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
13 #include "./vpx_dsp_rtcd.h"
14 #include "vpx_dsp/txfm_common.h"
15
16 #define pair256_set_epi16(a, b) \
17 _mm256_set_epi16((int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a), \
18 (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a), \
19 (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a), \
20 (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a))
21
22 #define pair256_set_epi32(a, b) \
23 _mm256_set_epi32((int)(b), (int)(a), (int)(b), (int)(a), (int)(b), (int)(a), \
24 (int)(b), (int)(a))
25
26 #if FDCT32x32_HIGH_PRECISION
k_madd_epi32_avx2(__m256i a,__m256i b)27 static INLINE __m256i k_madd_epi32_avx2(__m256i a, __m256i b) {
28 __m256i buf0, buf1;
29 buf0 = _mm256_mul_epu32(a, b);
30 a = _mm256_srli_epi64(a, 32);
31 b = _mm256_srli_epi64(b, 32);
32 buf1 = _mm256_mul_epu32(a, b);
33 return _mm256_add_epi64(buf0, buf1);
34 }
35
k_packs_epi64_avx2(__m256i a,__m256i b)36 static INLINE __m256i k_packs_epi64_avx2(__m256i a, __m256i b) {
37 __m256i buf0 = _mm256_shuffle_epi32(a, _MM_SHUFFLE(0, 0, 2, 0));
38 __m256i buf1 = _mm256_shuffle_epi32(b, _MM_SHUFFLE(0, 0, 2, 0));
39 return _mm256_unpacklo_epi64(buf0, buf1);
40 }
41 #endif
42
FDCT32x32_2D_AVX2(const int16_t * input,int16_t * output_org,int stride)43 void FDCT32x32_2D_AVX2(const int16_t *input, int16_t *output_org, int stride) {
44 // Calculate pre-multiplied strides
45 const int str1 = stride;
46 const int str2 = 2 * stride;
47 const int str3 = 2 * stride + str1;
48 // We need an intermediate buffer between passes.
49 DECLARE_ALIGNED(32, int16_t, intermediate[32 * 32]);
50 // Constants
51 // When we use them, in one case, they are all the same. In all others
52 // it's a pair of them that we need to repeat four times. This is done
53 // by constructing the 32 bit constant corresponding to that pair.
54 const __m256i k__cospi_p16_p16 = _mm256_set1_epi16(cospi_16_64);
55 const __m256i k__cospi_p16_m16 =
56 pair256_set_epi16(+cospi_16_64, -cospi_16_64);
57 const __m256i k__cospi_m08_p24 = pair256_set_epi16(-cospi_8_64, cospi_24_64);
58 const __m256i k__cospi_m24_m08 = pair256_set_epi16(-cospi_24_64, -cospi_8_64);
59 const __m256i k__cospi_p24_p08 = pair256_set_epi16(+cospi_24_64, cospi_8_64);
60 const __m256i k__cospi_p12_p20 = pair256_set_epi16(+cospi_12_64, cospi_20_64);
61 const __m256i k__cospi_m20_p12 = pair256_set_epi16(-cospi_20_64, cospi_12_64);
62 const __m256i k__cospi_m04_p28 = pair256_set_epi16(-cospi_4_64, cospi_28_64);
63 const __m256i k__cospi_p28_p04 = pair256_set_epi16(+cospi_28_64, cospi_4_64);
64 const __m256i k__cospi_m28_m04 = pair256_set_epi16(-cospi_28_64, -cospi_4_64);
65 const __m256i k__cospi_m12_m20 =
66 pair256_set_epi16(-cospi_12_64, -cospi_20_64);
67 const __m256i k__cospi_p30_p02 = pair256_set_epi16(+cospi_30_64, cospi_2_64);
68 const __m256i k__cospi_p14_p18 = pair256_set_epi16(+cospi_14_64, cospi_18_64);
69 const __m256i k__cospi_p22_p10 = pair256_set_epi16(+cospi_22_64, cospi_10_64);
70 const __m256i k__cospi_p06_p26 = pair256_set_epi16(+cospi_6_64, cospi_26_64);
71 const __m256i k__cospi_m26_p06 = pair256_set_epi16(-cospi_26_64, cospi_6_64);
72 const __m256i k__cospi_m10_p22 = pair256_set_epi16(-cospi_10_64, cospi_22_64);
73 const __m256i k__cospi_m18_p14 = pair256_set_epi16(-cospi_18_64, cospi_14_64);
74 const __m256i k__cospi_m02_p30 = pair256_set_epi16(-cospi_2_64, cospi_30_64);
75 const __m256i k__cospi_p31_p01 = pair256_set_epi16(+cospi_31_64, cospi_1_64);
76 const __m256i k__cospi_p15_p17 = pair256_set_epi16(+cospi_15_64, cospi_17_64);
77 const __m256i k__cospi_p23_p09 = pair256_set_epi16(+cospi_23_64, cospi_9_64);
78 const __m256i k__cospi_p07_p25 = pair256_set_epi16(+cospi_7_64, cospi_25_64);
79 const __m256i k__cospi_m25_p07 = pair256_set_epi16(-cospi_25_64, cospi_7_64);
80 const __m256i k__cospi_m09_p23 = pair256_set_epi16(-cospi_9_64, cospi_23_64);
81 const __m256i k__cospi_m17_p15 = pair256_set_epi16(-cospi_17_64, cospi_15_64);
82 const __m256i k__cospi_m01_p31 = pair256_set_epi16(-cospi_1_64, cospi_31_64);
83 const __m256i k__cospi_p27_p05 = pair256_set_epi16(+cospi_27_64, cospi_5_64);
84 const __m256i k__cospi_p11_p21 = pair256_set_epi16(+cospi_11_64, cospi_21_64);
85 const __m256i k__cospi_p19_p13 = pair256_set_epi16(+cospi_19_64, cospi_13_64);
86 const __m256i k__cospi_p03_p29 = pair256_set_epi16(+cospi_3_64, cospi_29_64);
87 const __m256i k__cospi_m29_p03 = pair256_set_epi16(-cospi_29_64, cospi_3_64);
88 const __m256i k__cospi_m13_p19 = pair256_set_epi16(-cospi_13_64, cospi_19_64);
89 const __m256i k__cospi_m21_p11 = pair256_set_epi16(-cospi_21_64, cospi_11_64);
90 const __m256i k__cospi_m05_p27 = pair256_set_epi16(-cospi_5_64, cospi_27_64);
91 const __m256i k__DCT_CONST_ROUNDING = _mm256_set1_epi32(DCT_CONST_ROUNDING);
92 const __m256i kZero = _mm256_setzero_si256();
93 const __m256i kOne = _mm256_set1_epi16(1);
94 // Do the two transform/transpose passes
95 int pass;
96 for (pass = 0; pass < 2; ++pass) {
97 // We process sixteen columns (transposed rows in second pass) at a time.
98 int column_start;
99 for (column_start = 0; column_start < 32; column_start += 16) {
100 __m256i step1[32];
101 __m256i step2[32];
102 __m256i step3[32];
103 __m256i out[32];
104 // Stage 1
105 // Note: even though all the loads below are aligned, using the aligned
106 // intrinsic make the code slightly slower.
107 if (0 == pass) {
108 const int16_t *in = &input[column_start];
109 // step1[i] = (in[ 0 * stride] + in[(32 - 1) * stride]) << 2;
110 // Note: the next four blocks could be in a loop. That would help the
111 // instruction cache but is actually slower.
112 {
113 const int16_t *ina = in + 0 * str1;
114 const int16_t *inb = in + 31 * str1;
115 __m256i *step1a = &step1[0];
116 __m256i *step1b = &step1[31];
117 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
118 const __m256i ina1 =
119 _mm256_loadu_si256((const __m256i *)(ina + str1));
120 const __m256i ina2 =
121 _mm256_loadu_si256((const __m256i *)(ina + str2));
122 const __m256i ina3 =
123 _mm256_loadu_si256((const __m256i *)(ina + str3));
124 const __m256i inb3 =
125 _mm256_loadu_si256((const __m256i *)(inb - str3));
126 const __m256i inb2 =
127 _mm256_loadu_si256((const __m256i *)(inb - str2));
128 const __m256i inb1 =
129 _mm256_loadu_si256((const __m256i *)(inb - str1));
130 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
131 step1a[0] = _mm256_add_epi16(ina0, inb0);
132 step1a[1] = _mm256_add_epi16(ina1, inb1);
133 step1a[2] = _mm256_add_epi16(ina2, inb2);
134 step1a[3] = _mm256_add_epi16(ina3, inb3);
135 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
136 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
137 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
138 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
139 step1a[0] = _mm256_slli_epi16(step1a[0], 2);
140 step1a[1] = _mm256_slli_epi16(step1a[1], 2);
141 step1a[2] = _mm256_slli_epi16(step1a[2], 2);
142 step1a[3] = _mm256_slli_epi16(step1a[3], 2);
143 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
144 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
145 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
146 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
147 }
148 {
149 const int16_t *ina = in + 4 * str1;
150 const int16_t *inb = in + 27 * str1;
151 __m256i *step1a = &step1[4];
152 __m256i *step1b = &step1[27];
153 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
154 const __m256i ina1 =
155 _mm256_loadu_si256((const __m256i *)(ina + str1));
156 const __m256i ina2 =
157 _mm256_loadu_si256((const __m256i *)(ina + str2));
158 const __m256i ina3 =
159 _mm256_loadu_si256((const __m256i *)(ina + str3));
160 const __m256i inb3 =
161 _mm256_loadu_si256((const __m256i *)(inb - str3));
162 const __m256i inb2 =
163 _mm256_loadu_si256((const __m256i *)(inb - str2));
164 const __m256i inb1 =
165 _mm256_loadu_si256((const __m256i *)(inb - str1));
166 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
167 step1a[0] = _mm256_add_epi16(ina0, inb0);
168 step1a[1] = _mm256_add_epi16(ina1, inb1);
169 step1a[2] = _mm256_add_epi16(ina2, inb2);
170 step1a[3] = _mm256_add_epi16(ina3, inb3);
171 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
172 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
173 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
174 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
175 step1a[0] = _mm256_slli_epi16(step1a[0], 2);
176 step1a[1] = _mm256_slli_epi16(step1a[1], 2);
177 step1a[2] = _mm256_slli_epi16(step1a[2], 2);
178 step1a[3] = _mm256_slli_epi16(step1a[3], 2);
179 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
180 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
181 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
182 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
183 }
184 {
185 const int16_t *ina = in + 8 * str1;
186 const int16_t *inb = in + 23 * str1;
187 __m256i *step1a = &step1[8];
188 __m256i *step1b = &step1[23];
189 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
190 const __m256i ina1 =
191 _mm256_loadu_si256((const __m256i *)(ina + str1));
192 const __m256i ina2 =
193 _mm256_loadu_si256((const __m256i *)(ina + str2));
194 const __m256i ina3 =
195 _mm256_loadu_si256((const __m256i *)(ina + str3));
196 const __m256i inb3 =
197 _mm256_loadu_si256((const __m256i *)(inb - str3));
198 const __m256i inb2 =
199 _mm256_loadu_si256((const __m256i *)(inb - str2));
200 const __m256i inb1 =
201 _mm256_loadu_si256((const __m256i *)(inb - str1));
202 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
203 step1a[0] = _mm256_add_epi16(ina0, inb0);
204 step1a[1] = _mm256_add_epi16(ina1, inb1);
205 step1a[2] = _mm256_add_epi16(ina2, inb2);
206 step1a[3] = _mm256_add_epi16(ina3, inb3);
207 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
208 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
209 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
210 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
211 step1a[0] = _mm256_slli_epi16(step1a[0], 2);
212 step1a[1] = _mm256_slli_epi16(step1a[1], 2);
213 step1a[2] = _mm256_slli_epi16(step1a[2], 2);
214 step1a[3] = _mm256_slli_epi16(step1a[3], 2);
215 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
216 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
217 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
218 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
219 }
220 {
221 const int16_t *ina = in + 12 * str1;
222 const int16_t *inb = in + 19 * str1;
223 __m256i *step1a = &step1[12];
224 __m256i *step1b = &step1[19];
225 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
226 const __m256i ina1 =
227 _mm256_loadu_si256((const __m256i *)(ina + str1));
228 const __m256i ina2 =
229 _mm256_loadu_si256((const __m256i *)(ina + str2));
230 const __m256i ina3 =
231 _mm256_loadu_si256((const __m256i *)(ina + str3));
232 const __m256i inb3 =
233 _mm256_loadu_si256((const __m256i *)(inb - str3));
234 const __m256i inb2 =
235 _mm256_loadu_si256((const __m256i *)(inb - str2));
236 const __m256i inb1 =
237 _mm256_loadu_si256((const __m256i *)(inb - str1));
238 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
239 step1a[0] = _mm256_add_epi16(ina0, inb0);
240 step1a[1] = _mm256_add_epi16(ina1, inb1);
241 step1a[2] = _mm256_add_epi16(ina2, inb2);
242 step1a[3] = _mm256_add_epi16(ina3, inb3);
243 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
244 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
245 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
246 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
247 step1a[0] = _mm256_slli_epi16(step1a[0], 2);
248 step1a[1] = _mm256_slli_epi16(step1a[1], 2);
249 step1a[2] = _mm256_slli_epi16(step1a[2], 2);
250 step1a[3] = _mm256_slli_epi16(step1a[3], 2);
251 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
252 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
253 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
254 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
255 }
256 } else {
257 int16_t *in = &intermediate[column_start];
258 // step1[i] = in[ 0 * 32] + in[(32 - 1) * 32];
259 // Note: using the same approach as above to have common offset is
260 // counter-productive as all offsets can be calculated at compile
261 // time.
262 // Note: the next four blocks could be in a loop. That would help the
263 // instruction cache but is actually slower.
264 {
265 __m256i in00 = _mm256_loadu_si256((const __m256i *)(in + 0 * 32));
266 __m256i in01 = _mm256_loadu_si256((const __m256i *)(in + 1 * 32));
267 __m256i in02 = _mm256_loadu_si256((const __m256i *)(in + 2 * 32));
268 __m256i in03 = _mm256_loadu_si256((const __m256i *)(in + 3 * 32));
269 __m256i in28 = _mm256_loadu_si256((const __m256i *)(in + 28 * 32));
270 __m256i in29 = _mm256_loadu_si256((const __m256i *)(in + 29 * 32));
271 __m256i in30 = _mm256_loadu_si256((const __m256i *)(in + 30 * 32));
272 __m256i in31 = _mm256_loadu_si256((const __m256i *)(in + 31 * 32));
273 step1[0] = _mm256_add_epi16(in00, in31);
274 step1[1] = _mm256_add_epi16(in01, in30);
275 step1[2] = _mm256_add_epi16(in02, in29);
276 step1[3] = _mm256_add_epi16(in03, in28);
277 step1[28] = _mm256_sub_epi16(in03, in28);
278 step1[29] = _mm256_sub_epi16(in02, in29);
279 step1[30] = _mm256_sub_epi16(in01, in30);
280 step1[31] = _mm256_sub_epi16(in00, in31);
281 }
282 {
283 __m256i in04 = _mm256_loadu_si256((const __m256i *)(in + 4 * 32));
284 __m256i in05 = _mm256_loadu_si256((const __m256i *)(in + 5 * 32));
285 __m256i in06 = _mm256_loadu_si256((const __m256i *)(in + 6 * 32));
286 __m256i in07 = _mm256_loadu_si256((const __m256i *)(in + 7 * 32));
287 __m256i in24 = _mm256_loadu_si256((const __m256i *)(in + 24 * 32));
288 __m256i in25 = _mm256_loadu_si256((const __m256i *)(in + 25 * 32));
289 __m256i in26 = _mm256_loadu_si256((const __m256i *)(in + 26 * 32));
290 __m256i in27 = _mm256_loadu_si256((const __m256i *)(in + 27 * 32));
291 step1[4] = _mm256_add_epi16(in04, in27);
292 step1[5] = _mm256_add_epi16(in05, in26);
293 step1[6] = _mm256_add_epi16(in06, in25);
294 step1[7] = _mm256_add_epi16(in07, in24);
295 step1[24] = _mm256_sub_epi16(in07, in24);
296 step1[25] = _mm256_sub_epi16(in06, in25);
297 step1[26] = _mm256_sub_epi16(in05, in26);
298 step1[27] = _mm256_sub_epi16(in04, in27);
299 }
300 {
301 __m256i in08 = _mm256_loadu_si256((const __m256i *)(in + 8 * 32));
302 __m256i in09 = _mm256_loadu_si256((const __m256i *)(in + 9 * 32));
303 __m256i in10 = _mm256_loadu_si256((const __m256i *)(in + 10 * 32));
304 __m256i in11 = _mm256_loadu_si256((const __m256i *)(in + 11 * 32));
305 __m256i in20 = _mm256_loadu_si256((const __m256i *)(in + 20 * 32));
306 __m256i in21 = _mm256_loadu_si256((const __m256i *)(in + 21 * 32));
307 __m256i in22 = _mm256_loadu_si256((const __m256i *)(in + 22 * 32));
308 __m256i in23 = _mm256_loadu_si256((const __m256i *)(in + 23 * 32));
309 step1[8] = _mm256_add_epi16(in08, in23);
