46] = _mm256_add_epi32(lstep3[44], lstep2[46]); 2177 lstep1[47] = _mm256_add_epi32(lstep3[45], lstep2[47]); 2178 lstep1[48] = _mm256_add_epi32(lstep3[50], lstep2[48]); 2179 lstep1[49] = _mm256_add_epi32(lstep3[51], lstep2[49]); 2180 lstep1[50] = _mm256_sub_epi32(lstep2[48], lstep3[50]); 2181 lstep1[51] = _mm256_sub_epi32(lstep2[49], lstep3[51]); 2182 lstep1[52] = _mm256_sub_epi32(lstep2[54], lstep3[52]); 2183 lstep1[53] = _mm256_sub_epi32(lstep2[55], lstep3[53]); 2184 lstep1[54] = _mm256_add_epi32(lstep3[52], lstep2[54]); 2185 lstep1[55] = _mm256_add_epi32(lstep3[53], lstep2[55]); 2186 lstep1[56] = _mm256_add_epi32(lstep3[58], lstep2[56]); 2187 lstep1[57] = _mm256_add_epi32(lstep3[59], lstep2[57]); 2188 lstep1[58] = _mm256_sub_epi32(lstep2[56], lstep3[58]); 2189 lstep1[59] = _mm256_sub_epi32(lstep2[57], lstep3[59]); 2190 lstep1[60] = _mm256_sub_epi32(lstep2[62], lstep3[60]); 2191 lstep1[61] = _mm256_sub_epi32(lstep2[63], lstep3[61]); 2192 lstep1[62] = _mm256_add_epi32(lstep3[60], lstep2[62]); 2193 lstep1[63] = _mm256_add_epi32(lstep3[61], lstep2[63]); 2194 } 2195 // stage 8 2196 { 2197 const __m256i k32_p31_p01 = pair256_set_epi32(cospi_31_64, cospi_1_64); 2198 const __m256i k32_p15_p17 = pair256_set_epi32(cospi_15_64, cospi_17_64); 2199 const __m256i k32_p23_p09 = pair256_set_epi32(cospi_23_64, cospi_9_64); 2200 const __m256i k32_p07_p25 = pair256_set_epi32(cospi_7_64, cospi_25_64); 2201 const __m256i k32_m25_p07 = pair256_set_epi32(-cospi_25_64, cospi_7_64); 2202 const __m256i k32_m09_p23 = pair256_set_epi32(-cospi_9_64, cospi_23_64); 2203 const __m256i k32_m17_p15 = pair256_set_epi32(-cospi_17_64, cospi_15_64); 2204 const __m256i k32_m01_p31 = pair256_set_epi32(-cospi_1_64, cospi_31_64); 2205 2206 u[ 0] = _mm256_unpacklo_epi32(lstep1[32], lstep1[62]); 2207 u[ 1] = _mm256_unpackhi_epi32(lstep1[32], lstep1[62]); 2208 u[ 2] = _mm256_unpacklo_epi32(lstep1[33], lstep1[63]); 2209 u[ 3] = _mm256_unpackhi_epi32(lstep1[33], lstep1[63]); 2210 u[ 4] = _mm256_unpacklo_epi32(lstep1[34], lstep1[60]); 2211 u[ 5] = _mm256_unpackhi_epi32(lstep1[34], lstep1[60]); 2212 u[ 6] = _mm256_unpacklo_epi32(lstep1[35], lstep1[61]); 2213 u[ 7] = _mm256_unpackhi_epi32(lstep1[35], lstep1[61]); 2214 u[ 8] = _mm256_unpacklo_epi32(lstep1[36], lstep1[58]); 2215 u[ 9] = _mm256_unpackhi_epi32(lstep1[36], lstep1[58]); 2216 u[10] = _mm256_unpacklo_epi32(lstep1[37], lstep1[59]); 2217 u[11] = _mm256_unpackhi_epi32(lstep1[37], lstep1[59]); 2218 u[12] = _mm256_unpacklo_epi32(lstep1[38], lstep1[56]); 2219 u[13] = _mm256_unpackhi_epi32(lstep1[38], lstep1[56]); 2220 u[14] = _mm256_unpacklo_epi32(lstep1[39], lstep1[57]); 2221 u[15] = _mm256_unpackhi_epi32(lstep1[39], lstep1[57]); 2222 2223 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_p31_p01); 2224 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_p31_p01); 2225 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_p31_p01); 2226 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_p31_p01); 2227 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_p15_p17); 2228 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_p15_p17); 2229 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_p15_p17); 2230 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_p15_p17); 2231 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_p23_p09); 2232 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_p23_p09); 2233 v[10] = k_madd_epi32_avx2(u[10], k32_p23_p09); 2234 v[11] = k_madd_epi32_avx2(u[11], k32_p23_p09); 2235 