310 step1[9] = _mm256_add_epi16(in09, in22);
311 step1[10] = _mm256_add_epi16(in10, in21);
312 step1[11] = _mm256_add_epi16(in11, in20);
313 step1[20] = _mm256_sub_epi16(in11, in20);
314 step1[21] = _mm256_sub_epi16(in10, in21);
315 step1[22] = _mm256_sub_epi16(in09, in22);
316 step1[23] = _mm256_sub_epi16(in08, in23);
317 }
318 {
319 __m256i in12 = _mm256_loadu_si256((const __m256i *)(in + 12 * 32));
320 __m256i in13 = _mm256_loadu_si256((const __m256i *)(in + 13 * 32));
321 __m256i in14 = _mm256_loadu_si256((const __m256i *)(in + 14 * 32));
322 __m256i in15 = _mm256_loadu_si256((const __m256i *)(in + 15 * 32));
323 __m256i in16 = _mm256_loadu_si256((const __m256i *)(in + 16 * 32));
324 __m256i in17 = _mm256_loadu_si256((const __m256i *)(in + 17 * 32));
325 __m256i in18 = _mm256_loadu_si256((const __m256i *)(in + 18 * 32));
326 __m256i in19 = _mm256_loadu_si256((const __m256i *)(in + 19 * 32));
327 step1[12] = _mm256_add_epi16(in12, in19);
328 step1[13] = _mm256_add_epi16(in13, in18);
329 step1[14] = _mm256_add_epi16(in14, in17);
330 step1[15] = _mm256_add_epi16(in15, in16);
331 step1[16] = _mm256_sub_epi16(in15, in16);
332 step1[17] = _mm256_sub_epi16(in14, in17);
333 step1[18] = _mm256_sub_epi16(in13, in18);
334 step1[19] = _mm256_sub_epi16(in12, in19);
335 }
336 }
337 // Stage 2
338 {
339 step2[0] = _mm256_add_epi16(step1[0], step1[15]);
340 step2[1] = _mm256_add_epi16(step1[1], step1[14]);
341 step2[2] = _mm256_add_epi16(step1[2], step1[13]);
342 step2[3] = _mm256_add_epi16(step1[3], step1[12]);
343 step2[4] = _mm256_add_epi16(step1[4], step1[11]);
344 step2[5] = _mm256_add_epi16(step1[5], step1[10]);
345 step2[6] = _mm256_add_epi16(step1[6], step1[9]);
346 step2[7] = _mm256_add_epi16(step1[7], step1[8]);
347 step2[8] = _mm256_sub_epi16(step1[7], step1[8]);
348 step2[9] = _mm256_sub_epi16(step1[6], step1[9]);
349 step2[10] = _mm256_sub_epi16(step1[5], step1[10]);
350 step2[11] = _mm256_sub_epi16(step1[4], step1[11]);
351 step2[12] = _mm256_sub_epi16(step1[3], step1[12]);
352 step2[13] = _mm256_sub_epi16(step1[2], step1[13]);
353 step2[14] = _mm256_sub_epi16(step1[1], step1[14]);
354 step2[15] = _mm256_sub_epi16(step1[0], step1[15]);
355 }
356 {
357 const __m256i s2_20_0 = _mm256_unpacklo_epi16(step1[27], step1[20]);
358 const __m256i s2_20_1 = _mm256_unpackhi_epi16(step1[27], step1[20]);
359 const __m256i s2_21_0 = _mm256_unpacklo_epi16(step1[26], step1[21]);
360 const __m256i s2_21_1 = _mm256_unpackhi_epi16(step1[26], step1[21]);
361 const __m256i s2_22_0 = _mm256_unpacklo_epi16(step1[25], step1[22]);
362 const __m256i s2_22_1 = _mm256_unpackhi_epi16(step1[25], step1[22]);
363 const __m256i s2_23_0 = _mm256_unpacklo_epi16(step1[24], step1[23]);
364 const __m256i s2_23_1 = _mm256_unpackhi_epi16(step1[24], step1[23]);
365 const __m256i s2_20_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_m16);
366 const __m256i s2_20_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_m16);
367 const __m256i s2_21_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_m16);
368 const __m256i s2_21_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_m16);
369 const __m256i s2_22_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_m16);
370 const __m256i s2_22_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_m16);
371 const __m256i s2_23_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_m16);
372 const __m256i s2_23_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_m16);
373 const __m256i s2_24_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_p16);
374 const __m256i s2_24_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_p16);
375 const __m256i s2_25_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_p16);
376 const __m256i s2_25_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_p16);
377 const __m256i s2_26_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_p16);
378 const __m256i s2_26_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_p16);
379 const __m256i s2_27_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_p16);
380 const __m256i s2_27_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_p16);
381 // dct_const_round_shift
382 const __m256i s2_20_4 =
383 _mm256_add_epi32(s2_20_2, k__DCT_CONST_ROUNDING);
384 const __m256i s2_20_5 =
385 _mm256_add_epi32(s2_20_3, k__DCT_CONST_ROUNDING);
386 const __m256i s2_21_4 =
387 _mm256_add_epi32(s2_21_2, k__DCT_CONST_ROUNDING);
388 const __m256i s2_21_5 =
389 _mm256_add_epi32(s2_21_3, k__DCT_CONST_ROUNDING);
390 const __m256i s2_22_4 =
391 _mm256_add_epi32(s2_22_2, k__DCT_CONST_ROUNDING);
392 const __m256i s2_22_5 =
393 _mm256_add_epi32(s2_22_3, k__DCT_CONST_ROUNDING);
394 const __m256i s2_23_4 =
395 _mm256_add_epi32(s2_23_2, k__DCT_CONST_ROUNDING);
396 const __m256i s2_23_5 =
397 _mm256_add_epi32(s2_23_3, k__DCT_CONST_ROUNDING);
398 const __m256i s2_24_4 =
399 _mm256_add_epi32(s2_24_2, k__DCT_CONST_ROUNDING);
400 const __m256i s2_24_5 =
401 _mm256_add_epi32(s2_24_3, k__DCT_CONST_ROUNDING);
402 const __m256i s2_25_4 =
403 _mm256_add_epi32(s2_25_2, k__DCT_CONST_ROUNDING);
404 const __m256i s2_25_5 =
405 _mm256_add_epi32(s2_25_3, k__DCT_CONST_ROUNDING);
406 const __m256i s2_26_4 =
407 _mm256_add_epi32(s2_26_2, k__DCT_CONST_ROUNDING);
408 const __m256i s2_26_5 =
409 _mm256_add_epi32(s2_26_3, k__DCT_CONST_ROUNDING);
410 const __m256i s2_27_4 =
411 _mm256_add_epi32(s2_27_2, k__DCT_CONST_ROUNDING);
412 const __m256i s2_27_5 =
413 _mm256_add_epi32(s2_27_3, k__DCT_CONST_ROUNDING);
414 const __m256i s2_20_6 = _mm256_srai_epi32(s2_20_4, DCT_CONST_BITS);
415 const __m256i s2_20_7 = _mm256_srai_epi32(s2_20_5, DCT_CONST_BITS);
416 const __m256i s2_21_6 = _mm256_srai_epi32(s2_21_4, DCT_CONST_BITS);
417 const __m256i s2_21_7 = _mm256_srai_epi32(s2_21_5, DCT_CONST_BITS);
418 const __m256i s2_22_6 = _mm256_srai_epi32(s2_22_4, DCT_CONST_BITS);
419 const __m256i s2_22_7 = _mm256_srai_epi32(s2_22_5, DCT_CONST_BITS);
420 const __m256i s2_23_6 = _mm256_srai_epi32(s2_23_4, DCT_CONST_BITS);
421 const __m256i s2_23_7 = _mm256_srai_epi32(s2_23_5, DCT_CONST_BITS);
422 const __m256i s2_24_6 = _mm256_srai_epi32(s2_24_4, DCT_CONST_BITS);
423 const __m256i s2_24_7 = _mm256_srai_epi32(s2_24_5, DCT_CONST_BITS);
424 const __m256i s2_25_6 = _mm256_srai_epi32(s2_25_4, DCT_CONST_BITS);
425 const __m256i s2_25_7 = _mm256_srai_epi32(s2_25_5, DCT_CONST_BITS);
426 const __m256i s2_26_6 = _mm256_srai_epi32(s2_26_4, DCT_CONST_BITS);
427 const __m256i s2_26_7 = _mm256_srai_epi32(s2_26_5, DCT_CONST_BITS);
428 const __m256i s2_27_6 = _mm256_srai_epi32(s2_27_4, DCT_CONST_BITS);
429 const __m256i s2_27_7 = _mm256_srai_epi32(s2_27_5, DCT_CONST_BITS);
430 // Combine
431 step2[20] = _mm256_packs_epi32(s2_20_6, s2_20_7);
432 step2[21] = _mm256_packs_epi32(s2_21_6, s2_21_7);
433 step2[22] = _mm256_packs_epi32(s2_22_6, s2_22_7);
434 step2[23] = _mm256_packs_epi32(s2_23_6, s2_23_7);
435 step2[24] = _mm256_packs_epi32(s2_24_6, s2_24_7);
436 step2[25] = _mm256_packs_epi32(s2_25_6, s2_25_7);
437 step2[26] = _mm256_packs_epi32(s2_26_6, s2_26_7);
438 step2[27] = _mm256_packs_epi32(s2_27_6, s2_27_7);
439 }
440
441 #if !FDCT32x32_HIGH_PRECISION
442 // dump the magnitude by half, hence the intermediate values are within
443 // the range of 16 bits.
444 if (1 == pass) {
445 __m256i s3_00_0 = _mm256_cmpgt_epi16(kZero, step2[0]);
446 __m256i s3_01_0 = _mm256_cmpgt_epi16(kZero, step2[1]);
447 __m256i s3_02_0 = _mm256_cmpgt_epi16(kZero, step2[2]);
448 __m256i s3_03_0 = _mm256_cmpgt_epi16(kZero, step2[3]);
449 __m256i s3_04_0 = _mm256_cmpgt_epi16(kZero, step2[4]);
450 __m256i s3_05_0 = _mm256_cmpgt_epi16(kZero, step2[5]);
451 __m256i s3_06_0 = _mm256_cmpgt_epi16(kZero, step2[6]);
452 __m256i s3_07_0 = _mm256_cmpgt_epi16(kZero, step2[7]);
453 __m256i s2_08_0 = _mm256_cmpgt_epi16(kZero, step2[8]);
454 __m256i s2_09_0 = _mm256_cmpgt_epi16(kZero, step2[9]);
455 __m256i s3_10_0 = _mm256_cmpgt_epi16(kZero, step2[10]);
456 __m256i s3_11_0 = _mm256_cmpgt_epi16(kZero, step2[11]);
457 __m256i s3_12_0 = _mm256_cmpgt_epi16(kZero, step2[12]);
458 __m256i s3_13_0 = _mm256_cmpgt_epi16(kZero, step2[13]);
459 __m256i s2_14_0 = _mm256_cmpgt_epi16(kZero, step2[14]);
460 __m256i s2_15_0 = _mm256_cmpgt_epi16(kZero, step2[15]);
461 __m256i s3_16_0 = _mm256_cmpgt_epi16(kZero, step1[16]);
462 __m256i s3_17_0 = _mm256_cmpgt_epi16(kZero, step1[17]);
463 __m256i s3_18_0 = _mm256_cmpgt_epi16(kZero, step1[18]);
464 __m256i s3_19_0 = _mm256_cmpgt_epi16(kZero, step1[19]);
465 __m256i s3_20_0 = _mm256_cmpgt_epi16(kZero, step2[20]);
466 __m256i s3_21_0 = _mm256_cmpgt_epi16(kZero, step2[21]);
467 __m256i s3_22_0 = _mm256_cmpgt_epi16(kZero, step2[22]);
468 __m256i s3_23_0 = _mm256_cmpgt_epi16(kZero, step2[23]);
469 __m256i s3_24_0 = _mm256_cmpgt_epi16(kZero, step2[24]);
470 __m256i s3_25_0 = _mm256_cmpgt_epi16(kZero, step2[25]);
471 __m256i s3_26_0 = _mm256_cmpgt_epi16(kZero, step2[26]);
472 __m256i s3_27_0 = _mm256_cmpgt_epi16(kZero, step2[27]);
473 __m256i s3_28_0 = _mm256_cmpgt_epi16(kZero, step1[28]);
474 __m256i s3_29_0 = _mm256_cmpgt_epi16(kZero, step1[29]);
475 __m256i s3_30_0 = _mm256_cmpgt_epi16(kZero, step1[30]);
476 __m256i s3_31_0 = _mm256_cmpgt_epi16(kZero, step1[31]);
477
478 step2[0] = _mm256_sub_epi16(step2[0], s3_00_0);
479 step2[1] = _mm256_sub_epi16(step2[1], s3_01_0);
480 step2[2] = _mm256_sub_epi16(step2[2], s3_02_0);
481 step2[3] = _mm256_sub_epi16(step2[3], s3_03_0);
482 step2[4] = _mm256_sub_epi16(step2[4], s3_04_0);
483 step2[5] = _mm256_sub_epi16(step2[5], s3_05_0);
484 step2[6] = _mm256_sub_epi16(step2[6], s3_06_0);
485 step2[7] = _mm256_sub_epi16(step2[7], s3_07_0);
486 step2[8] = _mm256_sub_epi16(step2[8], s2_08_0);
487 step2[9] = _mm256_sub_epi16(step2[9], s2_09_0);
488 step2[10] = _mm256_sub_epi16(step2[10], s3_10_0);
489 step2[11] = _mm256_sub_epi16(step2[11], s3_11_0);
490 step2[12] = _mm256_sub_epi16(step2[12], s3_12_0);
491 step2[13] = _mm256_sub_epi16(step2[13], s3_13_0);
492 step2[14] = _mm256_sub_epi16(step2[14], s2_14_0);
493 step2[15] = _mm256_sub_epi16(step2[15], s2_15_0);
494 step1[16] = _mm256_sub_epi16(step1[16], s3_16_0);
495 step1[17] = _mm256_sub_epi16(step1[17], s3_17_0);
496 step1[18] = _mm256_sub_epi16(step1[18], s3_18_0);
497 step1[19] = _mm256_sub_epi16(step1[19], s3_19_0);
498 step2[20] = _mm256_sub_epi16(step2[20], s3_20_0);
499 step2[21] = _mm256_sub_epi16(step2[21], s3_21_0);
500 step2[22] = _mm256_sub_epi16(step2[22], s3_22_0);
501 step2[23] = _mm256_sub_epi16(step2[23], s3_23_0);
502 step2[24] = _mm256_sub_epi16(step2[24], s3_24_0);
503 step2[25] = _mm256_sub_epi16(step2[25], s3_25_0);
504 step2[26] = _mm256_sub_epi16(step2[26], s3_26_0);
505 step2[27] = _mm256_sub_epi16(step2[27], s3_27_0);
506 step1[28] = _mm256_sub_epi16(step1[28], s3_28_0);
507 step1[29] = _mm256_sub_epi16(step1[29], s3_29_0);
508 step1[30] = _mm256_sub_epi16(step1[30], s3_30_0);
509 step1[31] = _mm256_sub_epi16(step1[31], s3_31_0);
510
511 step2[0] = _mm256_add_epi16(step2[0], kOne);
512 step2[1] = _mm256_add_epi16(step2[1], kOne);
513 step2[2] = _mm256_add_epi16(step2[2], kOne);
514 step2[3] = _mm256_add_epi16(step2[3], kOne);
515 step2[4] = _mm256_add_epi16(step2[4], kOne);
516 step2[5] = _mm256_add_epi16(step2[5], kOne);
517 step2[6] = _mm256_add_epi16(step2[6], kOne);
518 step2[7] = _mm256_add_epi16(step2[7], kOne);
519 step2[8] = _mm256_add_epi16(step2[8], kOne);
520 step2[9] = _mm256_add_epi16(step2[9], kOne);
521 step2[10] = _mm256_add_epi16(step2[10], kOne);
522 step2[11] = _mm256_add_epi16(step2[11], kOne);
523 step2[12] = _mm256_add_epi16(step2[12], kOne);
524 step2[13] = _mm256_add_epi16(step2[13], kOne);
525 step2[14] = _mm256_add_epi16(step2[14], kOne);
526 step2[15] = _mm256_add_epi16(step2[15], kOne);
527 step1[16] = _mm256_add_epi16(step1[16], kOne);
528 step1[17] = _mm256_add_epi16(step1[17], kOne);
529 step1[18] = _mm256_add_epi16(step1[18], kOne);
530 step1[19] = _mm256_add_epi16(step1[19], kOne);
531 step2[20] = _mm256_add_epi16(step2[20], kOne);
532 step2[21] = _mm256_add_epi16(step2[21], kOne);
533 step2[22] = _mm256_add_epi16(step2[22], kOne);
534 step2[23] = _mm256_add_epi16(step2[23], kOne);
535 step2[24] = _mm256_add_epi16(step2[24], kOne);
536 step2[25] = _mm256_add_epi16(step2[25], kOne);
537 step2[26] = _mm256_add_epi16(step2[26], kOne);
538 step2[27] = _mm256_add_epi16(step2[27], kOne);
539 step1[28] = _mm256_add_epi16(step1[28], kOne);
540 step1[29] = _mm256_add_epi16(step1[29], kOne);
541 step1[30] = _mm256_add_epi16(step1[30], kOne);
542 step1[31] = _mm256_add_epi16(step1[31], kOne);
543
544 step2[0] = _mm256_srai_epi16(step2[0], 2);
545 step2[1] = _mm256_srai_epi16(step2[1], 2);
546 step2[2] = _mm256_srai_epi16(step2[2], 2);
547 step2[3] = _mm256_srai_epi16(step2[3], 2);
548 step2[4] = _mm256_srai_epi16(step2[4], 2);
549 step2[5] = _mm256_srai_epi16(step2[5], 2);
550 step2[6] = _mm256_srai_epi16(step2[6], 2);
551 step2[7] = _mm256_srai_epi16(step2[7], 2);
552 step2[8] = _mm256_srai_epi16(step2[8], 2);
553 step2[9] = _mm256_srai_epi16(step2[9], 2);
554 step2[10] = _mm256_srai_epi16(step2[10], 2);
555 step2[11] = _mm256_srai_epi16(step2[11], 2);
556 step2[12] = _mm256_srai_epi16(step2[12], 2);
557 step2[13] = _mm256_srai_epi16(step2[13], 2);
558 step2[14] = _mm256_srai_epi16(step2[14], 2);
559 step2[15] = _mm256_srai_epi16(step2[15], 2);
560 step1[16] = _mm256_srai_epi16(step1[16], 2);
561 step1[17] = _mm256_srai_epi16(step1[17], 2);
562 step1[18] = _mm256_srai_epi16(step1[18], 2);
563 step1[19] = _mm256_srai_epi16(step1[19], 2);
564 step2[20] = _mm256_srai_epi16(step2[20], 2);
565 step2[21] = _mm256_srai_epi16(step2[21], 2);
566 step2[22] = _mm256_srai_epi16(step2[22], 2);
567 step2[23] = _mm256_srai_epi16(step2[23], 2);
568 step2[24] = _mm256_srai_epi16(step2[24], 2);
569 step2[25] = _mm256_srai_epi16(step2[25], 2);
570 step2[26] = _mm256_srai_epi16(step2[26], 2);
571 step2[27] = _mm256_srai_epi16(step2[27], 2);
572 step1[28] = _mm256_srai_epi16(step1[28], 2);
573 step1[29] = _mm256_srai_epi16(step1[29], 2);
574 step1[30] = _mm256_srai_epi16(step1[30], 2);
575 step1[31] = _mm256_srai_epi16(step1[31], 2);
576 }
577 #endif
578
579 #if FDCT32x32_HIGH_PRECISION
580 if (pass == 0) {
581 #endif
582 // Stage 3
583 {
584 step3[0] = _mm256_add_epi16(step2[(8 - 1)], step2[0]);
585 step3[1] = _mm256_add_epi16(step2[(8 - 2)], step2[1]);
586 step3[2] = _mm256_add_epi16(step2[(8 - 3)], step2[2]);
587 step3[3] = _mm256_add_epi16(step2[(8 - 4)], step2[3]);
588 step3[4] = _mm256_sub_epi16(step2[(8 - 5)], step2[4]);
589 step3[5] = _mm256_sub_epi16(step2[(8 - 6)], step2[5]);
590 step3[6] = _mm256_sub_epi16(step2[(8 - 7)], step2[6]);
591 step3[7] = _mm256_sub_epi16(step2[(8 - 8)], step2[7]);
592 }
593 {
594 const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]);
595 const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]);
596 const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]);
597 const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]);
598 const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16);
599 const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16);