v[12] = k_madd_epi32_avx2(u[12], k32_p07_p25); 2236 v[13] = k_madd_epi32_avx2(u[13], k32_p07_p25); 2237 v[14] = k_madd_epi32_avx2(u[14], k32_p07_p25); 2238 v[15] = k_madd_epi32_avx2(u[15], k32_p07_p25); 2239 v[16] = k_madd_epi32_avx2(u[12], k32_m25_p07); 2240 v[17] = k_madd_epi32_avx2(u[13], k32_m25_p07); 2241 v[18] = k_madd_epi32_avx2(u[14], k32_m25_p07); 2242 v[19] = k_madd_epi32_avx2(u[15], k32_m25_p07); 2243 v[20] = k_madd_epi32_avx2(u[ 8], k32_m09_p23); 2244 v[21] = k_madd_epi32_avx2(u[ 9], k32_m09_p23); 2245 v[22] = k_madd_epi32_avx2(u[10], k32_m09_p23); 2246 v[23] = k_madd_epi32_avx2(u[11], k32_m09_p23); 2247 v[24] = k_madd_epi32_avx2(u[ 4], k32_m17_p15); 2248 v[25] = k_madd_epi32_avx2(u[ 5], k32_m17_p15); 2249 v[26] = k_madd_epi32_avx2(u[ 6], k32_m17_p15); 2250 v[27] = k_madd_epi32_avx2(u[ 7], k32_m17_p15); 2251 v[28] = k_madd_epi32_avx2(u[ 0], k32_m01_p31); 2252 v[29] = k_madd_epi32_avx2(u[ 1], k32_m01_p31); 2253 v[30] = k_madd_epi32_avx2(u[ 2], k32_m01_p31); 2254 v[31] = k_madd_epi32_avx2(u[ 3], k32_m01_p31); 2255 2256 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]); 2257 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]); 2258 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]); 2259 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]); 2260 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]); 2261 u[ 5] = k_packs_epi64_avx2(v[10], v[11]); 2262 u[ 6] = k_packs_epi64_avx2(v[12], v[13]); 2263 u[ 7] = k_packs_epi64_avx2(v[14], v[15]); 2264 u[ 8] = k_packs_epi64_avx2(v[16], v[17]); 2265 u[ 9] = k_packs_epi64_avx2(v[18], v[19]); 2266 u[10] = k_packs_epi64_avx2(v[20], v[21]); 2267 u[11] = k_packs_epi64_avx2(v[22], v[23]); 2268 u[12] = k_packs_epi64_avx2(v[24], v[25]); 2269 u[13] = k_packs_epi64_avx2(v[26], v[27]); 2270 u[14] = k_packs_epi64_avx2(v[28], v[29]); 2271 u[15] = k_packs_epi64_avx2(v[30], v[31]); 2272 2273 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING); 2274 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING); 2275 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING); 2276 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING); 2277 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING); 2278 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING); 2279 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING); 2280 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING); 2281 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING); 2282 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING); 2283 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); 2284 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); 2285 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); 2286 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); 2287 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); 2288 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); 2289 2290 u[ 0] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS); 2291 u[ 1] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS); 2292 u[ 2] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS); 2293 u[ 3] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS); 2294 u[ 4] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS); 2295 u[ 5] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS); 2296 u[ 6] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS); 2297 u[ 7] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS); 2298 u[ 8] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS); 2299 u[ 9] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS); 2300 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); 2301 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); 2302 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); 2303 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); 2304 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); 2305 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); 2306 2307 v[ 0] = _mm256_cmpgt_epi32(kZero,u[ 0]); 2308 v[ 1] = _mm256_cmpgt_epi32(kZero,u[ 1]); 2309 v[ 2] = _mm256_cmpgt_epi32(kZero,u[ 2]); 2310 v[ 3] = _mm256_cmpgt_epi32(kZero,u[ 3]); 2311 v[ 4] = _mm256_cmpgt_epi32(kZero,u[ 4]); 2312 v[ 5] = _mm256_cmpgt_epi32(kZero,u[ 5]); 2313 v[ 6] = _mm256_cmpgt_epi32(kZero,u[ 6]); 2314 v[ 7] = _mm256_cmpgt_epi32(kZero,u[ 7]); 2315 v[ 8] = _mm256_cmpgt_epi32(kZero,u[ 8]); 2316 v[ 9] = _mm256_cmpgt_epi32(kZero,u[ 9]); 2317 v[10] = _mm256_cmpgt_epi32(kZero,u[10]); 2318 v[11] = _mm256_cmpgt_epi32(kZero,u[11]); 2319 v[12] = _mm256_cmpgt_epi32(kZero,u[12]); 2320 v[13] = _mm256_cmpgt_epi32(kZero,u[13]); 2321 v[14] = _mm256_cmpgt_epi32(kZero,u[14]); 2322 v[15] = _mm256_cmpgt_epi32(kZero,u[15]); 2323 2324 u[ 0] = _mm256_sub_epi32(u[ 0], v[ 0]); 2325 u[ 1] = _mm256_sub_epi32(u[ 1], v[ 1]); 2326 u[ 2] = _mm256_sub_epi32(u[ 2], v[ 2]); 2327 u[ 3] = _mm256_sub_epi32(u[ 3], v[ 3]); 2328 u[ 4] = _mm256_sub_epi32(u[ 4], v[ 4]); 2329 u[ 5] = _mm256_sub_epi32(u[ 5], v[ 5]); 2330 u[ 6] = _mm256_sub_epi32(u[ 6], v[ 6]); 2331 u[ 7] = _mm256_sub_epi32(u[ 7], v[ 7]); 2332 u[ 8] = _mm256_sub_epi32(u[ 8], v[ 8]); 2333 u[ 9] = _mm256_sub_epi32(u[ 9], v[ 9]); 2334 u[10] = _mm256_sub_epi32(u[10], v[10]); 2335 u[11] = _mm256_sub_epi32(u[11], v[11]); 2336 u[12] = _mm256_sub_epi32(u[12], v[12]); 2337 u[13] = _mm256_sub_epi32(u[13], v[13]); 2338 u[14] = _mm256_sub_epi32(u[14], v[14]); 2339 u[15] = _mm256_sub_epi32(u[15], v[15]); 2340 2341 v[0] = _mm256_add_epi32(u[0], K32One); 2342 v[1] = _mm256_add_epi32(u[1], K32One); 2343 v[2] = _mm256_add_epi32(u[2], K32One); 2344 v[3] = _mm256_add_epi32(u[3], K32One); 2345 v[4] = _mm256_add_epi32(u[4], K32One); 2346 v[5] = _mm256_add_epi32(u[5], K32One); 2347 v[6] = _mm256_add_epi32(u[6], K32One); 2348 v[7] = _mm256_add_epi32(u[7], K32One); 2349 v[8] = _mm256_add_epi32(u[8], K32One); 2350 v[9] = _mm256_add_epi32(u[9], K32One); 2351 v[10] = _mm256_add_epi32(u[10], K32One); 2352 v[11] = _mm256_add_epi32(u[11], K32One); 2353 v[12] = _mm256_add_epi32(u[12], K32One); 2354 v[13] = _mm256_add_epi32(u[13], K32One); 2355 v[14] = _mm256_add_epi32(u[14], K32One); 2356 v[15] = _mm256_add_epi32(u[15], K32One); 2357 2358 u[0] = _mm256_srai_epi32(v[0], 2); 2359 u[1] = _mm256_srai_epi32(v[1], 2); 2360 u[2] = _mm256_srai_epi32(v[2], 2); 2361 u[3] = _mm256_srai_epi32(v[3], 2); 2362 u[4] = _mm256_srai_epi32(v[4], 2); 2363 u[5] = _mm256_srai_epi32(v[5], 2); 2364 u[6] = _mm256_srai_epi32(v[6], 2); 2365 u[7] = _mm256_srai_epi32(v[7], 2); 2366 u[8] = _mm256_srai_epi32(v[8], 2); 2367 u[9] = _mm256_srai_epi32(v[9], 2); 2368 u[10] = _mm256_srai_epi32(v[10], 2); 2369 u[11] = _mm256_srai_epi32(v[11], 2); 2370 u[12] = _mm256_srai_epi32(v[12], 2); 2371 u[13] = _mm256_srai_epi32(v[13], 2); 2372 u[14] = _mm256_srai_epi32(v[14], 2); 2373 u[15] = _mm256_srai_epi32(v[15], 2); 2374 2375 out[ 1] = _mm256_packs_epi32(u[0], u[1]); 2376 out[17] = _mm256_packs_epi32(u[2], u[3]); 2377 out[ 9] = _mm256_packs_epi32(u[4], u[5]); 2378 out[25] = _mm256_packs_epi32(u[6], u[7]); 2379 out[ 7] = _mm256_packs_epi32(u[8], u[9]); 2380 out[23] = _mm256_packs_epi32(u[10], u[11]); 2381 out[15] = _mm256_packs_epi32(u[12], u[13]); 2382 out[31] = _mm256_packs_epi32(u[14], u[15]); 2383 } 2384 { 2385 const __m256i k32_p27_p05 = pair256_set_epi32(cospi_27_64, cospi_5_64); 2386 const __m256i k32_p11_p21 = pair256_set_epi32(cospi_11_64, cospi_21_64); 2387 const __m256i k32_p19_p13 = pair256_set_epi32(cospi_19_64, cospi_13_64); 2388 const __m256i k32_p03_p29 = pair256_set_epi32(cospi_3_64, cospi_29_64); 2389 const __m256i k32_m29_p03 = pair256_set_epi32(-cospi_29_64, cospi_3_64); 2390 const __m256i k32_m13_p19 = pair256_set_epi32(-cospi_13_64, cospi_19_64); 2391 const __m256i k32_m21_p11 = pair256_set_epi32(-cospi_21_64, cospi_11_64); 2392 const __m256i k32_m05_p27 = pair256_set_epi32(-cospi_5_64, cospi_27_64); 2393 2394 u[ 0] = _mm256_unpacklo_epi32(lstep1[40], lstep1[54]); 2395 u[ 1] = _mm256_unpackhi_epi32(lstep1[40], lstep1[54]); 2396 u[ 2] = _mm256_unpacklo_epi32(lstep1[41], lstep1[55]); 2397 u[ 3] = _mm256_unpackhi_epi32(lstep1[41], lstep1[55]); 2398 u[ 4] = _mm256_unpacklo_epi32(lstep1[42], lstep1[52]); 2399 u[ 5] = _mm256_unpackhi_epi32(lstep1[42], lstep1[52]); 2400 u[ 6] = _mm256_unpacklo_epi32(lstep1[43], lstep1[53]); 2401 u[ 7] = _mm256_unpackhi_epi32(lstep1[43], lstep1[53]); 2402 u[ 8] = _mm256_unpacklo_epi32(lstep1[44], lstep1[50]); 2403 u[ 9] = _mm256_unpackhi_epi32(lstep1[44], lstep1[50]); 2404 u[10] = _mm256_unpacklo_epi32(lstep1[45], lstep1[51]); 2405 u[11] = _mm256_unpackhi_epi32(lstep1[45], lstep1[51]); 2406 u[12] = _mm256_unpacklo_epi32(lstep1[46], lstep1[48]); 2407 u[13] = _mm256_unpackhi_epi32(lstep1[46], lstep1[48]); 2408 u[14] = _mm256_unpacklo_epi32(lstep1[47], lstep1[49]); 2409 u[15] = _mm256_unpackhi_epi32(lstep1[47], lstep1[49]); 2410 2411 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_p27_p05); 2412 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_p27_p05); 2413 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_p27_p05); 2414 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_p27_p05); 2415 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_p11_p21); 2416 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_p11_p21); 2417 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_p11_p21); 2418 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_p11_p21); 2419 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_p19_p13); 2420 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_p19_p13); 2421 v[10] = k_madd_epi32_avx2(u[10], k32_p19_p13); 2422 v[11] = k_madd_epi32_avx2(u[11], k32_p19_p13); 2423 v[12] = k_madd_epi32_avx2(u[12], k32_p03_p29); 2424 v[13] = k_madd_epi32_avx2(u[13], k32_p03_p29); 2425 v[14] = k_madd_epi32_avx2(u[14], k32_p03_p29); 2426 v[15] = k_madd_epi32_avx2(u[15], k32_p03_p29); 2427 v[16] = k_madd_epi32_avx2(u[12], k32_m29_p03); 2428 v[17] = k_madd_epi32_avx2(u[13], k32_m29_p03); 2429 v[18] = k_madd_epi32_avx2(u[14], k32_m29_p03); 2430 v[19] = k_madd_epi32_avx2(u[15], k32_m29_p03); 2431 v[20] = k_madd_epi32_avx2(u[ 8], k32_m13_p19); 2432 v[21] = k_madd_epi32_avx2(u[ 9], k32_m13_p19); 2433 v[22] = k_madd_epi32_avx2(u[10], k32_m13_p19); 2434 v[23] = k_madd_epi32_avx2(u[11], k32_m13_p19); 2435 v[24] = k_madd_epi32_avx2(u[ 4], k32_m21_p11); 2436 v[25] = k_madd_epi32_avx2(u[ 5], k32_m21_p11); 2437 v[26] = k_madd_epi32_avx2(u[ 6], k32_m21_p11); 2438 v[27] = k_madd_epi32_avx2(u[ 7], k32_m21_p11); 2439 v[28] = k_madd_epi32_avx2(u[ 0], k32_m05_p27); 2440 v[29] = k_madd_epi32_avx2(u[ 1], k32_m05_p27); 2441 