600 const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16);
601 const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16);
602 const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16);
603 const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16);
604 const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16);
605 const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16);
606 // dct_const_round_shift
607 const __m256i s3_10_4 =
608 _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING);
609 const __m256i s3_10_5 =
610 _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING);
611 const __m256i s3_11_4 =
612 _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING);
613 const __m256i s3_11_5 =
614 _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING);
615 const __m256i s3_12_4 =
616 _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING);
617 const __m256i s3_12_5 =
618 _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING);
619 const __m256i s3_13_4 =
620 _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING);
621 const __m256i s3_13_5 =
622 _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING);
623 const __m256i s3_10_6 = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS);
624 const __m256i s3_10_7 = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS);
625 const __m256i s3_11_6 = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS);
626 const __m256i s3_11_7 = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS);
627 const __m256i s3_12_6 = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS);
628 const __m256i s3_12_7 = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS);
629 const __m256i s3_13_6 = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS);
630 const __m256i s3_13_7 = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS);
631 // Combine
632 step3[10] = _mm256_packs_epi32(s3_10_6, s3_10_7);
633 step3[11] = _mm256_packs_epi32(s3_11_6, s3_11_7);
634 step3[12] = _mm256_packs_epi32(s3_12_6, s3_12_7);
635 step3[13] = _mm256_packs_epi32(s3_13_6, s3_13_7);
636 }
637 {
638 step3[16] = _mm256_add_epi16(step2[23], step1[16]);
639 step3[17] = _mm256_add_epi16(step2[22], step1[17]);
640 step3[18] = _mm256_add_epi16(step2[21], step1[18]);
641 step3[19] = _mm256_add_epi16(step2[20], step1[19]);
642 step3[20] = _mm256_sub_epi16(step1[19], step2[20]);
643 step3[21] = _mm256_sub_epi16(step1[18], step2[21]);
644 step3[22] = _mm256_sub_epi16(step1[17], step2[22]);
645 step3[23] = _mm256_sub_epi16(step1[16], step2[23]);
646 step3[24] = _mm256_sub_epi16(step1[31], step2[24]);
647 step3[25] = _mm256_sub_epi16(step1[30], step2[25]);
648 step3[26] = _mm256_sub_epi16(step1[29], step2[26]);
649 step3[27] = _mm256_sub_epi16(step1[28], step2[27]);
650 step3[28] = _mm256_add_epi16(step2[27], step1[28]);
651 step3[29] = _mm256_add_epi16(step2[26], step1[29]);
652 step3[30] = _mm256_add_epi16(step2[25], step1[30]);
653 step3[31] = _mm256_add_epi16(step2[24], step1[31]);
654 }
655
656 // Stage 4
657 {
658 step1[0] = _mm256_add_epi16(step3[3], step3[0]);
659 step1[1] = _mm256_add_epi16(step3[2], step3[1]);
660 step1[2] = _mm256_sub_epi16(step3[1], step3[2]);
661 step1[3] = _mm256_sub_epi16(step3[0], step3[3]);
662 step1[8] = _mm256_add_epi16(step3[11], step2[8]);
663 step1[9] = _mm256_add_epi16(step3[10], step2[9]);
664 step1[10] = _mm256_sub_epi16(step2[9], step3[10]);
665 step1[11] = _mm256_sub_epi16(step2[8], step3[11]);
666 step1[12] = _mm256_sub_epi16(step2[15], step3[12]);
667 step1[13] = _mm256_sub_epi16(step2[14], step3[13]);
668 step1[14] = _mm256_add_epi16(step3[13], step2[14]);
669 step1[15] = _mm256_add_epi16(step3[12], step2[15]);
670 }
671 {
672 const __m256i s1_05_0 = _mm256_unpacklo_epi16(step3[6], step3[5]);
673 const __m256i s1_05_1 = _mm256_unpackhi_epi16(step3[6], step3[5]);
674 const __m256i s1_05_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_m16);
675 const __m256i s1_05_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_m16);
676 const __m256i s1_06_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_p16);
677 const __m256i s1_06_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_p16);
678 // dct_const_round_shift
679 const __m256i s1_05_4 =
680 _mm256_add_epi32(s1_05_2, k__DCT_CONST_ROUNDING);
681 const __m256i s1_05_5 =
682 _mm256_add_epi32(s1_05_3, k__DCT_CONST_ROUNDING);
683 const __m256i s1_06_4 =
684 _mm256_add_epi32(s1_06_2, k__DCT_CONST_ROUNDING);
685 const __m256i s1_06_5 =
686 _mm256_add_epi32(s1_06_3, k__DCT_CONST_ROUNDING);
687 const __m256i s1_05_6 = _mm256_srai_epi32(s1_05_4, DCT_CONST_BITS);
688 const __m256i s1_05_7 = _mm256_srai_epi32(s1_05_5, DCT_CONST_BITS);
689 const __m256i s1_06_6 = _mm256_srai_epi32(s1_06_4, DCT_CONST_BITS);
690 const __m256i s1_06_7 = _mm256_srai_epi32(s1_06_5, DCT_CONST_BITS);
691 // Combine
692 step1[5] = _mm256_packs_epi32(s1_05_6, s1_05_7);
693 step1[6] = _mm256_packs_epi32(s1_06_6, s1_06_7);
694 }
695 {
696 const __m256i s1_18_0 = _mm256_unpacklo_epi16(step3[18], step3[29]);
697 const __m256i s1_18_1 = _mm256_unpackhi_epi16(step3[18], step3[29]);
698 const __m256i s1_19_0 = _mm256_unpacklo_epi16(step3[19], step3[28]);
699 const __m256i s1_19_1 = _mm256_unpackhi_epi16(step3[19], step3[28]);
700 const __m256i s1_20_0 = _mm256_unpacklo_epi16(step3[20], step3[27]);
701 const __m256i s1_20_1 = _mm256_unpackhi_epi16(step3[20], step3[27]);
702 const __m256i s1_21_0 = _mm256_unpacklo_epi16(step3[21], step3[26]);
703 const __m256i s1_21_1 = _mm256_unpackhi_epi16(step3[21], step3[26]);
704 const __m256i s1_18_2 = _mm256_madd_epi16(s1_18_0, k__cospi_m08_p24);
705 const __m256i s1_18_3 = _mm256_madd_epi16(s1_18_1, k__cospi_m08_p24);
706 const __m256i s1_19_2 = _mm256_madd_epi16(s1_19_0, k__cospi_m08_p24);
707 const __m256i s1_19_3 = _mm256_madd_epi16(s1_19_1, k__cospi_m08_p24);
708 const __m256i s1_20_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m24_m08);
709 const __m256i s1_20_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m24_m08);
710 const __m256i s1_21_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m24_m08);
711 const __m256i s1_21_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m24_m08);
712 const __m256i s1_26_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m08_p24);
713 const __m256i s1_26_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m08_p24);
714 const __m256i s1_27_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m08_p24);
715 const __m256i s1_27_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m08_p24);
716 const __m256i s1_28_2 = _mm256_madd_epi16(s1_19_0, k__cospi_p24_p08);
717 const __m256i s1_28_3 = _mm256_madd_epi16(s1_19_1, k__cospi_p24_p08);
718 const __m256i s1_29_2 = _mm256_madd_epi16(s1_18_0, k__cospi_p24_p08);
719 const __m256i s1_29_3 = _mm256_madd_epi16(s1_18_1, k__cospi_p24_p08);
720 // dct_const_round_shift
721 const __m256i s1_18_4 =
722 _mm256_add_epi32(s1_18_2, k__DCT_CONST_ROUNDING);
723 const __m256i s1_18_5 =
724 _mm256_add_epi32(s1_18_3, k__DCT_CONST_ROUNDING);
725 const __m256i s1_19_4 =
726 _mm256_add_epi32(s1_19_2, k__DCT_CONST_ROUNDING);
727 const __m256i s1_19_5 =
728 _mm256_add_epi32(s1_19_3, k__DCT_CONST_ROUNDING);
729 const __m256i s1_20_4 =
730 _mm256_add_epi32(s1_20_2, k__DCT_CONST_ROUNDING);
731 const __m256i s1_20_5 =
732 _mm256_add_epi32(s1_20_3, k__DCT_CONST_ROUNDING);
733 const __m256i s1_21_4 =
734 _mm256_add_epi32(s1_21_2, k__DCT_CONST_ROUNDING);
735 const __m256i s1_21_5 =
736 _mm256_add_epi32(s1_21_3, k__DCT_CONST_ROUNDING);
737 const __m256i s1_26_4 =
738 _mm256_add_epi32(s1_26_2, k__DCT_CONST_ROUNDING);
739 const __m256i s1_26_5 =
740 _mm256_add_epi32(s1_26_3, k__DCT_CONST_ROUNDING);
741 const __m256i s1_27_4 =
742 _mm256_add_epi32(s1_27_2, k__DCT_CONST_ROUNDING);
743 const __m256i s1_27_5 =
744 _mm256_add_epi32(s1_27_3, k__DCT_CONST_ROUNDING);
745 const __m256i s1_28_4 =
746 _mm256_add_epi32(s1_28_2, k__DCT_CONST_ROUNDING);
747 const __m256i s1_28_5 =
748 _mm256_add_epi32(s1_28_3, k__DCT_CONST_ROUNDING);
749 const __m256i s1_29_4 =
750 _mm256_add_epi32(s1_29_2, k__DCT_CONST_ROUNDING);
751 const __m256i s1_29_5 =
752 _mm256_add_epi32(s1_29_3, k__DCT_CONST_ROUNDING);
753 const __m256i s1_18_6 = _mm256_srai_epi32(s1_18_4, DCT_CONST_BITS);
754 const __m256i s1_18_7 = _mm256_srai_epi32(s1_18_5, DCT_CONST_BITS);
755 const __m256i s1_19_6 = _mm256_srai_epi32(s1_19_4, DCT_CONST_BITS);
756 const __m256i s1_19_7 = _mm256_srai_epi32(s1_19_5, DCT_CONST_BITS);
757 const __m256i s1_20_6 = _mm256_srai_epi32(s1_20_4, DCT_CONST_BITS);
758 const __m256i s1_20_7 = _mm256_srai_epi32(s1_20_5, DCT_CONST_BITS);
759 const __m256i s1_21_6 = _mm256_srai_epi32(s1_21_4, DCT_CONST_BITS);
760 const __m256i s1_21_7 = _mm256_srai_epi32(s1_21_5, DCT_CONST_BITS);
761 const __m256i s1_26_6 = _mm256_srai_epi32(s1_26_4, DCT_CONST_BITS);
762 const __m256i s1_26_7 = _mm256_srai_epi32(s1_26_5, DCT_CONST_BITS);
763 const __m256i s1_27_6 = _mm256_srai_epi32(s1_27_4, DCT_CONST_BITS);
764 const __m256i s1_27_7 = _mm256_srai_epi32(s1_27_5, DCT_CONST_BITS);
765 const __m256i s1_28_6 = _mm256_srai_epi32(s1_28_4, DCT_CONST_BITS);
766 const __m256i s1_28_7 = _mm256_srai_epi32(s1_28_5, DCT_CONST_BITS);
767 const __m256i s1_29_6 = _mm256_srai_epi32(s1_29_4, DCT_CONST_BITS);
768 const __m256i s1_29_7 = _mm256_srai_epi32(s1_29_5, DCT_CONST_BITS);
769 // Combine
770 step1[18] = _mm256_packs_epi32(s1_18_6, s1_18_7);
771 step1[19] = _mm256_packs_epi32(s1_19_6, s1_19_7);
772 step1[20] = _mm256_packs_epi32(s1_20_6, s1_20_7);
773 step1[21] = _mm256_packs_epi32(s1_21_6, s1_21_7);
774 step1[26] = _mm256_packs_epi32(s1_26_6, s1_26_7);
775 step1[27] = _mm256_packs_epi32(s1_27_6, s1_27_7);
776 step1[28] = _mm256_packs_epi32(s1_28_6, s1_28_7);
777 step1[29] = _mm256_packs_epi32(s1_29_6, s1_29_7);
778 }
779 // Stage 5
780 {
781 step2[4] = _mm256_add_epi16(step1[5], step3[4]);
782 step2[5] = _mm256_sub_epi16(step3[4], step1[5]);
783 step2[6] = _mm256_sub_epi16(step3[7], step1[6]);
784 step2[7] = _mm256_add_epi16(step1[6], step3[7]);
785 }
786 {
787 const __m256i out_00_0 = _mm256_unpacklo_epi16(step1[0], step1[1]);
788 const __m256i out_00_1 = _mm256_unpackhi_epi16(step1[0], step1[1]);
789 const __m256i out_08_0 = _mm256_unpacklo_epi16(step1[2], step1[3]);
790 const __m256i out_08_1 = _mm256_unpackhi_epi16(step1[2], step1[3]);
791 const __m256i out_00_2 =
792 _mm256_madd_epi16(out_00_0, k__cospi_p16_p16);
793 const __m256i out_00_3 =
794 _mm256_madd_epi16(out_00_1, k__cospi_p16_p16);
795 const __m256i out_16_2 =
796 _mm256_madd_epi16(out_00_0, k__cospi_p16_m16);
797 const __m256i out_16_3 =
798 _mm256_madd_epi16(out_00_1, k__cospi_p16_m16);
799 const __m256i out_08_2 =
800 _mm256_madd_epi16(out_08_0, k__cospi_p24_p08);
801 const __m256i out_08_3 =
802 _mm256_madd_epi16(out_08_1, k__cospi_p24_p08);
803 const __m256i out_24_2 =
804 _mm256_madd_epi16(out_08_0, k__cospi_m08_p24);
805 const __m256i out_24_3 =
806 _mm256_madd_epi16(out_08_1, k__cospi_m08_p24);
807 // dct_const_round_shift
808 const __m256i out_00_4 =
809 _mm256_add_epi32(out_00_2, k__DCT_CONST_ROUNDING);
810 const __m256i out_00_5 =
811 _mm256_add_epi32(out_00_3, k__DCT_CONST_ROUNDING);
812 const __m256i out_16_4 =
813 _mm256_add_epi32(out_16_2, k__DCT_CONST_ROUNDING);
814 const __m256i out_16_5 =
815 _mm256_add_epi32(out_16_3, k__DCT_CONST_ROUNDING);
816 const __m256i out_08_4 =
817 _mm256_add_epi32(out_08_2, k__DCT_CONST_ROUNDING);
818 const __m256i out_08_5 =
819 _mm256_add_epi32(out_08_3, k__DCT_CONST_ROUNDING);
820 const __m256i out_24_4 =
821 _mm256_add_epi32(out_24_2, k__DCT_CONST_ROUNDING);
822 const __m256i out_24_5 =
823 _mm256_add_epi32(out_24_3, k__DCT_CONST_ROUNDING);
824 const __m256i out_00_6 = _mm256_srai_epi32(out_00_4, DCT_CONST_BITS);
825 const __m256i out_00_7 = _mm256_srai_epi32(out_00_5, DCT_CONST_BITS);
826 const __m256i out_16_6 = _mm256_srai_epi32(out_16_4, DCT_CONST_BITS);
827 const __m256i out_16_7 = _mm256_srai_epi32(out_16_5, DCT_CONST_BITS);
828 const __m256i out_08_6 = _mm256_srai_epi32(out_08_4, DCT_CONST_BITS);
829 const __m256i out_08_7 = _mm256_srai_epi32(out_08_5, DCT_CONST_BITS);
830 const __m256i out_24_6 = _mm256_srai_epi32(out_24_4, DCT_CONST_BITS);
831 const __m256i out_24_7 = _mm256_srai_epi32(out_24_5, DCT_CONST_BITS);
832 // Combine
833 out[0] = _mm256_packs_epi32(out_00_6, out_00_7);
834 out[16] = _mm256_packs_epi32(out_16_6, out_16_7);
835 out[8] = _mm256_packs_epi32(out_08_6, out_08_7);
836 out[24] = _mm256_packs_epi32(out_24_6, out_24_7);
837 }
838 {
839 const __m256i s2_09_0 = _mm256_unpacklo_epi16(step1[9], step1[14]);
840 const __m256i s2_09_1 = _mm256_unpackhi_epi16(step1[9], step1[14]);
841 const __m256i s2_10_0 = _mm256_unpacklo_epi16(step1[10], step1[13]);
842 const __m256i s2_10_1 = _mm256_unpackhi_epi16(step1[10], step1[13]);
843 const __m256i s2_09_2 = _mm256_madd_epi16(s2_09_0, k__cospi_m08_p24);
844 const __m256i s2_09_3 = _mm256_madd_epi16(s2_09_1, k__cospi_m08_p24);
845 const __m256i s2_10_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m24_m08);
846 const __m256i s2_10_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m24_m08);
847 const __m256i s2_13_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m08_p24);
848 const __m256i s2_13_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m08_p24);
849 const __m256i s2_14_2 = _mm256_madd_epi16(s2_09_0, k__cospi_p24_p08);
850 const __m256i s2_14_3 = _mm256_madd_epi16(s2_09_1, k__cospi_p24_p08);
851 // dct_const_round_shift
852 const __m256i s2_09_4 =
853 _mm256_add_epi32(s2_09_2, k__DCT_CONST_ROUNDING);
854 const __m256i s2_09_5 =
855 _mm256_add_epi32(s2_09_3, k__DCT_CONST_ROUNDING);
856 const __m256i s2_10_4 =
857 _mm256_add_epi32(s2_10_2, k__DCT_CONST_ROUNDING);
858 const __m256i s2_10_5 =
859 _mm256_add_epi32(s2_10_3, k__DCT_CONST_ROUNDING);
860 const __m256i s2_13_4 =
861 _mm256_add_epi32(s2_13_2, k__DCT_CONST_ROUNDING);
862 const __m256i s2_13_5 =
863 _mm256_add_epi32(s2_13_3, k__DCT_CONST_ROUNDING);
864 const __m256i s2_14_4 =
865 _mm256_add_epi32(s2_14_2, k__DCT_CONST_ROUNDING);
866 const __m256i s2_14_5 =
867 _mm256_add_epi32(s2_14_3, k__DCT_CONST_ROUNDING);
868 const __m256i s2_09_6 = _mm256_srai_epi32(s2_09_4, DCT_CONST_BITS);
869 const __m256i s2_09_7 = _mm256_srai_epi32(s2_09_5, DCT_CONST_BITS);
870 const __m256i s2_10_6 = _mm256_srai_epi32(s2_10_4, DCT_CONST_BITS);
871 const __m256i s2_10_7 = _mm256_srai_epi32(s2_10_5, DCT_CONST_BITS);
872 const __m256i s2_13_6 = _mm256_srai_epi32(s2_13_4, DCT_CONST_BITS);
873 const __m256i s2_13_7 = _mm256_srai_epi32(s2_13_5, DCT_CONST_BITS);
874 const __m256i s2_14_6 = _mm256_srai_epi32(s2_14_4, DCT_CONST_BITS);
875 const __m256i s2_14_7 = _mm256_srai_epi32(s2_14_5, DCT_CONST_BITS);
876 // Combine
877 step2[9] = _mm256_packs_epi32(s2_09_6, s2_09_7);
878 step2[10] = _mm256_packs_epi32(s2_10_6, s2_10_7);
879 step2[13] = _mm256_packs_epi32(s2_13_6, s2_13_7);
880 step2[14] = _mm256_packs_epi32(s2_14_6, s2_14_7);
881 }
882 {
883 step2[16] = _mm256_add_epi16(step1[19], step3[16]);