v[30] = k_madd_epi32_avx2(u[ 2], k32_m05_p27); 2442 v[31] = k_madd_epi32_avx2(u[ 3], k32_m05_p27); 2443 2444 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]); 2445 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]); 2446 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]); 2447 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]); 2448 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]); 2449 u[ 5] = k_packs_epi64_avx2(v[10], v[11]); 2450 u[ 6] = k_packs_epi64_avx2(v[12], v[13]); 2451 u[ 7] = k_packs_epi64_avx2(v[14], v[15]); 2452 u[ 8] = k_packs_epi64_avx2(v[16], v[17]); 2453 u[ 9] = k_packs_epi64_avx2(v[18], v[19]); 2454 u[10] = k_packs_epi64_avx2(v[20], v[21]); 2455 u[11] = k_packs_epi64_avx2(v[22], v[23]); 2456 u[12] = k_packs_epi64_avx2(v[24], v[25]); 2457 u[13] = k_packs_epi64_avx2(v[26], v[27]); 2458 u[14] = k_packs_epi64_avx2(v[28], v[29]); 2459 u[15] = k_packs_epi64_avx2(v[30], v[31]); 2460 2461 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING); 2462 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING); 2463 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING); 2464 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING); 2465 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING); 2466 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING); 2467 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING); 2468 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING); 2469 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING); 2470 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING); 2471 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING); 2472 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING); 2473 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING); 2474 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING); 2475 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING); 2476 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING); 2477 2478 u[ 0] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS); 2479 u[ 1] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS); 2480 u[ 2] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS); 2481 u[ 3] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS); 2482 u[ 4] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS); 2483 u[ 5] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS); 2484 u[ 6] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS); 2485 u[ 7] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS); 2486 u[ 8] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS); 2487 u[ 9] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS); 2488 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS); 2489 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS); 2490 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS); 2491 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS); 2492 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS); 2493 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS); 2494 2495 v[ 0] = _mm256_cmpgt_epi32(kZero,u[ 0]); 2496 v[ 1] = _mm256_cmpgt_epi32(kZero,u[ 1]); 2497 v[ 2] = _mm256_cmpgt_epi32(kZero,u[ 2]); 2498 v[ 3] = _mm256_cmpgt_epi32(kZero,u[ 3]); 2499 v[ 4] = _mm256_cmpgt_epi32(kZero,u[ 4]); 2500 v[ 5] = _mm256_cmpgt_epi32(kZero,u[ 5]); 2501 v[ 6] = _mm256_cmpgt_epi32(kZero,u[ 6]); 2502 v[ 7] = _mm256_cmpgt_epi32(kZero,u[ 7]); 2503 v[ 8] = _mm256_cmpgt_epi32(kZero,u[ 8]); 2504 v[ 9] = _mm256_cmpgt_epi32(kZero,u[ 9]); 2505 v[10] = _mm256_cmpgt_epi32(kZero,u[10]); 