884 step2[17] = _mm256_add_epi16(step1[18], step3[17]);
885 step2[18] = _mm256_sub_epi16(step3[17], step1[18]);
886 step2[19] = _mm256_sub_epi16(step3[16], step1[19]);
887 step2[20] = _mm256_sub_epi16(step3[23], step1[20]);
888 step2[21] = _mm256_sub_epi16(step3[22], step1[21]);
889 step2[22] = _mm256_add_epi16(step1[21], step3[22]);
890 step2[23] = _mm256_add_epi16(step1[20], step3[23]);
891 step2[24] = _mm256_add_epi16(step1[27], step3[24]);
892 step2[25] = _mm256_add_epi16(step1[26], step3[25]);
893 step2[26] = _mm256_sub_epi16(step3[25], step1[26]);
894 step2[27] = _mm256_sub_epi16(step3[24], step1[27]);
895 step2[28] = _mm256_sub_epi16(step3[31], step1[28]);
896 step2[29] = _mm256_sub_epi16(step3[30], step1[29]);
897 step2[30] = _mm256_add_epi16(step1[29], step3[30]);
898 step2[31] = _mm256_add_epi16(step1[28], step3[31]);
899 }
900 // Stage 6
901 {
902 const __m256i out_04_0 = _mm256_unpacklo_epi16(step2[4], step2[7]);
903 const __m256i out_04_1 = _mm256_unpackhi_epi16(step2[4], step2[7]);
904 const __m256i out_20_0 = _mm256_unpacklo_epi16(step2[5], step2[6]);
905 const __m256i out_20_1 = _mm256_unpackhi_epi16(step2[5], step2[6]);
906 const __m256i out_12_0 = _mm256_unpacklo_epi16(step2[5], step2[6]);
907 const __m256i out_12_1 = _mm256_unpackhi_epi16(step2[5], step2[6]);
908 const __m256i out_28_0 = _mm256_unpacklo_epi16(step2[4], step2[7]);
909 const __m256i out_28_1 = _mm256_unpackhi_epi16(step2[4], step2[7]);
910 const __m256i out_04_2 =
911 _mm256_madd_epi16(out_04_0, k__cospi_p28_p04);
912 const __m256i out_04_3 =
913 _mm256_madd_epi16(out_04_1, k__cospi_p28_p04);
914 const __m256i out_20_2 =
915 _mm256_madd_epi16(out_20_0, k__cospi_p12_p20);
916 const __m256i out_20_3 =
917 _mm256_madd_epi16(out_20_1, k__cospi_p12_p20);
918 const __m256i out_12_2 =
919 _mm256_madd_epi16(out_12_0, k__cospi_m20_p12);
920 const __m256i out_12_3 =
921 _mm256_madd_epi16(out_12_1, k__cospi_m20_p12);
922 const __m256i out_28_2 =
923 _mm256_madd_epi16(out_28_0, k__cospi_m04_p28);
924 const __m256i out_28_3 =
925 _mm256_madd_epi16(out_28_1, k__cospi_m04_p28);
926 // dct_const_round_shift
927 const __m256i out_04_4 =
928 _mm256_add_epi32(out_04_2, k__DCT_CONST_ROUNDING);
929 const __m256i out_04_5 =
930 _mm256_add_epi32(out_04_3, k__DCT_CONST_ROUNDING);
931 const __m256i out_20_4 =
932 _mm256_add_epi32(out_20_2, k__DCT_CONST_ROUNDING);
933 const __m256i out_20_5 =
934 _mm256_add_epi32(out_20_3, k__DCT_CONST_ROUNDING);
935 const __m256i out_12_4 =
936 _mm256_add_epi32(out_12_2, k__DCT_CONST_ROUNDING);
937 const __m256i out_12_5 =
938 _mm256_add_epi32(out_12_3, k__DCT_CONST_ROUNDING);
939 const __m256i out_28_4 =
940 _mm256_add_epi32(out_28_2, k__DCT_CONST_ROUNDING);
941 const __m256i out_28_5 =
942 _mm256_add_epi32(out_28_3, k__DCT_CONST_ROUNDING);
943 const __m256i out_04_6 = _mm256_srai_epi32(out_04_4, DCT_CONST_BITS);
944 const __m256i out_04_7 = _mm256_srai_epi32(out_04_5, DCT_CONST_BITS);
945 const __m256i out_20_6 = _mm256_srai_epi32(out_20_4, DCT_CONST_BITS);
946 const __m256i out_20_7 = _mm256_srai_epi32(out_20_5, DCT_CONST_BITS);
947 const __m256i out_12_6 = _mm256_srai_epi32(out_12_4, DCT_CONST_BITS);
948 const __m256i out_12_7 = _mm256_srai_epi32(out_12_5, DCT_CONST_BITS);
949 const __m256i out_28_6 = _mm256_srai_epi32(out_28_4, DCT_CONST_BITS);
950 const __m256i out_28_7 = _mm256_srai_epi32(out_28_5, DCT_CONST_BITS);
951 // Combine
952 out[4] = _mm256_packs_epi32(out_04_6, out_04_7);
953 out[20] = _mm256_packs_epi32(out_20_6, out_20_7);
954 out[12] = _mm256_packs_epi32(out_12_6, out_12_7);
955 out[28] = _mm256_packs_epi32(out_28_6, out_28_7);
956 }
957 {
958 step3[8] = _mm256_add_epi16(step2[9], step1[8]);
959 step3[9] = _mm256_sub_epi16(step1[8], step2[9]);
960 step3[10] = _mm256_sub_epi16(step1[11], step2[10]);
961 step3[11] = _mm256_add_epi16(step2[10], step1[11]);
962 step3[12] = _mm256_add_epi16(step2[13], step1[12]);
963 step3[13] = _mm256_sub_epi16(step1[12], step2[13]);
964 step3[14] = _mm256_sub_epi16(step1[15], step2[14]);
965 step3[15] = _mm256_add_epi16(step2[14], step1[15]);
966 }
967 {
968 const __m256i s3_17_0 = _mm256_unpacklo_epi16(step2[17], step2[30]);
969 const __m256i s3_17_1 = _mm256_unpackhi_epi16(step2[17], step2[30]);
970 const __m256i s3_18_0 = _mm256_unpacklo_epi16(step2[18], step2[29]);
971 const __m256i s3_18_1 = _mm256_unpackhi_epi16(step2[18], step2[29]);
972 const __m256i s3_21_0 = _mm256_unpacklo_epi16(step2[21], step2[26]);
973 const __m256i s3_21_1 = _mm256_unpackhi_epi16(step2[21], step2[26]);
974 const __m256i s3_22_0 = _mm256_unpacklo_epi16(step2[22], step2[25]);
975 const __m256i s3_22_1 = _mm256_unpackhi_epi16(step2[22], step2[25]);
976 const __m256i s3_17_2 = _mm256_madd_epi16(s3_17_0, k__cospi_m04_p28);
977 const __m256i s3_17_3 = _mm256_madd_epi16(s3_17_1, k__cospi_m04_p28);
978 const __m256i s3_18_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m28_m04);
979 const __m256i s3_18_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m28_m04);
980 const __m256i s3_21_2 = _mm256_madd_epi16(s3_21_0, k__cospi_m20_p12);
981 const __m256i s3_21_3 = _mm256_madd_epi16(s3_21_1, k__cospi_m20_p12);
982 const __m256i s3_22_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m12_m20);
983 const __m256i s3_22_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m12_m20);
984 const __m256i s3_25_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m20_p12);
985 const __m256i s3_25_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m20_p12);
986 const __m256i s3_26_2 = _mm256_madd_epi16(s3_21_0, k__cospi_p12_p20);
987 const __m256i s3_26_3 = _mm256_madd_epi16(s3_21_1, k__cospi_p12_p20);
988 const __m256i s3_29_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m04_p28);
989 const __m256i s3_29_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m04_p28);
990 const __m256i s3_30_2 = _mm256_madd_epi16(s3_17_0, k__cospi_p28_p04);
991 const __m256i s3_30_3 = _mm256_madd_epi16(s3_17_1, k__cospi_p28_p04);
992 // dct_const_round_shift
993 const __m256i s3_17_4 =
994 _mm256_add_epi32(s3_17_2, k__DCT_CONST_ROUNDING);
995 const __m256i s3_17_5 =
996 _mm256_add_epi32(s3_17_3, k__DCT_CONST_ROUNDING);
997 const __m256i s3_18_4 =
998 _mm256_add_epi32(s3_18_2, k__DCT_CONST_ROUNDING);
999 const __m256i s3_18_5 =
1000 _mm256_add_epi32(s3_18_3, k__DCT_CONST_ROUNDING);
1001 const __m256i s3_21_4 =
1002 _mm256_add_epi32(s3_21_2, k__DCT_CONST_ROUNDING);
1003 const __m256i s3_21_5 =
1004 _mm256_add_epi32(s3_21_3, k__DCT_CONST_ROUNDING);
1005 const __m256i s3_22_4 =
1006 _mm256_add_epi32(s3_22_2, k__DCT_CONST_ROUNDING);
1007 const __m256i s3_22_5 =
1008 _mm256_add_epi32(s3_22_3, k__DCT_CONST_ROUNDING);
1009 const __m256i s3_17_6 = _mm256_srai_epi32(s3_17_4, DCT_CONST_BITS);
1010 const __m256i s3_17_7 = _mm256_srai_epi32(s3_17_5, DCT_CONST_BITS);
1011 const __m256i s3_18_6 = _mm256_srai_epi32(s3_18_4, DCT_CONST_BITS);
1012 const __m256i s3_18_7 = _mm256_srai_epi32(s3_18_5, DCT_CONST_BITS);
1013 const __m256i s3_21_6 = _mm256_srai_epi32(s3_21_4, DCT_CONST_BITS);
1014 const __m256i s3_21_7 = _mm256_srai_epi32(s3_21_5, DCT_CONST_BITS);
1015 const __m256i s3_22_6 = _mm256_srai_epi32(s3_22_4, DCT_CONST_BITS);
1016 const __m256i s3_22_7 = _mm256_srai_epi32(s3_22_5, DCT_CONST_BITS);
1017 const __m256i s3_25_4 =
1018 _mm256_add_epi32(s3_25_2, k__DCT_CONST_ROUNDING);
1019 const __m256i s3_25_5 =
1020 _mm256_add_epi32(s3_25_3, k__DCT_CONST_ROUNDING);
1021 const __m256i s3_26_4 =
1022 _mm256_add_epi32(s3_26_2, k__DCT_CONST_ROUNDING);
1023 const __m256i s3_26_5 =
1024 _mm256_add_epi32(s3_26_3, k__DCT_CONST_ROUNDING);
1025 const __m256i s3_29_4 =
1026 _mm256_add_epi32(s3_29_2, k__DCT_CONST_ROUNDING);
1027 const __m256i s3_29_5 =
1028 _mm256_add_epi32(s3_29_3, k__DCT_CONST_ROUNDING);
1029 const __m256i s3_30_4 =
1030 _mm256_add_epi32(s3_30_2, k__DCT_CONST_ROUNDING);
1031 const __m256i s3_30_5 =
1032 _mm256_add_epi32(s3_30_3, k__DCT_CONST_ROUNDING);
1033 const __m256i s3_25_6 = _mm256_srai_epi32(s3_25_4, DCT_CONST_BITS);
1034 const __m256i s3_25_7 = _mm256_srai_epi32(s3_25_5, DCT_CONST_BITS);
1035 const __m256i s3_26_6 = _mm256_srai_epi32(s3_26_4, DCT_CONST_BITS);
1036 const __m256i s3_26_7 = _mm256_srai_epi32(s3_26_5, DCT_CONST_BITS);
1037 const __m256i s3_29_6 = _mm256_srai_epi32(s3_29_4, DCT_CONST_BITS);
1038 const __m256i s3_29_7 = _mm256_srai_epi32(s3_29_5, DCT_CONST_BITS);
1039 const __m256i s3_30_6 = _mm256_srai_epi32(s3_30_4, DCT_CONST_BITS);
1040 const __m256i s3_30_7 = _mm256_srai_epi32(s3_30_5, DCT_CONST_BITS);
1041 // Combine
1042 step3[17] = _mm256_packs_epi32(s3_17_6, s3_17_7);
1043 step3[18] = _mm256_packs_epi32(s3_18_6, s3_18_7);
1044 step3[21] = _mm256_packs_epi32(s3_21_6, s3_21_7);
1045 step3[22] = _mm256_packs_epi32(s3_22_6, s3_22_7);
1046 // Combine
1047 step3[25] = _mm256_packs_epi32(s3_25_6, s3_25_7);
1048 step3[26] = _mm256_packs_epi32(s3_26_6, s3_26_7);
1049 step3[29] = _mm256_packs_epi32(s3_29_6, s3_29_7);
1050 step3[30] = _mm256_packs_epi32(s3_30_6, s3_30_7);
1051 }
1052 // Stage 7
1053 {
1054 const __m256i out_02_0 = _mm256_unpacklo_epi16(step3[8], step3[15]);
1055 const __m256i out_02_1 = _mm256_unpackhi_epi16(step3[8], step3[15]);
1056 const __m256i out_18_0 = _mm256_unpacklo_epi16(step3[9], step3[14]);
1057 const __m256i out_18_1 = _mm256_unpackhi_epi16(step3[9], step3[14]);
1058 const __m256i out_10_0 = _mm256_unpacklo_epi16(step3[10], step3[13]);
1059 const __m256i out_10_1 = _mm256_unpackhi_epi16(step3[10], step3[13]);
1060 const __m256i out_26_0 = _mm256_unpacklo_epi16(step3[11], step3[12]);
1061 const __m256i out_26_1 = _mm256_unpackhi_epi16(step3[11], step3[12]);
1062 const __m256i out_02_2 =
1063 _mm256_madd_epi16(out_02_0, k__cospi_p30_p02);
1064 const __m256i out_02_3 =
1065 _mm256_madd_epi16(out_02_1, k__cospi_p30_p02);
1066 const __m256i out_18_2 =
1067 _mm256_madd_epi16(out_18_0, k__cospi_p14_p18);
1068 const __m256i out_18_3 =
1069 _mm256_madd_epi16(out_18_1, k__cospi_p14_p18);
1070 const __m256i out_10_2 =
1071 _mm256_madd_epi16(out_10_0, k__cospi_p22_p10);
1072 const __m256i out_10_3 =
1073 _mm256_madd_epi16(out_10_1, k__cospi_p22_p10);
1074 const __m256i out_26_2 =
1075 _mm256_madd_epi16(out_26_0, k__cospi_p06_p26);
1076 const __m256i out_26_3 =
1077 _mm256_madd_epi16(out_26_1, k__cospi_p06_p26);
1078 const __m256i out_06_2 =
1079 _mm256_madd_epi16(out_26_0, k__cospi_m26_p06);
1080 const __m256i out_06_3 =
1081 _mm256_madd_epi16(out_26_1, k__cospi_m26_p06);
1082 const __m256i out_22_2 =
1083 _mm256_madd_epi16(out_10_0, k__cospi_m10_p22);
1084 const __m256i out_22_3 =
1085 _mm256_madd_epi16(out_10_1, k__cospi_m10_p22);
1086 const __m256i out_14_2 =
1087 _mm256_madd_epi16(out_18_0, k__cospi_m18_p14);
1088 const __m256i out_14_3 =
1089 _mm256_madd_epi16(out_18_1, k__cospi_m18_p14);
1090 const __m256i out_30_2 =
1091 _mm256_madd_epi16(out_02_0, k__cospi_m02_p30);
1092 const __m256i out_30_3 =
1093 _mm256_madd_epi16(out_02_1, k__cospi_m02_p30);
1094 // dct_const_round_shift
1095 const __m256i out_02_4 =
1096 _mm256_add_epi32(out_02_2, k__DCT_CONST_ROUNDING);
1097 const __m256i out_02_5 =
1098 _mm256_add_epi32(out_02_3, k__DCT_CONST_ROUNDING);
1099 const __m256i out_18_4 =
1100 _mm256_add_epi32(out_18_2, k__DCT_CONST_ROUNDING);
1101 const __m256i out_18_5 =
1102 _mm256_add_epi32(out_18_3, k__DCT_CONST_ROUNDING);
1103 const __m256i out_10_4 =
1104 _mm256_add_epi32(out_10_2, k__DCT_CONST_ROUNDING);
1105 const __m256i out_10_5 =
1106 _mm256_add_epi32(out_10_3, k__DCT_CONST_ROUNDING);
1107 const __m256i out_26_4 =
1108 _mm256_add_epi32(out_26_2, k__DCT_CONST_ROUNDING);
1109 const __m256i out_26_5 =
1110 _mm256_add_epi32(out_26_3, k__DCT_CONST_ROUNDING);
1111 const __m256i out_06_4 =
1112 _mm256_add_epi32(out_06_2, k__DCT_CONST_ROUNDING);
1113 const __m256i out_06_5 =
1114 _mm256_add_epi32(out_06_3, k__DCT_CONST_ROUNDING);
1115 const __m256i out_22_4 =
1116 _mm256_add_epi32(out_22_2, k__DCT_CONST_ROUNDING);
1117 const __m256i out_22_5 =
1118 _mm256_add_epi32(out_22_3, k__DCT_CONST_ROUNDING);
1119 const __m256i out_14_4 =
1120 _mm256_add_epi32(out_14_2, k__DCT_CONST_ROUNDING);
1121 const __m256i out_14_5 =
1122 _mm256_add_epi32(out_14_3, k__DCT_CONST_ROUNDING);
1123 const __m256i out_30_4 =
1124 _mm256_add_epi32(out_30_2, k__DCT_CONST_ROUNDING);
1125 const __m256i out_30_5 =
1126 _mm256_add_epi32(out_30_3, k__DCT_CONST_ROUNDING);
1127 const __m256i out_02_6 = _mm256_srai_epi32(out_02_4, DCT_CONST_BITS);
1128 const __m256i out_02_7 = _mm256_srai_epi32(out_02_5, DCT_CONST_BITS);
1129 const __m256i out_18_6 = _mm256_srai_epi32(out_18_4, DCT_CONST_BITS);
1130 const __m256i out_18_7 = _mm256_srai_epi32(out_18_5, DCT_CONST_BITS);
1131 const __m256i out_10_6 = _mm256_srai_epi32(out_10_4, DCT_CONST_BITS);
1132 const __m256i out_10_7 = _mm256_srai_epi32(out_10_5, DCT_CONST_BITS);
1133 const __m256i out_26_6 = _mm256_srai_epi32(out_26_4, DCT_CONST_BITS);
1134 const __m256i out_26_7 = _mm256_srai_epi32(out_26_5, DCT_CONST_BITS);
1135 const __m256i out_06_6 = _mm256_srai_epi32(out_06_4, DCT_CONST_BITS);
1136 const __m256i out_06_7 = _mm256_srai_epi32(out_06_5, DCT_CONST_BITS);
1137 const __m256i out_22_6 = _mm256_srai_epi32(out_22_4, DCT_CONST_BITS);
1138 const __m256i out_22_7 = _mm256_srai_epi32(out_22_5, DCT_CONST_BITS);
1139 const __m256i out_14_6 = _mm256_srai_epi32(out_14_4, DCT_CONST_BITS);
1140 const __m256i out_14_7 = _mm256_srai_epi32(out_14_5, DCT_CONST_BITS);
1141 const __m256i out_30_6 = _mm256_srai_epi32(out_30_4, DCT_CONST_BITS);
1142 const __m256i out_30_7 = _mm256_srai_epi32(out_30_5, DCT_CONST_BITS);
1143 // Combine
1144 out[2] = _mm256_packs_epi32(out_02_6, out_02_7);
1145 out[18] = _mm256_packs_epi32(out_18_6, out_18_7);
1146 out[10] = _mm256_packs_epi32(out_10_6, out_10_7);
1147 out[26] = _mm256_packs_epi32(out_26_6, out_26_7);
1148 out[6] = _mm256_packs_epi32(out_06_6, out_06_7);
1149 out[22] = _mm256_packs_epi32(out_22_6, out_22_7);
1150 out[14] = _mm256_packs_epi32(out_14_6, out_14_7);
1151 out[30] = _mm256_packs_epi32(out_30_6, out_30_7);
1152 }
1153 {
1154 step1[16] = _mm256_add_epi16(step3[17], step2[16]);
1155 step1[17] = _mm256_sub_epi16(step2[16], step3[17]);
1156 step1[18] = _mm256_sub_epi16(step2[19], step3[18]);
1157 step1[19] = _mm256_add_epi16(step3[18], step2[19]);
1158 step1[20] = _mm256_add_epi16(step3[21], step2[20]);
1159 step1[21] = _mm256_sub_epi16(step2[20], step3[21]);
1160 step1[22] = _mm256_sub_epi16(step2[23], step3[22]);
1161 step1[23] = _mm256_add_epi16(step3[22], step2[23]);
1162 step1[24] = _mm256_add_epi16(step3[25], step2[24]);
1163 step1[25] = _mm256_sub_epi16(step2[24], step3[25]);
1164 step1[26] = _mm256_sub_epi16(step2[27], step3[26]);
1165 step1[27] = _mm256_add_epi16(step3[26], step2[27]);
1166 step1[28] = _mm256_add_epi16(step3[29], step2[28]);
1167 step1[29] = _mm256_sub_epi16(step2[28], step3[29]);
1168 step1[30] = _mm256_sub_epi16(step2[31], step3[30]);
1169 step1[31] = _mm256_add_epi16(step3[30], step2[31]);
1170 }
1171 // Final stage --- outputs indices are bit-reversed.
1172 {
1173 const __m256i out_01_0 = _mm256_unpacklo_epi16(step1[16], step1[31]);
1174 const __m256i out_01_1 = _mm256_unpackhi_epi16(step1[16], step1[31]);
1175 const __m256i out_17_0 = _mm256_unpacklo_epi16(step1[17], step1[30]);
1176 const __m256i out_17_1 = _mm256_unpackhi_epi16(step1[17], step1[30]);
1177 const __m256i out_09_0 = _mm256_unpacklo_epi16(step1[18], step1[29]);
1178 const __m256i out_09_1 = _mm256_unpackhi_epi16(step1[18], step1[29]);
1179 const __m256i out_25_0 = _mm256_unpacklo_epi16(step1[19], step1[28]);
1180 const __m256i out_25_1 = _mm256_unpackhi_epi16(step1[19], step1[28]);
1181 const __m256i out_01_2 =
1182 _mm256_madd_epi16(out_01_0, k__cospi_p31_p01);
1183 const __m256i out_01_3 =
1184 _mm256_madd_epi16(out_01_1, k__cospi_p31_p01);
1185 const __m256i out_17_2 =
1186 _mm256_madd_epi16(out_17_0, k__cospi_p15_p17);
1187 const __m256i out_17_3 =
1188 _mm256_madd_epi16(out_17_1, k__cospi_p15_p17);
1189 const __m256i out_09_2 =
1190 _mm256_madd_epi16(out_09_0, k__cospi_p23_p09);
1191 const __m256i out_09_3 =
1192 _mm256_madd_epi16(out_09_1, k__cospi_p23_p09);
1193 const __m256i out_25_2 =
1194 _mm256_madd_epi16(out_25_0, k__cospi_p07_p25);
1195 const __m256i out_25_3 =
1196 _mm256_madd_epi16(out_25_1, k__cospi_p07_p25);
1197 const __m256i out_07_2 =
1198 _mm256_madd_epi16(out_25_0, k__cospi_m25_p07);
1199 const __m256i out_07_3 =
1200 _mm256_madd_epi16(out_25_1, k__cospi_m25_p07);
1201 const __m256i out_23_2 =
1202 _mm256_madd_epi16(out_09_0, k__cospi_m09_p23);
1203 const __m256i out_23_3 =
1204 _mm256_madd_epi16(out_09_1, k__cospi_m09_p23);
1205 const __m256i out_15_2 =
1206 _mm256_madd_epi16(out_17_0, k__cospi_m17_p15);
1207 const __m256i out_15_3 =
1208 _mm256_madd_epi16(out_17_1, k__cospi_m17_p15);
1209 const __m256i out_31_2 =
1210 _mm256_madd_epi16(out_01_0, k__cospi_m01_p31);
1211 const __m256i out_31_3 =
1212 _mm256_madd_epi16(out_01_1, k__cospi_m01_p31);
1213 // dct_const_round_shift
1214 const __m256i out_01_4 =
1215 _mm256_add_epi32(out_01_2, k__DCT_CONST_ROUNDING);
1216 const __m256i out_01_5 =
1217 _mm256_add_epi32(out_01_3, k__DCT_CONST_ROUNDING);
1218 const __m256i out_17_4 =
1219 _mm256_add_epi32(out_17_2, k__DCT_CONST_ROUNDING);
1220 const __m256i out_17_5 =
1221 _mm256_add_epi32(out_17_3, k__DCT_CONST_ROUNDING);
1222 const __m256i out_09_4 =
1223 _mm256_add_epi32(out_09_2, k__DCT_CONST_ROUNDING);
1224 const __m256i out_09_5 =
1225 _mm256_add_epi32(out_09_3, k__DCT_CONST_ROUNDING);
1226 const __m256i out_25_4 =
1227 _mm256_add_epi32(out_25_2, k__DCT_CONST_ROUNDING);
1228 const __m256i out_25_5 =
1229 _mm256_add_epi32(out_25_3, k__DCT_CONST_ROUNDING);
1230 const __m256i out_07_4 =
1231 _mm256_add_epi32(out_07_2, k__DCT_CONST_ROUNDING);
1232 const __m256i out_07_5 =
1233 _mm256_add_epi32(out_07_3, k__DCT_CONST_ROUNDING);
1234 const __m256i out_23_4 =
1235 _mm256_add_epi32(out_23_2, k__DCT_CONST_ROUNDING);
1236 const __m256i out_23_5 =
1237 _mm256_add_epi32(out_23_3, k__DCT_CONST_ROUNDING);
1238 const __m256i out_15_4 =
1239 _mm256_add_epi32(out_15_2, k__DCT_CONST_ROUNDING);
1240 const __m256i out_15_5 =
1241 _mm256_add_epi32(out_15_3, k__DCT_CONST_ROUNDING);
1242 const __m256i out_31_4 =
1243 _mm256_add_epi32(out_31_2, k__DCT_CONST_ROUNDING);
1244 const __m256i out_31_5 =
1245 _mm256_add_epi32(out_31_3, k__DCT_CONST_ROUNDING);
1246 const __m256i out_01_6 = _mm256_srai_epi32(out_01_4, DCT_CONST_BITS);
1247 const __m256i out_01_7 = _mm256_srai_epi32(out_01_5, DCT_CONST_BITS);
1248 const __m256i out_17_6 = _mm256_srai_epi32(out_17_4, DCT_CONST_BITS);
1249 const __m256i out_17_7 = _mm256_srai_epi32(out_17_5, DCT_CONST_BITS);
1250 const __m256i out_09_6 = _mm256_srai_epi32(out_09_4, DCT_CONST_BITS);
1251 const __m256i out_09_7 = _mm256_srai_epi32(out_09_5, DCT_CONST_BITS);
1252 const __m256i out_25_6 = _mm256_srai_epi32(out_25_4, DCT_CONST_BITS);
1253 const __m256i out_25_7 = _mm256_srai_epi32(out_25_5, DCT_CONST_BITS);
1254 const __m256i out_07_6 = _mm256_srai_epi32(out_07_4, DCT_CONST_BITS);
1255 const __m256i out_07_7 = _mm256_srai_epi32(out_07_5, DCT_CONST_BITS);
1256 const __m256i out_23_6 = _mm256_srai_epi32(out_23_4, DCT_CONST_BITS);
1257 const __m256i out_23_7 = _mm256_srai_epi32(out_23_5, DCT_CONST_BITS);
1258 const __m256i out_15_6 = _mm256_srai_epi32(out_15_4, DCT_CONST_BITS);
1259 const __m256i out_15_7 = _mm256_srai_epi32(out_15_5, DCT_CONST_BITS);
1260 const __m256i out_31_6 = _mm256_srai_epi32(out_31_4, DCT_CONST_BITS);
1261 const __m256i out_31_7 = _mm256_srai_epi32(out_31_5, DCT_CONST_BITS);
1262 // Combine
1263 out[1] = _mm256_packs_epi32(out_01_6, out_01_7);
1264 out[17] = _mm256_packs_epi32(out_17_6, out_17_7);
1265 out[9] = _mm256_packs_epi32(out_09_6, out_09_7);
1266 out[25] = _mm256_packs_epi32(out_25_6, out_25_7);
1267 out[7] = _mm256_packs_epi32(out_07_6, out_07_7);
1268 out[23] = _mm256_packs_epi32(out_23_6, out_23_7);
1269 out[15] = _mm256_packs_epi32(out_15_6, out_15_7);
1270 out[31] = _mm256_packs_epi32(out_31_6, out_31_7);
1271 }
1272 {
1273 const __m256i out_05_0 = _mm256_unpacklo_epi16(step1[20], step1[27]);
1274 const __m256i out_05_1 = _mm256_unpackhi_epi16(step1[20], step1[27]);
1275 const __m256i out_21_0 = _mm256_unpacklo_epi16(step1[21], step1[26]);
1276 const __m256i out_21_1 = _mm256_unpackhi_epi16(step1[21], step1[26]);
1277 const __m256i out_13_0 = _mm256_unpacklo_epi16(step1[22], step1[25]);
1278 const __m256i out_13_1 = _mm256_unpackhi_epi16(step1[22], step1[25]);
1279 const __m256i out_29_0 = _mm256_unpacklo_epi16(step1[23], step1[24]);
1280 const __m256i out_29_1 = _mm256_unpackhi_epi16(step1[23], step1[24]);
1281 const __m256i out_05_2 =
1282 _mm256_madd_epi16(out_05_0, k__cospi_p27_p05);
1283 const __m256i out_05_3 =
1284 _mm256_madd_epi16(out_05_1, k__cospi_p27_p05);
1285 const __m256i out_21_2 =
1286 _mm256_madd_epi16(out_21_0, k__cospi_p11_p21);
1287 const __m256i out_21_3 =
1288 _mm256_madd_epi16(out_21_1, k__cospi_p11_p21);
1289 const __m256i out_13_2 =
1290 _mm256_madd_epi16(out_13_0, k__cospi_p19_p13);
1291 const __m256i out_13_3 =
1292 _mm256_madd_epi16(out_13_1, k__cospi_p19_p13);
1293 const __m256i out_29_2 =
1294 _mm256_madd_epi16(out_29_0, k__cospi_p03_p29);
1295 const __m256i out_29_3 =
1296 _mm256_madd_epi16(out_29_1, k__cospi_p03_p29);
1297 const __m256i out_03_2 =
1298 _mm256_madd_epi16(out_29_0, k__cospi_m29_p03);
1299 const __m256i out_03_3 =
1300 _mm256_madd_epi16(out_29_1, k__cospi_m29_p03);
1301 const __m256i out_19_2 =
1302 _mm256_madd_epi16(out_13_0, k__cospi_m13_p19);
1303 const __m256i out_19_3 =
1304 _mm256_madd_epi16(out_13_1, k__cospi_m13_p19);
1305 const __m256i out_11_2 =
1306 _mm256_madd_epi16(out_21_0, k__cospi_m21_p11);
1307 const __m256i out_11_3 =
1308 _mm256_madd_epi16(out_21_1, k__cospi_m21_p11);
1309 const __m256i out_27_2 =
1310 _mm256_madd_epi16(out_05_0, k__cospi_m05_p27);
1311 const __m256i out_27_3 =
1312 _mm256_madd_epi16(out_05_1, k__cospi_m05_p27);
1313 // dct_const_round_shift
1314 const __m256i out_05_4 =
1315 _mm256_add_epi32(out_05_2, k__DCT_CONST_ROUNDING);
1316 const __m256i out_05_5 =
1317 _mm256_add_epi32(out_05_3, k__DCT_CONST_ROUNDING);
1318 const __m256i out_21_4 =
1319 _mm256_add_epi32(out_21_2, k__DCT_CONST_ROUNDING);
1320 const __m256i out_21_5 =
1321 _mm256_add_epi32(out_21_3, k__DCT_CONST_ROUNDING);
1322 const __m256i out_13_4 =
1323 _mm256_add_epi32(out_13_2, k__DCT_CONST_ROUNDING);
1324 const __m256i out_13_5 =
1325 _mm256_add_epi32(out_13_3, k__DCT_CONST_ROUNDING);
1326 const __m256i out_29_4 =
1327 _mm256_add_epi32(out_29_2, k__DCT_CONST_ROUNDING);
1328 const __m256i out_29_5 =
1329 _mm256_add_epi32(out_29_3, k__DCT_CONST_ROUNDING);
1330 const __m256i out_03_4 =
1331 _mm256_add_epi32(out_03_2, k__DCT_CONST_ROUNDING);
1332 const __m256i out_03_5 =
1333 _mm256_add_epi32(out_03_3, k__DCT_CONST_ROUNDING);
1334 const __m256i out_19_4 =
1335 _mm256_add_epi32(out_19_2, k__DCT_CONST_ROUNDING);
1336 const __m256i out_19_5 =
1337 _mm256_add_epi32(out_19_3, k__DCT_CONST_ROUNDING);
1338 const __m256i out_11_4 =
1339 _mm256_add_epi32(out_11_2, k__DCT_CONST_ROUNDING);
1340 const __m256i out_11_5 =
1341 _mm256_add_epi32(out_11_3, k__DCT_CONST_ROUNDING);
1342 const __m256i out_27_4 =
1343 _mm256_add_epi32(out_27_2, k__DCT_CONST_ROUNDING);
1344 const __m256i out_27_5 =
1345 _mm256_add_epi32(out_27_3, k__DCT_CONST_ROUNDING);
1346 const __m256i out_05_6 = _mm256_srai_epi32(out_05_4, DCT_CONST_BITS);
1347 const __m256i out_05_7 = _mm256_srai_epi32(out_05_5, DCT_CONST_BITS);
1348 const __m256i out_21_6 = _mm256_srai_epi32(out_21_4, DCT_CONST_BITS);
1349 const __m256i out_21_7 = _mm256_srai_epi32(out_21_5, DCT_CONST_BITS);
1350 const __m256i out_13_6 = _mm256_srai_epi32(out_13_4, DCT_CONST_BITS);
1351 const __m256i out_13_7 = _mm256_srai_epi32(out_13_5, DCT_CONST_BITS);
1352 const __m256i out_29_6 = _mm256_srai_epi32(out_29_4, DCT_CONST_BITS);
1353 const __m256i out_29_7 = _mm256_srai_epi32(out_29_5, DCT_CONST_BITS);
1354 const __m256i out_03_6 = _mm256_srai_epi32(out_03_4, DCT_CONST_BITS);
1355 const __m256i out_03_7 = _mm256_srai_epi32(out_03_5, DCT_CONST_BITS);
1356 const __m256i out_19_6 = _mm256_srai_epi32(out_19_4, DCT_CONST_BITS);
1357 const __m256i out_19_7 = _mm256_srai_epi32(out_19_5, DCT_CONST_BITS);
1358 const __m256i out_11_6 = _mm256_srai_epi32(out_11_4, DCT_CONST_BITS);
1359 const __m256i out_11_7 = _mm256_srai_epi32(out_11_5, DCT_CONST_BITS);
1360 const __m256i out_27_6 = _mm256_srai_epi32(out_27_4, DCT_CONST_BITS);
1361 const __m256i out_27_7 = _mm256_srai_epi32(out_27_5, DCT_CONST_BITS);
1362 // Combine
1363 out[5] = _mm256_packs_epi32(out_05_6, out_05_7);
1364 out[21] = _mm256_packs_epi32(out_21_6, out_21_7);
1365 out[13] = _mm256_packs_epi32(out_13_6, out_13_7);
1366 out[29] = _mm256_packs_epi32(out_29_6, out_29_7);
1367 out[3] = _mm256_packs_epi32(out_03_6, out_03_7);
1368 out[19] = _mm256_packs_epi32(out_19_6, out_19_7);
1369 out[11] = _mm256_packs_epi32(out_11_6, out_11_7);
1370 out[27] = _mm256_packs_epi32(out_27_6, out_27_7);
1371 }
1372 #if FDCT32x32_HIGH_PRECISION
1373 } else {
1374 __m256i lstep1[64], lstep2[64], lstep3[64];
1375 __m256i u[32], v[32], sign[16];
1376 const __m256i K32One = _mm256_set_epi32(1, 1, 1, 1, 1, 1, 1, 1);
1377 const __m256i k__pOne_mOne = pair256_set_epi16(1, -1);
1378 // start using 32-bit operations
1379 // stage 3
1380 {
1381 // expanding to 32-bit length while adding and subtracting
1382 lstep2[0] = _mm256_unpacklo_epi16(step2[0], step2[7]);
1383 lstep2[1] = _mm256_unpackhi_epi16(step2[0], step2[7]);
1384 lstep2[2] = _mm256_unpacklo_epi16(step2[1], step2[6]);
1385 lstep2[3] = _mm256_unpackhi_epi16(step2[1], step2[6]);
1386 lstep2[4] = _mm256_unpacklo_epi16(step2[2], step2[5]);
1387 lstep2[5] = _mm256_unpackhi_epi16(step2[2], step2[5]);
1388 lstep2[6] = _mm256_unpacklo_epi16(step2[3], step2[4]);
1389 lstep2[7] = _mm256_unpackhi_epi16(step2[3], step2[4]);
1390
1391 lstep3[0] = _mm256_madd_epi16(lstep2[0], kOne);
1392 lstep3[1] = _mm256_madd_epi16(lstep2[1], kOne);
1393 lstep3[2] = _mm256_madd_epi16(lstep2[2], kOne);
1394 lstep3[3] = _mm256_madd_epi16(lstep2[3], kOne);
1395 lstep3[4] = _mm256_madd_epi16(lstep2[4], kOne);
1396 lstep3[5] = _mm256_madd_epi16(lstep2[5], kOne);
1397 lstep3[6] = _mm256_madd_epi16(lstep2[6], kOne);
1398 lstep3[7] = _mm256_madd_epi16(lstep2[7], kOne);
1399
1400 lstep3[8] = _mm256_madd_epi16(lstep2[6], k__pOne_mOne);
1401 lstep3[9] = _mm256_madd_epi16(lstep2[7], k__pOne_mOne);
1402 lstep3[10] = _mm256_madd_epi16(lstep2[4], k__pOne_mOne);
1403 lstep3[11] = _mm256_madd_epi16(lstep2[5], k__pOne_mOne);
1404 lstep3[12] = _mm256_madd_epi16(lstep2[2], k__pOne_mOne);
1405 lstep3[13] = _mm256_madd_epi16(lstep2[3], k__pOne_mOne);
1406 lstep3[14] = _mm256_madd_epi16(lstep2[0], k__pOne_mOne);
1407 lstep3[15] = _mm256_madd_epi16(lstep2[1], k__pOne_mOne);
1408 }
1409 {
1410 const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]);
1411 const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]);
1412 const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]);
1413 const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]);
1414 const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16);
1415 const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16);
1416 const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16);
1417 const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16);
1418 const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16);
1419 const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16);
1420 const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16);
1421 const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16);
1422 // dct_const_round_shift
1423 const __m256i s3_10_4 =
1424 _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING);
1425 const __m256i s3_10_5 =
1426 _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING);
1427 const __m256i s3_11_4 =
1428 _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING);
1429 const __m256i s3_11_5 =
1430 _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING);
1431 const __m256i s3_12_4 =
1432 _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING);
1433 const __m256i s3_12_5 =
1434 _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING);
1435 const __m256i s3_13_4 =
1436 _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING);
1437 const __m256i s3_13_5 =
1438 _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING);
1439 lstep3[20] = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS);
1440 lstep3[21] = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS);
1441 lstep3[22] = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS);
1442 lstep3[23] = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS);
1443 lstep3[24] = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS);
1444 lstep3[25] = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS);
1445 lstep3[26] = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS);
1446 lstep3[27] = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS);
1447 }
1448 {
1449 lstep1[32] = _mm256_unpacklo_epi16(step1[16], step2[23]);