2506 v[11] = _mm256_cmpgt_epi32(kZero,u[11]); 2507 v[12] = _mm256_cmpgt_epi32(kZero,u[12]); 2508 v[13] = _mm256_cmpgt_epi32(kZero,u[13]); 2509 v[14] = _mm256_cmpgt_epi32(kZero,u[14]); 2510 v[15] = _mm256_cmpgt_epi32(kZero,u[15]); 2511 2512 u[ 0] = _mm256_sub_epi32(u[ 0], v[ 0]); 2513 u[ 1] = _mm256_sub_epi32(u[ 1], v[ 1]); 2514 u[ 2] = _mm256_sub_epi32(u[ 2], v[ 2]); 2515 u[ 3] = _mm256_sub_epi32(u[ 3], v[ 3]); 2516 u[ 4] = _mm256_sub_epi32(u[ 4], v[ 4]); 2517 u[ 5] = _mm256_sub_epi32(u[ 5], v[ 5]); 2518 u[ 6] = _mm256_sub_epi32(u[ 6], v[ 6]); 2519 u[ 7] = _mm256_sub_epi32(u[ 7], v[ 7]); 2520 u[ 8] = _mm256_sub_epi32(u[ 8], v[ 8]); 2521 u[ 9] = _mm256_sub_epi32(u[ 9], v[ 9]); 2522 u[10] = _mm256_sub_epi32(u[10], v[10]); 2523 u[11] = _mm256_sub_epi32(u[11], v[11]); 2524 u[12] = _mm256_sub_epi32(u[12], v[12]); 2525 u[13] = _mm256_sub_epi32(u[13], v[13]); 2526 u[14] = _mm256_sub_epi32(u[14], v[14]); 2527 u[15] = _mm256_sub_epi32(u[15], v[15]); 2528 2529 v[0] = _mm256_add_epi32(u[0], K32One); 2530 v[1] = _mm256_add_epi32(u[1], K32One); 2531 v[2] = _mm256_add_epi32(u[2], K32One); 2532 v[3] = _mm256_add_epi32(u[3], K32One); 2533 v[4] = _mm256_add_epi32(u[4], K32One); 2534 v[5] = _mm256_add_epi32(u[5], K32One); 2535 v[6] = _mm256_add_epi32(u[6], K32One); 2536 v[7] = _mm256_add_epi32(u[7], K32One); 2537 v[8] = _mm256_add_epi32(u[8], K32One); 2538 v[9] = _mm256_add_epi32(u[9], K32One); 2539 v[10] = _mm256_add_epi32(u[10], K32One); 2540 v[11] = _mm256_add_epi32(u[11], K32One); 2541 v[12] = _mm256_add_epi32(u[12], K32One); 2542 v[13] = _mm256_add_epi32(u[13], K32One); 2543 v[14] = _mm256_add_epi32(u[14], K32One); 2544 v[15] = _mm256_add_epi32(u[15], K32One); 2545 2546 u[0] = _mm256_srai_epi32(v[0], 2); 2547 u[1] = _mm256_srai_epi32(v[1], 2); 2548 u[2] = _mm256_srai_epi32(v[2], 2); 2549 u[3] = _mm256_srai_epi32(v[3], 2); 2550 u[4] = _mm256_srai_epi32(v[4], 2); 2551 u[5] = _mm256_srai_epi32(v[5], 2); 2552 u[6] = _mm256_srai_epi32(v[6], 2); 2553 u[7] = _mm256_srai_epi32(v[7], 2); 2554 u[8] = _mm256_srai_epi32(v[8], 2); 2555 u[9] = _mm256_srai_epi32(v[9], 2); 2556 u[10] = _mm256_srai_epi32(v[10], 2); 2557 u[11] = _mm256_srai_epi32(v[11], 2); 2558 u[12] = _mm256_srai_epi32(v[12], 2); 2559 u[13] = _mm256_srai_epi32(v[13], 2); 2560 u[14] = _mm256_srai_epi32(v[14], 2); 2561 u[15] = _mm256_srai_epi32(v[15], 2); 2562 2563 out[ 5] = _mm256_packs_epi32(u[0], u[1]); 2564 out[21] = _mm256_packs_epi32(u[2], u[3]); 2565 out[13] = _mm256_packs_epi32(u[4], u[5]); 2566 out[29] = _mm256_packs_epi32(u[6], u[7]); 2567 out[ 3] = _mm256_packs_epi32(u[8], u[9]); 2568 out[19] = _mm256_packs_epi32(u[10], u[11]); 2569 out[11] = _mm256_packs_epi32(u[12], u[13]); 2570 out[27] = _mm256_packs_epi32(u[14], u[15]); 2571 } 2572 } 2573#endif 2574 // Transpose the results, do it as four 8x8 transposes. 2575 { 2576 int transpose_block; 2577 int16_t *output_currStep,*output_nextStep; 2578 if (0 == pass){ 2579 output_currStep = &intermediate[column_start * 32]; 2580 output_nextStep = &intermediate[(column_start + 8) * 32]; 2581 } else{ 2582 output_currStep = &output_org[column_start * 32]; 2583 output_nextStep = &output_org[(column_start + 8) * 32]; 2584 } 2585 for (transpose_block = 0; transpose_block < 4; ++transpose_block) { 2586 __m256i *this_out = &out[8 * transpose_block]; 2587 // 00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 2588 // 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 2589 // 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 2590 // 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 2591 // 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 2592 // 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 2593 // 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 2594 // 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 2595 const __m256i tr0_0 = _mm256_unpacklo_epi16(this_out[0], this_out[1]); 2596 const __m256i tr0_1 = _mm256_unpacklo_epi16(this_out[2], this_out[3]); 2597 const __m256i tr0_2 = _mm256_unpackhi_epi16(this_out[0], this_out[1]); 2598 const __m256i tr0_3 = _mm256_unpackhi_epi16(this_out[2], this_out[3]); 2599 const __m256i tr0_4 = _mm256_unpacklo_epi16(this_out[4], this_out[5]); 2600 const __m256i tr0_5 = _mm256_unpacklo_epi16(this_out[6], this_out[7]); 2601 const __m256i tr0_6 = _mm256_unpackhi_epi16(this_out[4], this_out[5]); 2602 const __m256i tr0_7 = _mm256_unpackhi_epi16(this_out[6], this_out[7]); 2603 // 00 20 01 21 02 22 03 23 08 28 09 29 10 30 11 31 2604 // 40 60 41 61 42 62 43 63 48 68 49 69 50 70 51 71 2605 // 04 24 05 25 06 26 07 27 12 32 13 33 14 34 15 35 2606 // 44 64 45 65 46 66 47 67 52 72 53 73 54 74 55 75 2607 // 80 100 81 101 82 102 83 103 88 108 89 109 90 110 91 101 2608 // 120 140 121 141 122 142 123 143 128 148 129 149 130 150 131 151 2609 // 84 104 85 105 86 106 87 107 92 112 93 113 94 114 95 115 2610 // 124 144 125 145 126 146 127 147 132 152 133 153 134 154 135 155 2611 2612 const __m256i tr1_0 = _mm256_unpacklo_epi32(tr0_0, tr0_1); 2613 const __m256i tr1_1 = _mm256_unpacklo_epi32(tr0_2, tr0_3); 2614 const __m256i tr1_2 = _mm256_unpackhi_epi32(tr0_0, tr0_1); 2615 const __m256i tr1_3 = _mm256_unpackhi_epi32(tr0_2, tr0_3); 2616 const __m256i tr1_4 = _mm256_unpacklo_epi32(tr0_4, tr0_5); 2617 const __m256i tr1_5 = _mm256_unpacklo_epi32(tr0_6, tr0_7); 2618 const __m256i tr1_6 = _mm256_unpackhi_epi32(tr0_4, tr0_5); 2619 const __m256i tr1_7 = _mm256_unpackhi_epi32(tr0_6, tr0_7); 2620 // 00 20 40 60 01 21 41 61 08 28 48 68 09 29 49 69 2621 // 04 24 44 64 05 25 45 65 12 32 52 72 13 33 53 73 2622 // 02 22 42 62 03 23 43 63 10 30 50 70 11 31 51 71 2623 // 06 26 46 66 07 27 47 67 14 34 54 74 15 35 55 75 2624 // 80 100 120 140 81 101 121 141 88 108 128 148 89 109 129 149 2625 // 84 104 124 144 85 105 125 145 92 112 132 152 93 113 133 153 2626 // 82 102 122 142 83 103 123 143 90 110 130 150 91 101 131 151 2627 // 86 106 126 146 87 107 127 147 94 114 134 154 95 115 135 155 2628 __m256i tr2_0 = _mm256_unpacklo_epi64(tr1_0, tr1_4); 2629 __m256i tr2_1 = _mm256_unpackhi_epi64(tr1_0, tr1_4); 2630 __m256i tr2_2 = _mm256_unpacklo_epi64(tr1_2, tr1_6); 2631 __m256i tr2_3 = _mm256_unpackhi_epi64(tr1_2, tr1_6); 2632 __m256i tr2_4 = _mm256_unpacklo_epi64(tr1_1, tr1_5); 2633 __m256i tr2_5 = _mm256_unpackhi_epi64(tr1_1, tr1_5); 2634 __m256i tr2_6 = _mm256_unpacklo_epi64(tr1_3, tr1_7); 2635 __m256i tr2_7 = _mm256_unpackhi_epi64(tr1_3, tr1_7); 2636 // 00 20 40 60 80 100 120 140 08 28 48 68 88 108 128 148 2637 // 01 21 41 61 81 101 121 141 09 29 49 69 89 109 129 149 2638 // 02 22 42 62 82 102 122 142 10 30 50 70 90 110 130 150 2639 // 03 23 43 63 83 103 123 143 11 31 51 71 91 101 131 151 2640 // 04 24 44 64 84 104 124 144 12 32 52 72 92 112 132 152 2641 // 05 25 45 65 85 105 125 145 13 33 53 73 93 113 133 153 2642 // 06 26 46 66 86 106 126 146 14 34 54 74 94 114 134 154 2643 // 07 27 47 67 87 107 127 147 15 35 55 75 95 115 135 155 2644 if (0 == pass) { 2645 // output[j] = (output[j] + 1 + (output[j] > 0)) >> 2; 2646 // TODO(cd): see quality impact of only doing 2647 // output[j] = (output[j] + 1) >> 2; 2648 // which would remove the code between here ... 