1450 lstep1[33] = _mm256_unpackhi_epi16(step1[16], step2[23]);
1451 lstep1[34] = _mm256_unpacklo_epi16(step1[17], step2[22]);
1452 lstep1[35] = _mm256_unpackhi_epi16(step1[17], step2[22]);
1453 lstep1[36] = _mm256_unpacklo_epi16(step1[18], step2[21]);
1454 lstep1[37] = _mm256_unpackhi_epi16(step1[18], step2[21]);
1455 lstep1[38] = _mm256_unpacklo_epi16(step1[19], step2[20]);
1456 lstep1[39] = _mm256_unpackhi_epi16(step1[19], step2[20]);
1457
1458 lstep1[56] = _mm256_unpacklo_epi16(step1[28], step2[27]);
1459 lstep1[57] = _mm256_unpackhi_epi16(step1[28], step2[27]);
1460 lstep1[58] = _mm256_unpacklo_epi16(step1[29], step2[26]);
1461 lstep1[59] = _mm256_unpackhi_epi16(step1[29], step2[26]);
1462 lstep1[60] = _mm256_unpacklo_epi16(step1[30], step2[25]);
1463 lstep1[61] = _mm256_unpackhi_epi16(step1[30], step2[25]);
1464 lstep1[62] = _mm256_unpacklo_epi16(step1[31], step2[24]);
1465 lstep1[63] = _mm256_unpackhi_epi16(step1[31], step2[24]);
1466
1467 lstep3[32] = _mm256_madd_epi16(lstep1[32], kOne);
1468 lstep3[33] = _mm256_madd_epi16(lstep1[33], kOne);
1469 lstep3[34] = _mm256_madd_epi16(lstep1[34], kOne);
1470 lstep3[35] = _mm256_madd_epi16(lstep1[35], kOne);
1471 lstep3[36] = _mm256_madd_epi16(lstep1[36], kOne);
1472 lstep3[37] = _mm256_madd_epi16(lstep1[37], kOne);
1473 lstep3[38] = _mm256_madd_epi16(lstep1[38], kOne);
1474 lstep3[39] = _mm256_madd_epi16(lstep1[39], kOne);
1475
1476 lstep3[40] = _mm256_madd_epi16(lstep1[38], k__pOne_mOne);
1477 lstep3[41] = _mm256_madd_epi16(lstep1[39], k__pOne_mOne);
1478 lstep3[42] = _mm256_madd_epi16(lstep1[36], k__pOne_mOne);
1479 lstep3[43] = _mm256_madd_epi16(lstep1[37], k__pOne_mOne);
1480 lstep3[44] = _mm256_madd_epi16(lstep1[34], k__pOne_mOne);
1481 lstep3[45] = _mm256_madd_epi16(lstep1[35], k__pOne_mOne);
1482 lstep3[46] = _mm256_madd_epi16(lstep1[32], k__pOne_mOne);
1483 lstep3[47] = _mm256_madd_epi16(lstep1[33], k__pOne_mOne);
1484
1485 lstep3[48] = _mm256_madd_epi16(lstep1[62], k__pOne_mOne);
1486 lstep3[49] = _mm256_madd_epi16(lstep1[63], k__pOne_mOne);
1487 lstep3[50] = _mm256_madd_epi16(lstep1[60], k__pOne_mOne);
1488 lstep3[51] = _mm256_madd_epi16(lstep1[61], k__pOne_mOne);
1489 lstep3[52] = _mm256_madd_epi16(lstep1[58], k__pOne_mOne);
1490 lstep3[53] = _mm256_madd_epi16(lstep1[59], k__pOne_mOne);
1491 lstep3[54] = _mm256_madd_epi16(lstep1[56], k__pOne_mOne);
1492 lstep3[55] = _mm256_madd_epi16(lstep1[57], k__pOne_mOne);
1493
1494 lstep3[56] = _mm256_madd_epi16(lstep1[56], kOne);
1495 lstep3[57] = _mm256_madd_epi16(lstep1[57], kOne);
1496 lstep3[58] = _mm256_madd_epi16(lstep1[58], kOne);
1497 lstep3[59] = _mm256_madd_epi16(lstep1[59], kOne);
1498 lstep3[60] = _mm256_madd_epi16(lstep1[60], kOne);
1499 lstep3[61] = _mm256_madd_epi16(lstep1[61], kOne);
1500 lstep3[62] = _mm256_madd_epi16(lstep1[62], kOne);
1501 lstep3[63] = _mm256_madd_epi16(lstep1[63], kOne);
1502 }
1503
1504 // stage 4
1505 {
1506 // expanding to 32-bit length prior to addition operations
1507 sign[0] = _mm256_cmpgt_epi16(kZero, step2[8]);
1508 sign[1] = _mm256_cmpgt_epi16(kZero, step2[9]);
1509 sign[2] = _mm256_cmpgt_epi16(kZero, step2[14]);
1510 sign[3] = _mm256_cmpgt_epi16(kZero, step2[15]);
1511 lstep2[16] = _mm256_unpacklo_epi16(step2[8], sign[0]);
1512 lstep2[17] = _mm256_unpackhi_epi16(step2[8], sign[0]);
1513 lstep2[18] = _mm256_unpacklo_epi16(step2[9], sign[1]);
1514 lstep2[19] = _mm256_unpackhi_epi16(step2[9], sign[1]);
1515 lstep2[28] = _mm256_unpacklo_epi16(step2[14], sign[2]);
1516 lstep2[29] = _mm256_unpackhi_epi16(step2[14], sign[2]);
1517 lstep2[30] = _mm256_unpacklo_epi16(step2[15], sign[3]);
1518 lstep2[31] = _mm256_unpackhi_epi16(step2[15], sign[3]);
1519
1520 lstep1[0] = _mm256_add_epi32(lstep3[6], lstep3[0]);
1521 lstep1[1] = _mm256_add_epi32(lstep3[7], lstep3[1]);
1522 lstep1[2] = _mm256_add_epi32(lstep3[4], lstep3[2]);
1523 lstep1[3] = _mm256_add_epi32(lstep3[5], lstep3[3]);
1524 lstep1[4] = _mm256_sub_epi32(lstep3[2], lstep3[4]);
1525 lstep1[5] = _mm256_sub_epi32(lstep3[3], lstep3[5]);
1526 lstep1[6] = _mm256_sub_epi32(lstep3[0], lstep3[6]);
1527 lstep1[7] = _mm256_sub_epi32(lstep3[1], lstep3[7]);
1528 lstep1[16] = _mm256_add_epi32(lstep3[22], lstep2[16]);
1529 lstep1[17] = _mm256_add_epi32(lstep3[23], lstep2[17]);
1530 lstep1[18] = _mm256_add_epi32(lstep3[20], lstep2[18]);
1531 lstep1[19] = _mm256_add_epi32(lstep3[21], lstep2[19]);
1532 lstep1[20] = _mm256_sub_epi32(lstep2[18], lstep3[20]);
1533 lstep1[21] = _mm256_sub_epi32(lstep2[19], lstep3[21]);
1534 lstep1[22] = _mm256_sub_epi32(lstep2[16], lstep3[22]);
1535 lstep1[23] = _mm256_sub_epi32(lstep2[17], lstep3[23]);
1536 lstep1[24] = _mm256_sub_epi32(lstep2[30], lstep3[24]);
1537 lstep1[25] = _mm256_sub_epi32(lstep2[31], lstep3[25]);
1538 lstep1[26] = _mm256_sub_epi32(lstep2[28], lstep3[26]);
1539 lstep1[27] = _mm256_sub_epi32(lstep2[29], lstep3[27]);
1540 lstep1[28] = _mm256_add_epi32(lstep3[26], lstep2[28]);
1541 lstep1[29] = _mm256_add_epi32(lstep3[27], lstep2[29]);
1542 lstep1[30] = _mm256_add_epi32(lstep3[24], lstep2[30]);
1543 lstep1[31] = _mm256_add_epi32(lstep3[25], lstep2[31]);
1544 }
1545 {
1546 // to be continued...
1547 //
1548 const __m256i k32_p16_p16 =
1549 pair256_set_epi32(cospi_16_64, cospi_16_64);
1550 const __m256i k32_p16_m16 =
1551 pair256_set_epi32(cospi_16_64, -cospi_16_64);
1552
1553 u[0] = _mm256_unpacklo_epi32(lstep3[12], lstep3[10]);
1554 u[1] = _mm256_unpackhi_epi32(lstep3[12], lstep3[10]);
1555 u[2] = _mm256_unpacklo_epi32(lstep3[13], lstep3[11]);
1556 u[3] = _mm256_unpackhi_epi32(lstep3[13], lstep3[11]);
1557
1558 // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide
1559 // instruction latency.
1560 v[0] = k_madd_epi32_avx2(u[0], k32_p16_m16);
1561 v[1] = k_madd_epi32_avx2(u[1], k32_p16_m16);
1562 v[2] = k_madd_epi32_avx2(u[2], k32_p16_m16);
1563 v[3] = k_madd_epi32_avx2(u[3], k32_p16_m16);
1564 v[4] = k_madd_epi32_avx2(u[0], k32_p16_p16);
1565 v[5] = k_madd_epi32_avx2(u[1], k32_p16_p16);
1566 v[6] = k_madd_epi32_avx2(u[2], k32_p16_p16);
1567 v[7] = k_madd_epi32_avx2(u[3], k32_p16_p16);
1568
1569 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1570 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1571 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1572 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1573
1574 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1575 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1576 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1577 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1578
1579 lstep1[10] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1580 lstep1[11] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1581 lstep1[12] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1582 lstep1[13] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1583 }
1584 {
1585 const __m256i k32_m08_p24 =
1586 pair256_set_epi32(-cospi_8_64, cospi_24_64);
1587 const __m256i k32_m24_m08 =
1588 pair256_set_epi32(-cospi_24_64, -cospi_8_64);
1589 const __m256i k32_p24_p08 =
1590 pair256_set_epi32(cospi_24_64, cospi_8_64);
1591
1592 u[0] = _mm256_unpacklo_epi32(lstep3[36], lstep3[58]);
1593 u[1] = _mm256_unpackhi_epi32(lstep3[36], lstep3[58]);
1594 u[2] = _mm256_unpacklo_epi32(lstep3[37], lstep3[59]);
1595 u[3] = _mm256_unpackhi_epi32(lstep3[37], lstep3[59]);
1596 u[4] = _mm256_unpacklo_epi32(lstep3[38], lstep3[56]);
1597 u[5] = _mm256_unpackhi_epi32(lstep3[38], lstep3[56]);
1598 u[6] = _mm256_unpacklo_epi32(lstep3[39], lstep3[57]);
1599 u[7] = _mm256_unpackhi_epi32(lstep3[39], lstep3[57]);
1600 u[8] = _mm256_unpacklo_epi32(lstep3[40], lstep3[54]);
1601 u[9] = _mm256_unpackhi_epi32(lstep3[40], lstep3[54]);
1602 u[10] = _mm256_unpacklo_epi32(lstep3[41], lstep3[55]);
1603 u[11] = _mm256_unpackhi_epi32(lstep3[41], lstep3[55]);
1604 u[12] = _mm256_unpacklo_epi32(lstep3[42], lstep3[52]);
1605 u[13] = _mm256_unpackhi_epi32(lstep3[42], lstep3[52]);
1606 u[14] = _mm256_unpacklo_epi32(lstep3[43], lstep3[53]);
1607 u[15] = _mm256_unpackhi_epi32(lstep3[43], lstep3[53]);
1608
1609 v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24);
1610 v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24);
1611 v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24);
1612 v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24);
1613 v[4] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1614 v[5] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1615 v[6] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1616 v[7] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1617 v[8] = k_madd_epi32_avx2(u[8], k32_m24_m08);
1618 v[9] = k_madd_epi32_avx2(u[9], k32_m24_m08);
1619 v[10] = k_madd_epi32_avx2(u[10], k32_m24_m08);
1620 v[11] = k_madd_epi32_avx2(u[11], k32_m24_m08);
1621 v[12] = k_madd_epi32_avx2(u[12], k32_m24_m08);
1622 v[13] = k_madd_epi32_avx2(u[13], k32_m24_m08);
1623 v[14] = k_madd_epi32_avx2(u[14], k32_m24_m08);
1624 v[15] = k_madd_epi32_avx2(u[15], k32_m24_m08);
1625 v[16] = k_madd_epi32_avx2(u[12], k32_m08_p24);
1626 v[17] = k_madd_epi32_avx2(u[13], k32_m08_p24);
1627 v[18] = k_madd_epi32_avx2(u[14], k32_m08_p24);
1628 v[19] = k_madd_epi32_avx2(u[15], k32_m08_p24);
1629 v[20] = k_madd_epi32_avx2(u[8], k32_m08_p24);
1630 v[21] = k_madd_epi32_avx2(u[9], k32_m08_p24);
1631 v[22] = k_madd_epi32_avx2(u[10], k32_m08_p24);
1632 v[23] = k_madd_epi32_avx2(u[11], k32_m08_p24);
1633 v[24] = k_madd_epi32_avx2(u[4], k32_p24_p08);
1634 v[25] = k_madd_epi32_avx2(u[5], k32_p24_p08);
1635 v[26] = k_madd_epi32_avx2(u[6], k32_p24_p08);
1636 v[27] = k_madd_epi32_avx2(u[7], k32_p24_p08);
1637 v[28] = k_madd_epi32_avx2(u[0], k32_p24_p08);
1638 v[29] = k_madd_epi32_avx2(u[1], k32_p24_p08);
1639 v[30] = k_madd_epi32_avx2(u[2], k32_p24_p08);
1640 v[31] = k_madd_epi32_avx2(u[3], k32_p24_p08);
1641
1642 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1643 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1644 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1645 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1646 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1647 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1648 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1649 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1650 u[8] = k_packs_epi64_avx2(v[16], v[17]);
1651 u[9] = k_packs_epi64_avx2(v[18], v[19]);
1652 u[10] = k_packs_epi64_avx2(v[20], v[21]);
1653 u[11] = k_packs_epi64_avx2(v[22], v[23]);
1654 u[12] = k_packs_epi64_avx2(v[24], v[25]);
1655 u[13] = k_packs_epi64_avx2(v[26], v[27]);
1656 u[14] = k_packs_epi64_avx2(v[28], v[29]);
1657 u[15] = k_packs_epi64_avx2(v[30], v[31]);
1658
1659 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1660 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1661 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1662 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1663 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1664 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1665 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1666 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1667 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
1668 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
1669 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
1670 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
1671 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
1672 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
1673 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
1674 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
1675
1676 lstep1[36] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1677 lstep1[37] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1678 lstep1[38] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1679 lstep1[39] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1680 lstep1[40] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
1681 lstep1[41] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
1682 lstep1[42] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
1683 lstep1[43] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
1684 lstep1[52] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
1685 lstep1[53] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
1686 lstep1[54] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
1687 lstep1[55] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
1688 lstep1[56] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
1689 lstep1[57] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
1690 lstep1[58] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
1691 lstep1[59] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
1692 }
1693 // stage 5
1694 {
1695 lstep2[8] = _mm256_add_epi32(lstep1[10], lstep3[8]);
1696 lstep2[9] = _mm256_add_epi32(lstep1[11], lstep3[9]);
1697 lstep2[10] = _mm256_sub_epi32(lstep3[8], lstep1[10]);
1698 lstep2[11] = _mm256_sub_epi32(lstep3[9], lstep1[11]);
1699 lstep2[12] = _mm256_sub_epi32(lstep3[14], lstep1[12]);
1700 lstep2[13] = _mm256_sub_epi32(lstep3[15], lstep1[13]);
1701 lstep2[14] = _mm256_add_epi32(lstep1[12], lstep3[14]);
1702 lstep2[15] = _mm256_add_epi32(lstep1[13], lstep3[15]);
1703 }
1704 {
1705 const __m256i k32_p16_p16 =
1706 pair256_set_epi32(cospi_16_64, cospi_16_64);
1707 const __m256i k32_p16_m16 =
1708 pair256_set_epi32(cospi_16_64, -cospi_16_64);
1709 const __m256i k32_p24_p08 =
1710 pair256_set_epi32(cospi_24_64, cospi_8_64);
1711 const __m256i k32_m08_p24 =
1712 pair256_set_epi32(-cospi_8_64, cospi_24_64);
1713
1714 u[0] = _mm256_unpacklo_epi32(lstep1[0], lstep1[2]);
1715 u[1] = _mm256_unpackhi_epi32(lstep1[0], lstep1[2]);
1716 u[2] = _mm256_unpacklo_epi32(lstep1[1], lstep1[3]);
1717 u[3] = _mm256_unpackhi_epi32(lstep1[1], lstep1[3]);
1718 u[4] = _mm256_unpacklo_epi32(lstep1[4], lstep1[6]);
1719 u[5] = _mm256_unpackhi_epi32(lstep1[4], lstep1[6]);
1720 u[6] = _mm256_unpacklo_epi32(lstep1[5], lstep1[7]);
1721 u[7] = _mm256_unpackhi_epi32(lstep1[5], lstep1[7]);
1722
1723 // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide
1724 // instruction latency.
1725 v[0] = k_madd_epi32_avx2(u[0], k32_p16_p16);
1726 v[1] = k_madd_epi32_avx2(u[1], k32_p16_p16);
1727 v[2] = k_madd_epi32_avx2(u[2], k32_p16_p16);
1728 v[3] = k_madd_epi32_avx2(u[3], k32_p16_p16);
1729 v[4] = k_madd_epi32_avx2(u[0], k32_p16_m16);
1730 v[5] = k_madd_epi32_avx2(u[1], k32_p16_m16);
1731 v[6] = k_madd_epi32_avx2(u[2], k32_p16_m16);
1732 v[7] = k_madd_epi32_avx2(u[3], k32_p16_m16);
1733 v[8] = k_madd_epi32_avx2(u[4], k32_p24_p08);
1734 v[9] = k_madd_epi32_avx2(u[5], k32_p24_p08);
1735 v[10] = k_madd_epi32_avx2(u[6], k32_p24_p08);
1736 v[11] = k_madd_epi32_avx2(u[7], k32_p24_p08);
1737 v[12] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1738 v[13] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1739 v[14] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1740 v[15] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1741
1742 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1743 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1744 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1745 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1746 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1747 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1748 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1749 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1750
1751 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1752 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1753 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1754 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1755 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1756 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1757 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1758 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1759
1760 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1761 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1762 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1763 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1764 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
1765 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
1766 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
1767 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
1768
1769 sign[0] = _mm256_cmpgt_epi32(kZero, u[0]);
1770 sign[1] = _mm256_cmpgt_epi32(kZero, u[1]);
1771 sign[2] = _mm256_cmpgt_epi32(kZero, u[2]);
1772 sign[3] = _mm256_cmpgt_epi32(kZero, u[3]);
1773 sign[4] = _mm256_cmpgt_epi32(kZero, u[4]);
1774 sign[5] = _mm256_cmpgt_epi32(kZero, u[5]);
1775 sign[6] = _mm256_cmpgt_epi32(kZero, u[6]);
1776 sign[7] = _mm256_cmpgt_epi32(kZero, u[7]);
1777
1778 u[0] = _mm256_sub_epi32(u[0], sign[0]);
1779 u[1] = _mm256_sub_epi32(u[1], sign[1]);
1780 u[2] = _mm256_sub_epi32(u[2], sign[2]);
1781 u[3] = _mm256_sub_epi32(u[3], sign[3]);
1782 u[4] = _mm256_sub_epi32(u[4], sign[4]);
1783 u[5] = _mm256_sub_epi32(u[5], sign[5]);
1784 u[6] = _mm256_sub_epi32(u[6], sign[6]);
1785 u[7] = _mm256_sub_epi32(u[7], sign[7]);
1786
1787 u[0] = _mm256_add_epi32(u[0], K32One);
1788 u[1] = _mm256_add_epi32(u[1], K32One);
1789 u[2] = _mm256_add_epi32(u[2], K32One);
1790 u[3] = _mm256_add_epi32(u[3], K32One);
1791 u[4] = _mm256_add_epi32(u[4], K32One);
1792 u[5] = _mm256_add_epi32(u[5], K32One);
1793 u[6] = _mm256_add_epi32(u[6], K32One);
1794 u[7] = _mm256_add_epi32(u[7], K32One);
1795
1796 u[0] = _mm256_srai_epi32(u[0], 2);
1797 u[1] = _mm256_srai_epi32(u[1], 2);
1798 u[2] = _mm256_srai_epi32(u[2], 2);
1799 u[3] = _mm256_srai_epi32(u[3], 2);
1800 u[4] = _mm256_srai_epi32(u[4], 2);
1801 u[5] = _mm256_srai_epi32(u[5], 2);
1802 u[6] = _mm256_srai_epi32(u[6], 2);
1803 u[7] = _mm256_srai_epi32(u[7], 2);
1804
1805 // Combine
1806 out[0] = _mm256_packs_epi32(u[0], u[1]);
1807 out[16] = _mm256_packs_epi32(u[2], u[3]);
1808 out[8] = _mm256_packs_epi32(u[4], u[5]);
1809 out[24] = _mm256_packs_epi32(u[6], u[7]);
1810 }
1811 {
1812 const __m256i k32_m08_p24 =
1813 pair256_set_epi32(-cospi_8_64, cospi_24_64);
1814 const __m256i k32_m24_m08 =
1815 pair256_set_epi32(-cospi_24_64, -cospi_8_64);
1816 const __m256i k32_p24_p08 =
1817 pair256_set_epi32(cospi_24_64, cospi_8_64);
1818
1819 u[0] = _mm256_unpacklo_epi32(lstep1[18], lstep1[28]);
1820 u[1] = _mm256_unpackhi_epi32(lstep1[18], lstep1[28]);
1821 u[2] = _mm256_unpacklo_epi32(lstep1[19], lstep1[29]);
1822 u[3] = _mm256_unpackhi_epi32(lstep1[19], lstep1[29]);
1823 u[4] = _mm256_unpacklo_epi32(lstep1[20], lstep1[26]);
1824 u[5] = _mm256_unpackhi_epi32(lstep1[20], lstep1[26]);
1825 u[6] = _mm256_unpacklo_epi32(lstep1[21], lstep1[27]);
1826 u[7] = _mm256_unpackhi_epi32(lstep1[21], lstep1[27]);
1827
1828 v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24);
1829 v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24);
1830 v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24);
1831 v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24);
1832 v[4] = k_madd_epi32_avx2(u[4], k32_m24_m08);
1833 v[5] = k_madd_epi32_avx2(u[5], k32_m24_m08);
1834 v[6] = k_madd_epi32_avx2(u[6], k32_m24_m08);
1835 v[7] = k_madd_epi32_avx2(u[7], k32_m24_m08);
1836 v[8] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1837 v[9] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1838 v[10] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1839 v[11] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1840 v[12] = k_madd_epi32_avx2(u[0], k32_p24_p08);
1841 v[13] = k_madd_epi32_avx2(u[1], k32_p24_p08);
1842 v[14] = k_madd_epi32_avx2(u[2], k32_p24_p08);
1843 v[15] = k_madd_epi32_avx2(u[3], k32_p24_p08);
1844
1845 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1846 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1847 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1848 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1849 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1850 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1851 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1852 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1853
1854 u[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1855 u[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1856 u[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1857 u[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1858 u[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1859 u[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1860 u[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1861 u[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1862
1863 lstep2[18] = _mm256_srai_epi32(u[0], DCT_CONST_BITS);
1864 lstep2[19] = _mm256_srai_epi32(u[1], DCT_CONST_BITS);
1865 lstep2[20] = _mm256_srai_epi32(u[2], DCT_CONST_BITS);
1866 lstep2[21] = _mm256_srai_epi32(u[3], DCT_CONST_BITS);
1867 lstep2[26] = _mm256_srai_epi32(u[4], DCT_CONST_BITS);
1868 lstep2[27] = _mm256_srai_epi32(u[5], DCT_CONST_BITS);
1869 lstep2[28] = _mm256_srai_epi32(u[6], DCT_CONST_BITS);
1870 lstep2[29] = _mm256_srai_epi32(u[7], DCT_CONST_BITS);
1871 }
1872 {
1873 lstep2[32] = _mm256_add_epi32(lstep1[38], lstep3[32]);
1874 lstep2[33] = _mm256_add_epi32(lstep1[39], lstep3[33]);
1875 lstep2[34] = _mm256_add_epi32(lstep1[36], lstep3[34]);
1876 lstep2[35] = _mm256_add_epi32(lstep1[37], lstep3[35]);
1877 lstep2[36] = _mm256_sub_epi32(lstep3[34], lstep1[36]);
1878 lstep2[37] = _mm256_sub_epi32(lstep3[35], lstep1[37]);
1879 lstep2[38] = _mm256_sub_epi32(lstep3[32], lstep1[38]);
1880 lstep2[39] = _mm256_sub_epi32(lstep3[33], lstep1[39]);
1881 lstep2[40] = _mm256_sub_epi32(lstep3[46], lstep1[40]);
1882 lstep2[41] = _mm256_sub_epi32(lstep3[47], lstep1[41]);
1883 lstep2[42] = _mm256_sub_epi32(lstep3[44], lstep1[42]);
1884 lstep2[43] = _mm256_sub_epi32(lstep3[45], lstep1[43]);
1885 lstep2[44] = _mm256_add_epi32(lstep1[42], lstep3[44]);
1886 lstep2[45] = _mm256_add_epi32(lstep1[43], lstep3[45]);
1887 lstep2[46] = _mm256_add_epi32(lstep1[40], lstep3[46]);
1888 lstep2[47] = _mm256_add_epi32(lstep1[41], lstep3[47]);
1889 lstep2[48] = _mm256_add_epi32(lstep1[54], lstep3[48]);
1890 lstep2[49] = _mm256_add_epi32(lstep1[55], lstep3[49]);
1891 lstep2[50] = _mm256_add_epi32(lstep1[52], lstep3[50]);
1892 lstep2[51] = _mm256_add_epi32(lstep1[53], lstep3[51]);
1893 lstep2[52] = _mm256_sub_epi32(lstep3[50], lstep1[52]);
1894 lstep2[53] = _mm256_sub_epi32(lstep3[51], lstep1[53]);
1895 lstep2[54] = _mm256_sub_epi32(lstep3[48], lstep1[54]);
1896 lstep2[55] = _mm256_sub_epi32(lstep3[49], lstep1[55]);
1897 lstep2[56] = _mm256_sub_epi32(lstep3[62], lstep1[56]);
1898 lstep2[57] = _mm256_sub_epi32(lstep3[63], lstep1[57]);
1899 lstep2[58] = _mm256_sub_epi32(lstep3[60], lstep1[58]);
1900 lstep2[59] = _mm256_sub_epi32(lstep3[61], lstep1[59]);
1901 lstep2[60] = _mm256_add_epi32(lstep1[58], lstep3[60]);
1902 lstep2[61] = _mm256_add_epi32(lstep1[59], lstep3[61]);
1903 lstep2[62] = _mm256_add_epi32(lstep1[56], lstep3[62]);
1904 lstep2[63] = _mm256_add_epi32(lstep1[57], lstep3[63]);
1905 }
1906 // stage 6
1907 {
1908 const __m256i k32_p28_p04 =
1909 pair256_set_epi32(cospi_28_64, cospi_4_64);
1910 const __m256i k32_p12_p20 =
1911 pair256_set_epi32(cospi_12_64, cospi_20_64);
1912 const __m256i k32_m20_p12 =
1913 pair256_set_epi32(-cospi_20_64, cospi_12_64);
1914 const __m256i k32_m04_p28 =
1915 pair256_set_epi32(-cospi_4_64, cospi_28_64);
1916
1917 u[0] = _mm256_unpacklo_epi32(lstep2[8], lstep2[14]);
1918 u[1] = _mm256_unpackhi_epi32(lstep2[8], lstep2[14]);
1919 u[2] = _mm256_unpacklo_epi32(lstep2[9], lstep2[15]);
1920 u[3] = _mm256_unpackhi_epi32(lstep2[9], lstep2[15]);
1921 u[4] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]);
1922 u[5] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]);
1923 u[6] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]);
1924 u[7] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]);
1925 u[8] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]);
1926 u[9] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]);
1927 u[10] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]);
1928 u[11] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]);
1929 u[12] = _mm256_unpacklo_epi32(lstep2[8], lstep2[14]);
1930 u[13] = _mm256_unpackhi_epi32(lstep2[8], lstep2[14]);
1931 u[14] = _mm256_unpacklo_epi32(lstep2[9], lstep2[15]);
1932 u[15] = _mm256_unpackhi_epi32(lstep2[9], lstep2[15]);
1933
1934 v[0] = k_madd_epi32_avx2(u[0], k32_p28_p04);
1935 v[1] = k_madd_epi32_avx2(u[1], k32_p28_p04);
1936 v[2] = k_madd_epi32_avx2(u[2], k32_p28_p04);
1937 v[3] = k_madd_epi32_avx2(u[3], k32_p28_p04);
1938 v[4] = k_madd_epi32_avx2(u[4], k32_p12_p20);
1939 v[5] = k_madd_epi32_avx2(u[5], k32_p12_p20);
1940 v[6] = k_madd_epi32_avx2(u[6], k32_p12_p20);
1941 v[7] = k_madd_epi32_avx2(u[7], k32_p12_p20);
1942 v[8] = k_madd_epi32_avx2(u[8], k32_m20_p12);
1943 v[9] = k_madd_epi32_avx2(u[9], k32_m20_p12);
1944 v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12);
1945 v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12);
1946 v[12] = k_madd_epi32_avx2(u[12], k32_m04_p28);
1947 v[13] = k_madd_epi32_avx2(u[13], k32_m04_p28);
1948 v[14] = k_madd_epi32_avx2(u[14], k32_m04_p28);
1949 v[15] = k_madd_epi32_avx2(u[15], k32_m04_p28);
1950
1951 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1952 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1953 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1954 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1955 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1956 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1957 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1958 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1959
1960 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1961 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1962 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1963 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1964 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1965 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1966 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1967 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1968
1969 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1970 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1971 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1972 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1973 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
1974 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
1975 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
1976 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
1977
1978 sign[0] = _mm256_cmpgt_epi32(kZero, u[0]);
1979 sign[1] = _mm256_cmpgt_epi32(kZero, u[1]);
1980 sign[2] = _mm256_cmpgt_epi32(kZero, u[2]);
1981 sign[3] = _mm256_cmpgt_epi32(kZero, u[3]);
1982 sign[4] = _mm256_cmpgt_epi32(kZero, u[4]);
1983 sign[5] = _mm256_cmpgt_epi32(kZero, u[5]);
1984 sign[6] = _mm256_cmpgt_epi32(kZero, u[6]);
1985 sign[7] = _mm256_cmpgt_epi32(kZero, u[7]);
1986
1987 u[0] = _mm256_sub_epi32(u[0], sign[0]);
1988 u[1] = _mm256_sub_epi32(u[1], sign[1]);
1989 u[2] = _mm256_sub_epi32(u[2], sign[2]);
1990 u[3] = _mm256_sub_epi32(u[3], sign[3]);
1991 u[4] = _mm256_sub_epi32(u[4], sign[4]);
1992 u[5] = _mm256_sub_epi32(u[5], sign[5]);
1993 u[6] = _mm256_sub_epi32(u[6], sign[6]);
1994 u[7] = _mm256_sub_epi32(u[7], sign[7]);
1995
1996 u[0] = _mm256_add_epi32(u[0], K32One);
1997 u[1] = _mm256_add_epi32(u[1], K32One);
1998 u[2] = _mm256_add_epi32(u[2], K32One);
1999 u[3] = _mm256_add_epi32(u[3], K32One);
2000 u[4] = _mm256_add_epi32(u[4], K32One);
2001 u[5] = _mm256_add_epi32(u[5], K32One);
2002 u[6] = _mm256_add_epi32(u[6], K32One);
2003 u[7] = _mm256_add_epi32(u[7], K32One);
2004
2005 u[0] = _mm256_srai_epi32(u[0], 2);
2006 u[1] = _mm256_srai_epi32(u[1], 2);
2007 u[2] = _mm256_srai_epi32(u[2], 2);
2008 u[3] = _mm256_srai_epi32(u[3], 2);
2009 u[4] = _mm256_srai_epi32(u[4], 2);
2010 u[5] = _mm256_srai_epi32(u[5], 2);
2011 u[6] = _mm256_srai_epi32(u[6], 2);
2012 u[7] = _mm256_srai_epi32(u[7], 2);
2013
2014 out[4] = _mm256_packs_epi32(u[0], u[1]);
2015 out[20] = _mm256_packs_epi32(u[2], u[3]);
2016 out[12] = _mm256_packs_epi32(u[4], u[5]);
2017 out[28] = _mm256_packs_epi32(u[6], u[7]);
2018 }
2019 {
2020 lstep3[16] = _mm256_add_epi32(lstep2[18], lstep1[16]);
2021 lstep3[17] = _mm256_add_epi32(lstep2[19], lstep1[17]);
2022 lstep3[18] = _mm256_sub_epi32(lstep1[16], lstep2[18]);
2023 lstep3[19] = _mm256_sub_epi32(lstep1[17], lstep2[19]);
2024 lstep3[20] = _mm256_sub_epi32(lstep1[22], lstep2[20]);
2025 lstep3[21] = _mm256_sub_epi32(lstep1[23], lstep2[21]);
2026 lstep3[22] = _mm256_add_epi32(lstep2[20], lstep1[22]);
2027 lstep3[23] = _mm256_add_epi32(lstep2[21], lstep1[23]);
2028 lstep3[24] = _mm256_add_epi32(lstep2[26], lstep1[24]);
2029 lstep3[25] = _mm256_add_epi32(lstep2[27], lstep1[25]);
2030 lstep3[26] = _mm256_sub_epi32(lstep1[24], lstep2[26]);
2031 lstep3[27] = _mm256_sub_epi32(lstep1[25], lstep2[27]);
2032 lstep3[28] = _mm256_sub_epi32(lstep1[30], lstep2[28]);
2033 lstep3[29] = _mm256_sub_epi32(lstep1[31], lstep2[29]);
2034 lstep3[30] = _mm256_add_epi32(lstep2[28], lstep1[30]);
2035 lstep3[31] = _mm256_add_epi32(lstep2[29], lstep1[31]);
2036 }
2037 {
2038 const __m256i k32_m04_p28 =
2039 pair256_set_epi32(-cospi_4_64, cospi_28_64);
2040 const __m256i k32_m28_m04 =
2041 pair256_set_epi32(-cospi_28_64, -cospi_4_64);
2042 const __m256i k32_m20_p12 =
2043 pair256_set_epi32(-cospi_20_64, cospi_12_64);
2044 const __m256i k32_m12_m20 =
2045 pair256_set_epi32(-cospi_12_64, -cospi_20_64);
2046 const __m256i k32_p12_p20 =
2047 pair256_set_epi32(cospi_12_64, cospi_20_64);
2048 const __m256i k32_p28_p04 =
2049 pair256_set_epi32(cospi_28_64, cospi_4_64);
2050
2051 u[0] = _mm256_unpacklo_epi32(lstep2[34], lstep2[60]);
2052 u[1] = _mm256_unpackhi_epi32(lstep2[34], lstep2[60]);
2053 u[2] = _mm256_unpacklo_epi32(lstep2[35], lstep2[61]);
2054 u[3] = _mm256_unpackhi_epi32(lstep2[35], lstep2[61]);
2055 u[4] = _mm256_unpacklo_epi32(lstep2[36], lstep2[58]);
2056 u[5] = _mm256_unpackhi_epi32(lstep2[36], lstep2[58]);
2057 u[6] = _mm256_unpacklo_epi32(lstep2[37], lstep2[59]);
2058 u[7] = _mm256_unpackhi_epi32(lstep2[37], lstep2[59]);
2059 u[8] = _mm256_unpacklo_epi32(lstep2[42], lstep2[52]);
2060 u[9] = _mm256_unpackhi_epi32(lstep2[42], lstep2[52]);
2061 u[10] = _mm256_unpacklo_epi32(lstep2[43], lstep2[53]);
2062 u[11] = _mm256_unpackhi_epi32(lstep2[43], lstep2[53]);
2063 u[12] = _mm256_unpacklo_epi32(lstep2[44], lstep2[50]);
2064 u[13] = _mm256_unpackhi_epi32(lstep2[44], lstep2[50]);
2065 u[14] = _mm256_unpacklo_epi32(lstep2[45], lstep2[51]);
2066 u[15] = _mm256_unpackhi_epi32(lstep2[45], lstep2[51]);
2067
2068 v[0] = k_madd_epi32_avx2(u[0], k32_m04_p28);
2069 v[1] = k_madd_epi32_avx2(u[1], k32_m04_p28);
2070 v[2] = k_madd_epi32_avx2(u[2], k32_m04_p28);
2071 v[3] = k_madd_epi32_avx2(u[3], k32_m04_p28);
2072 v[4] = k_madd_epi32_avx2(u[4], k32_m28_m04);
2073 v[5] = k_madd_epi32_avx2(u[5], k32_m28_m04);
2074 v[6] = k_madd_epi32_avx2(u[6], k32_m28_m04);
2075 v[7] = k_madd_epi32_avx2(u[7], k32_m28_m04);
2076 v[8] = k_madd_epi32_avx2(u[8], k32_m20_p12);
2077 v[9] = k_madd_epi32_avx2(u[9], k32_m20_p12);
2078 v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12);
2079 v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12);
2080 v[12] = k_madd_epi32_avx2(u[12], k32_m12_m20);
2081 v[13] = k_madd_epi32_avx2(u[13], k32_m12_m20);
2082 v[14] = k_madd_epi32_avx2(u[14], k32_m12_m20);
2083 v[15] = k_madd_epi32_avx2(u[15], k32_m12_m20);
2084 v[16] = k_madd_epi32_avx2(u[12], k32_m20_p12);
2085 v[17] = k_madd_epi32_avx2(u[13], k32_m20_p12);
2086 v[18] = k_madd_epi32_avx2(u[14], k32_m20_p12);
2087 v[19] = k_madd_epi32_avx2(u[15], k32_m20_p12);
2088 v[20] = k_madd_epi32_avx2(u[8], k32_p12_p20);
2089 v[21] = k_madd_epi32_avx2(u[9], k32_p12_p20);
2090 v[22] = k_madd_epi32_avx2(u[10], k32_p12_p20);
2091 v[23] = k_madd_epi32_avx2(u[11], k32_p12_p20);
2092 v[24] = k_madd_epi32_avx2(u[4], k32_m04_p28);
2093 v[25] = k_madd_epi32_avx2(u[5], k32_m04_p28);
2094 v[26] = k_madd_epi32_avx2(u[6], k32_m04_p28);
2095 v[27] = k_madd_epi32_avx2(u[7], k32_m04_p28);
2096 v[28] = k_madd_epi32_avx2(u[0], k32_p28_p04);
2097 v[29] = k_madd_epi32_avx2(u[1], k32_p28_p04);
2098 v[30] = k_madd_epi32_avx2(u[2], k32_p28_p04);
2099 v[31] = k_madd_epi32_avx2(u[3], k32_p28_p04);
2100
2101 u[0] = k_packs_epi64_avx2(v[0], v[1]);
2102 u[1] = k_packs_epi64_avx2(v[2], v[3]);