2649 __m256i tr2_0_0 = _mm256_cmpgt_epi16(tr2_0, kZero); 2650 __m256i tr2_1_0 = _mm256_cmpgt_epi16(tr2_1, kZero); 2651 __m256i tr2_2_0 = _mm256_cmpgt_epi16(tr2_2, kZero); 2652 __m256i tr2_3_0 = _mm256_cmpgt_epi16(tr2_3, kZero); 2653 __m256i tr2_4_0 = _mm256_cmpgt_epi16(tr2_4, kZero); 2654 __m256i tr2_5_0 = _mm256_cmpgt_epi16(tr2_5, kZero); 2655 __m256i tr2_6_0 = _mm256_cmpgt_epi16(tr2_6, kZero); 2656 __m256i tr2_7_0 = _mm256_cmpgt_epi16(tr2_7, kZero); 2657 tr2_0 = _mm256_sub_epi16(tr2_0, tr2_0_0); 2658 tr2_1 = _mm256_sub_epi16(tr2_1, tr2_1_0); 2659 tr2_2 = _mm256_sub_epi16(tr2_2, tr2_2_0); 2660 tr2_3 = _mm256_sub_epi16(tr2_3, tr2_3_0); 2661 tr2_4 = _mm256_sub_epi16(tr2_4, tr2_4_0); 2662 tr2_5 = _mm256_sub_epi16(tr2_5, tr2_5_0); 2663 tr2_6 = _mm256_sub_epi16(tr2_6, tr2_6_0); 2664 tr2_7 = _mm256_sub_epi16(tr2_7, tr2_7_0); 2665 // ... and here. 2666 // PS: also change code in vp9/encoder/vp9_dct.c 2667 tr2_0 = _mm256_add_epi16(tr2_0, kOne); 2668 tr2_1 = _mm256_add_epi16(tr2_1, kOne); 2669 tr2_2 = _mm256_add_epi16(tr2_2, kOne); 2670 tr2_3 = _mm256_add_epi16(tr2_3, kOne); 2671 tr2_4 = _mm256_add_epi16(tr2_4, kOne); 2672 tr2_5 = _mm256_add_epi16(tr2_5, kOne); 2673 tr2_6 = _mm256_add_epi16(tr2_6, kOne); 2674 tr2_7 = _mm256_add_epi16(tr2_7, kOne); 2675 tr2_0 = _mm256_srai_epi16(tr2_0, 2); 2676 tr2_1 = _mm256_srai_epi16(tr2_1, 2); 2677 tr2_2 = _mm256_srai_epi16(tr2_2, 2); 2678 tr2_3 = _mm256_srai_epi16(tr2_3, 2); 2679 tr2_4 = _mm256_srai_epi16(tr2_4, 2); 2680 tr2_5 = _mm256_srai_epi16(tr2_5, 2); 2681 tr2_6 = _mm256_srai_epi16(tr2_6, 2); 2682 tr2_7 = _mm256_srai_epi16(tr2_7, 2); 2683 } 2684 // Note: even though all these stores are aligned, using the aligned 2685 // intrinsic make the code slightly slower. 2686 _mm_storeu_si128((__m128i *)(output_currStep + 0 * 32), _mm256_castsi256_si128(tr2_0)); 2687 _mm_storeu_si128((__m128i *)(output_currStep + 1 * 32), _mm256_castsi256_si128(tr2_1)); 2688 _mm_storeu_si128((__m128i *)(output_currStep + 2 * 32), _mm256_castsi256_si128(tr2_2)); 2689 _mm_storeu_si128((__m128i *)(output_currStep + 3 * 32), _mm256_castsi256_si128(tr2_3)); 2690 _mm_storeu_si128((__m128i *)(output_currStep + 4 * 32), _mm256_castsi256_si128(tr2_4)); 2691 _mm_storeu_si128((__m128i *)(output_currStep + 5 * 32), _mm256_castsi256_si128(tr2_5)); 2692 _mm_storeu_si128((__m128i *)(output_currStep + 6 * 32), _mm256_castsi256_si128(tr2_6)); 2693 _mm_storeu_si128((__m128i *)(output_currStep + 7 * 32), _mm256_castsi256_si128(tr2_7)); 2694 2695 _mm_storeu_si128((__m128i *)(output_nextStep + 0 * 32), _mm256_extractf128_si256(tr2_0,1)); 2696 _mm_storeu_si128((__m128i *)(output_nextStep + 1 * 32), _mm256_extractf128_si256(tr2_1,1)); 2697 _mm_storeu_si128((__m128i *)(output_nextStep + 2 * 32), _mm256_extractf128_si256(tr2_2,1)); 2698 _mm_storeu_si128((__m128i *)(output_nextStep + 3 * 32), _mm256_extractf128_si256(tr2_3,1)); 2699 _mm_storeu_si128((__m128i *)(output_nextStep + 4 * 32), _mm256_extractf128_si256(tr2_4,1)); 2700 _mm_storeu_si128((__m128i *)(output_nextStep + 5 * 32), _mm256_extractf128_si256(tr2_5,1)); 2701 _mm_storeu_si128((__m128i *)(output_nextStep + 6 * 32), _mm256_extractf128_si256(tr2_6,1)); 2702 _mm_storeu_si128((__m128i *)(output_nextStep + 7 * 32), _mm256_extractf128_si256(tr2_7,1)); 2703 // Process next 8x8 2704 output_currStep += 8; 2705 output_nextStep += 8; 2706 } 2707 } 2708 } 2709 } 2710} // NOLINT 2711