2103 u[2] = k_packs_epi64_avx2(v[4], v[5]);
2104 u[3] = k_packs_epi64_avx2(v[6], v[7]);
2105 u[4] = k_packs_epi64_avx2(v[8], v[9]);
2106 u[5] = k_packs_epi64_avx2(v[10], v[11]);
2107 u[6] = k_packs_epi64_avx2(v[12], v[13]);
2108 u[7] = k_packs_epi64_avx2(v[14], v[15]);
2109 u[8] = k_packs_epi64_avx2(v[16], v[17]);
2110 u[9] = k_packs_epi64_avx2(v[18], v[19]);
2111 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2112 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2113 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2114 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2115 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2116 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2117
2118 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2119 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2120 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2121 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2122 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2123 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2124 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2125 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2126 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2127 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2128 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2129 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2130 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2131 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2132 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2133 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2134
2135 lstep3[34] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2136 lstep3[35] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2137 lstep3[36] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2138 lstep3[37] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2139 lstep3[42] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2140 lstep3[43] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2141 lstep3[44] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2142 lstep3[45] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2143 lstep3[50] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2144 lstep3[51] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2145 lstep3[52] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2146 lstep3[53] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2147 lstep3[58] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2148 lstep3[59] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2149 lstep3[60] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2150 lstep3[61] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2151 }
2152 // stage 7
2153 {
2154 const __m256i k32_p30_p02 =
2155 pair256_set_epi32(cospi_30_64, cospi_2_64);
2156 const __m256i k32_p14_p18 =
2157 pair256_set_epi32(cospi_14_64, cospi_18_64);
2158 const __m256i k32_p22_p10 =
2159 pair256_set_epi32(cospi_22_64, cospi_10_64);
2160 const __m256i k32_p06_p26 =
2161 pair256_set_epi32(cospi_6_64, cospi_26_64);
2162 const __m256i k32_m26_p06 =
2163 pair256_set_epi32(-cospi_26_64, cospi_6_64);
2164 const __m256i k32_m10_p22 =
2165 pair256_set_epi32(-cospi_10_64, cospi_22_64);
2166 const __m256i k32_m18_p14 =
2167 pair256_set_epi32(-cospi_18_64, cospi_14_64);
2168 const __m256i k32_m02_p30 =
2169 pair256_set_epi32(-cospi_2_64, cospi_30_64);
2170
2171 u[0] = _mm256_unpacklo_epi32(lstep3[16], lstep3[30]);
2172 u[1] = _mm256_unpackhi_epi32(lstep3[16], lstep3[30]);
2173 u[2] = _mm256_unpacklo_epi32(lstep3[17], lstep3[31]);
2174 u[3] = _mm256_unpackhi_epi32(lstep3[17], lstep3[31]);
2175 u[4] = _mm256_unpacklo_epi32(lstep3[18], lstep3[28]);
2176 u[5] = _mm256_unpackhi_epi32(lstep3[18], lstep3[28]);
2177 u[6] = _mm256_unpacklo_epi32(lstep3[19], lstep3[29]);
2178 u[7] = _mm256_unpackhi_epi32(lstep3[19], lstep3[29]);
2179 u[8] = _mm256_unpacklo_epi32(lstep3[20], lstep3[26]);
2180 u[9] = _mm256_unpackhi_epi32(lstep3[20], lstep3[26]);
2181 u[10] = _mm256_unpacklo_epi32(lstep3[21], lstep3[27]);
2182 u[11] = _mm256_unpackhi_epi32(lstep3[21], lstep3[27]);
2183 u[12] = _mm256_unpacklo_epi32(lstep3[22], lstep3[24]);
2184 u[13] = _mm256_unpackhi_epi32(lstep3[22], lstep3[24]);
2185 u[14] = _mm256_unpacklo_epi32(lstep3[23], lstep3[25]);
2186 u[15] = _mm256_unpackhi_epi32(lstep3[23], lstep3[25]);
2187
2188 v[0] = k_madd_epi32_avx2(u[0], k32_p30_p02);
2189 v[1] = k_madd_epi32_avx2(u[1], k32_p30_p02);
2190 v[2] = k_madd_epi32_avx2(u[2], k32_p30_p02);
2191 v[3] = k_madd_epi32_avx2(u[3], k32_p30_p02);
2192 v[4] = k_madd_epi32_avx2(u[4], k32_p14_p18);
2193 v[5] = k_madd_epi32_avx2(u[5], k32_p14_p18);
2194 v[6] = k_madd_epi32_avx2(u[6], k32_p14_p18);
2195 v[7] = k_madd_epi32_avx2(u[7], k32_p14_p18);
2196 v[8] = k_madd_epi32_avx2(u[8], k32_p22_p10);
2197 v[9] = k_madd_epi32_avx2(u[9], k32_p22_p10);
2198 v[10] = k_madd_epi32_avx2(u[10], k32_p22_p10);
2199 v[11] = k_madd_epi32_avx2(u[11], k32_p22_p10);
2200 v[12] = k_madd_epi32_avx2(u[12], k32_p06_p26);
2201 v[13] = k_madd_epi32_avx2(u[13], k32_p06_p26);
2202 v[14] = k_madd_epi32_avx2(u[14], k32_p06_p26);
2203 v[15] = k_madd_epi32_avx2(u[15], k32_p06_p26);
2204 v[16] = k_madd_epi32_avx2(u[12], k32_m26_p06);
2205 v[17] = k_madd_epi32_avx2(u[13], k32_m26_p06);
2206 v[18] = k_madd_epi32_avx2(u[14], k32_m26_p06);
2207 v[19] = k_madd_epi32_avx2(u[15], k32_m26_p06);
2208 v[20] = k_madd_epi32_avx2(u[8], k32_m10_p22);
2209 v[21] = k_madd_epi32_avx2(u[9], k32_m10_p22);
2210 v[22] = k_madd_epi32_avx2(u[10], k32_m10_p22);
2211 v[23] = k_madd_epi32_avx2(u[11], k32_m10_p22);
2212 v[24] = k_madd_epi32_avx2(u[4], k32_m18_p14);
2213 v[25] = k_madd_epi32_avx2(u[5], k32_m18_p14);
2214 v[26] = k_madd_epi32_avx2(u[6], k32_m18_p14);
2215 v[27] = k_madd_epi32_avx2(u[7], k32_m18_p14);
2216 v[28] = k_madd_epi32_avx2(u[0], k32_m02_p30);
2217 v[29] = k_madd_epi32_avx2(u[1], k32_m02_p30);
2218 v[30] = k_madd_epi32_avx2(u[2], k32_m02_p30);
2219 v[31] = k_madd_epi32_avx2(u[3], k32_m02_p30);
2220
2221 u[0] = k_packs_epi64_avx2(v[0], v[1]);
2222 u[1] = k_packs_epi64_avx2(v[2], v[3]);
2223 u[2] = k_packs_epi64_avx2(v[4], v[5]);
2224 u[3] = k_packs_epi64_avx2(v[6], v[7]);
2225 u[4] = k_packs_epi64_avx2(v[8], v[9]);
2226 u[5] = k_packs_epi64_avx2(v[10], v[11]);
2227 u[6] = k_packs_epi64_avx2(v[12], v[13]);
2228 u[7] = k_packs_epi64_avx2(v[14], v[15]);
2229 u[8] = k_packs_epi64_avx2(v[16], v[17]);
2230 u[9] = k_packs_epi64_avx2(v[18], v[19]);
2231 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2232 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2233 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2234 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2235 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2236 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2237
2238 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2239 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2240 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2241 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2242 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2243 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2244 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2245 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2246 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2247 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2248 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2249 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2250 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2251 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2252 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2253 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2254
2255 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2256 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2257 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2258 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2259 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2260 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2261 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2262 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2263 u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2264 u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2265 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2266 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2267 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2268 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2269 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2270 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2271
2272 v[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2273 v[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2274 v[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2275 v[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2276 v[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2277 v[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2278 v[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2279 v[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2280 v[8] = _mm256_cmpgt_epi32(kZero, u[8]);
2281 v[9] = _mm256_cmpgt_epi32(kZero, u[9]);
2282 v[10] = _mm256_cmpgt_epi32(kZero, u[10]);
2283 v[11] = _mm256_cmpgt_epi32(kZero, u[11]);
2284 v[12] = _mm256_cmpgt_epi32(kZero, u[12]);
2285 v[13] = _mm256_cmpgt_epi32(kZero, u[13]);
2286 v[14] = _mm256_cmpgt_epi32(kZero, u[14]);
2287 v[15] = _mm256_cmpgt_epi32(kZero, u[15]);
2288
2289 u[0] = _mm256_sub_epi32(u[0], v[0]);
2290 u[1] = _mm256_sub_epi32(u[1], v[1]);
2291 u[2] = _mm256_sub_epi32(u[2], v[2]);
2292 u[3] = _mm256_sub_epi32(u[3], v[3]);
2293 u[4] = _mm256_sub_epi32(u[4], v[4]);
2294 u[5] = _mm256_sub_epi32(u[5], v[5]);
2295 u[6] = _mm256_sub_epi32(u[6], v[6]);
2296 u[7] = _mm256_sub_epi32(u[7], v[7]);
2297 u[8] = _mm256_sub_epi32(u[8], v[8]);
2298 u[9] = _mm256_sub_epi32(u[9], v[9]);
2299 u[10] = _mm256_sub_epi32(u[10], v[10]);
2300 u[11] = _mm256_sub_epi32(u[11], v[11]);
2301 u[12] = _mm256_sub_epi32(u[12], v[12]);
2302 u[13] = _mm256_sub_epi32(u[13], v[13]);
2303 u[14] = _mm256_sub_epi32(u[14], v[14]);
2304 u[15] = _mm256_sub_epi32(u[15], v[15]);
2305
2306 v[0] = _mm256_add_epi32(u[0], K32One);
2307 v[1] = _mm256_add_epi32(u[1], K32One);
2308 v[2] = _mm256_add_epi32(u[2], K32One);
2309 v[3] = _mm256_add_epi32(u[3], K32One);
2310 v[4] = _mm256_add_epi32(u[4], K32One);
2311 v[5] = _mm256_add_epi32(u[5], K32One);
2312 v[6] = _mm256_add_epi32(u[6], K32One);
2313 v[7] = _mm256_add_epi32(u[7], K32One);
2314 v[8] = _mm256_add_epi32(u[8], K32One);
2315 v[9] = _mm256_add_epi32(u[9], K32One);
2316 v[10] = _mm256_add_epi32(u[10], K32One);
2317 v[11] = _mm256_add_epi32(u[11], K32One);
2318 v[12] = _mm256_add_epi32(u[12], K32One);
2319 v[13] = _mm256_add_epi32(u[13], K32One);
2320 v[14] = _mm256_add_epi32(u[14], K32One);
2321 v[15] = _mm256_add_epi32(u[15], K32One);
2322
2323 u[0] = _mm256_srai_epi32(v[0], 2);
2324 u[1] = _mm256_srai_epi32(v[1], 2);
2325 u[2] = _mm256_srai_epi32(v[2], 2);
2326 u[3] = _mm256_srai_epi32(v[3], 2);
2327 u[4] = _mm256_srai_epi32(v[4], 2);
2328 u[5] = _mm256_srai_epi32(v[5], 2);
2329 u[6] = _mm256_srai_epi32(v[6], 2);
2330 u[7] = _mm256_srai_epi32(v[7], 2);
2331 u[8] = _mm256_srai_epi32(v[8], 2);
2332 u[9] = _mm256_srai_epi32(v[9], 2);
2333 u[10] = _mm256_srai_epi32(v[10], 2);
2334 u[11] = _mm256_srai_epi32(v[11], 2);
2335 u[12] = _mm256_srai_epi32(v[12], 2);
2336 u[13] = _mm256_srai_epi32(v[13], 2);
2337 u[14] = _mm256_srai_epi32(v[14], 2);
2338 u[15] = _mm256_srai_epi32(v[15], 2);
2339
2340 out[2] = _mm256_packs_epi32(u[0], u[1]);
2341 out[18] = _mm256_packs_epi32(u[2], u[3]);
2342 out[10] = _mm256_packs_epi32(u[4], u[5]);
2343 out[26] = _mm256_packs_epi32(u[6], u[7]);
2344 out[6] = _mm256_packs_epi32(u[8], u[9]);
2345 out[22] = _mm256_packs_epi32(u[10], u[11]);
2346 out[14] = _mm256_packs_epi32(u[12], u[13]);
2347 out[30] = _mm256_packs_epi32(u[14], u[15]);
2348 }
2349 {
2350 lstep1[32] = _mm256_add_epi32(lstep3[34], lstep2[32]);
2351 lstep1[33] = _mm256_add_epi32(lstep3[35], lstep2[33]);
2352 lstep1[34] = _mm256_sub_epi32(lstep2[32], lstep3[34]);
2353 lstep1[35] = _mm256_sub_epi32(lstep2[33], lstep3[35]);
2354 lstep1[36] = _mm256_sub_epi32(lstep2[38], lstep3[36]);
2355 lstep1[37] = _mm256_sub_epi32(lstep2[39], lstep3[37]);
2356 lstep1[38] = _mm256_add_epi32(lstep3[36], lstep2[38]);
2357 lstep1[39] = _mm256_add_epi32(lstep3[37], lstep2[39]);
2358 lstep1[40] = _mm256_add_epi32(lstep3[42], lstep2[40]);
2359 lstep1[41] = _mm256_add_epi32(lstep3[43], lstep2[41]);
2360 lstep1[42] = _mm256_sub_epi32(lstep2[40], lstep3[42]);
2361 lstep1[43] = _mm256_sub_epi32(lstep2[41], lstep3[43]);
2362 lstep1[44] = _mm256_sub_epi32(lstep2[46], lstep3[44]);
2363 lstep1[45] = _mm256_sub_epi32(lstep2[47], lstep3[45]);
2364 lstep1[46] = _mm256_add_epi32(lstep3[44], lstep2[46]);
2365 lstep1[47] = _mm256_add_epi32(lstep3[45], lstep2[47]);
2366 lstep1[48] = _mm256_add_epi32(lstep3[50], lstep2[48]);
2367 lstep1[49] = _mm256_add_epi32(lstep3[51], lstep2[49]);
2368 lstep1[50] = _mm256_sub_epi32(lstep2[48], lstep3[50]);
2369 lstep1[51] = _mm256_sub_epi32(lstep2[49], lstep3[51]);
2370 lstep1[52] = _mm256_sub_epi32(lstep2[54], lstep3[52]);
2371 lstep1[53] = _mm256_sub_epi32(lstep2[55], lstep3[53]);
2372 lstep1[54] = _mm256_add_epi32(lstep3[52], lstep2[54]);
2373 lstep1[55] = _mm256_add_epi32(lstep3[53], lstep2[55]);
2374 lstep1[56] = _mm256_add_epi32(lstep3[58], lstep2[56]);
2375 lstep1[57] = _mm256_add_epi32(lstep3[59], lstep2[57]);
2376 lstep1[58] = _mm256_sub_epi32(lstep2[56], lstep3[58]);
2377 lstep1[59] = _mm256_sub_epi32(lstep2[57], lstep3[59]);
2378 lstep1[60] = _mm256_sub_epi32(lstep2[62], lstep3[60]);
2379 lstep1[61] = _mm256_sub_epi32(lstep2[63], lstep3[61]);
2380 lstep1[62] = _mm256_add_epi32(lstep3[60], lstep2[62]);
2381 lstep1[63] = _mm256_add_epi32(lstep3[61], lstep2[63]);
2382 }
2383 // stage 8
2384 {
2385 const __m256i k32_p31_p01 =
2386 pair256_set_epi32(cospi_31_64, cospi_1_64);
2387 const __m256i k32_p15_p17 =
2388 pair256_set_epi32(cospi_15_64, cospi_17_64);
2389 const __m256i k32_p23_p09 =
2390 pair256_set_epi32(cospi_23_64, cospi_9_64);
2391 const __m256i k32_p07_p25 =
2392 pair256_set_epi32(cospi_7_64, cospi_25_64);
2393 const __m256i k32_m25_p07 =
2394 pair256_set_epi32(-cospi_25_64, cospi_7_64);
2395 const __m256i k32_m09_p23 =
2396 pair256_set_epi32(-cospi_9_64, cospi_23_64);
2397 const __m256i k32_m17_p15 =
2398 pair256_set_epi32(-cospi_17_64, cospi_15_64);
2399 const __m256i k32_m01_p31 =
2400 pair256_set_epi32(-cospi_1_64, cospi_31_64);
2401
2402 u[0] = _mm256_unpacklo_epi32(lstep1[32], lstep1[62]);
2403 u[1] = _mm256_unpackhi_epi32(lstep1[32], lstep1[62]);
2404 u[2] = _mm256_unpacklo_epi32(lstep1[33], lstep1[63]);
2405 u[3] = _mm256_unpackhi_epi32(lstep1[33], lstep1[63]);
2406 u[4] = _mm256_unpacklo_epi32(lstep1[34], lstep1[60]);
2407 u[5] = _mm256_unpackhi_epi32(lstep1[34], lstep1[60]);
2408 u[6] = _mm256_unpacklo_epi32(lstep1[35], lstep1[61]);
2409 u[7] = _mm256_unpackhi_epi32(lstep1[35], lstep1[61]);
2410 u[8] = _mm256_unpacklo_epi32(lstep1[36], lstep1[58]);
2411 u[9] = _mm256_unpackhi_epi32(lstep1[36], lstep1[58]);
2412 u[10] = _mm256_unpacklo_epi32(lstep1[37], lstep1[59]);
2413 u[11] = _mm256_unpackhi_epi32(lstep1[37], lstep1[59]);
2414 u[12] = _mm256_unpacklo_epi32(lstep1[38], lstep1[56]);
2415 u[13] = _mm256_unpackhi_epi32(lstep1[38], lstep1[56]);
2416 u[14] = _mm256_unpacklo_epi32(lstep1[39], lstep1[57]);
2417 u[15] = _mm256_unpackhi_epi32(lstep1[39], lstep1[57]);
2418
2419 v[0] = k_madd_epi32_avx2(u[0], k32_p31_p01);
2420 v[1] = k_madd_epi32_avx2(u[1], k32_p31_p01);
2421 v[2] = k_madd_epi32_avx2(u[2], k32_p31_p01);
2422 v[3] = k_madd_epi32_avx2(u[3], k32_p31_p01);
2423 v[4] = k_madd_epi32_avx2(u[4], k32_p15_p17);
2424 v[5] = k_madd_epi32_avx2(u[5], k32_p15_p17);
2425 v[6] = k_madd_epi32_avx2(u[6], k32_p15_p17);
2426 v[7] = k_madd_epi32_avx2(u[7], k32_p15_p17);
2427 v[8] = k_madd_epi32_avx2(u[8], k32_p23_p09);
2428 v[9] = k_madd_epi32_avx2(u[9], k32_p23_p09);
2429 v[10] = k_madd_epi32_avx2(u[10], k32_p23_p09);
2430 v[11] = k_madd_epi32_avx2(u[11], k32_p23_p09);
2431 v[12] = k_madd_epi32_avx2(u[12], k32_p07_p25);
2432 v[13] = k_madd_epi32_avx2(u[13], k32_p07_p25);
2433 v[14] = k_madd_epi32_avx2(u[14], k32_p07_p25);
2434 v[15] = k_madd_epi32_avx2(u[15], k32_p07_p25);
2435 v[16] = k_madd_epi32_avx2(u[12], k32_m25_p07);
2436 v[17] = k_madd_epi32_avx2(u[13], k32_m25_p07);
2437 v[18] = k_madd_epi32_avx2(u[14], k32_m25_p07);
2438 v[19] = k_madd_epi32_avx2(u[15], k32_m25_p07);
2439 v[20] = k_madd_epi32_avx2(u[8], k32_m09_p23);
2440 v[21] = k_madd_epi32_avx2(u[9], k32_m09_p23);
2441 v[22] = k_madd_epi32_avx2(u[10], k32_m09_p23);
2442 v[23] = k_madd_epi32_avx2(u[11], k32_m09_p23);
2443 v[24] = k_madd_epi32_avx2(u[4], k32_m17_p15);
2444 v[25] = k_madd_epi32_avx2(u[5], k32_m17_p15);
2445 v[26] = k_madd_epi32_avx2(u[6], k32_m17_p15);
2446 v[27] = k_madd_epi32_avx2(u[7], k32_m17_p15);
2447 v[28] = k_madd_epi32_avx2(u[0], k32_m01_p31);
2448 v[29] = k_madd_epi32_avx2(u[1], k32_m01_p31);
2449 v[30] = k_madd_epi32_avx2(u[2], k32_m01_p31);
2450 v[31] = k_madd_epi32_avx2(u[3], k32_m01_p31);
2451
2452 u[0] = k_packs_epi64_avx2(v[0], v[1]);
2453 u[1] = k_packs_epi64_avx2(v[2], v[3]);
2454 u[2] = k_packs_epi64_avx2(v[4], v[5]);
2455 u[3] = k_packs_epi64_avx2(v[6], v[7]);
2456 u[4] = k_packs_epi64_avx2(v[8], v[9]);
2457 u[5] = k_packs_epi64_avx2(v[10], v[11]);
2458 u[6] = k_packs_epi64_avx2(v[12], v[13]);
2459 u[7] = k_packs_epi64_avx2(v[14], v[15]);
2460 u[8] = k_packs_epi64_avx2(v[16], v[17]);
2461 u[9] = k_packs_epi64_avx2(v[18], v[19]);
2462 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2463 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2464 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2465 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2466 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2467 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2468
2469 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2470 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2471 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2472 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2473 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2474 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2475 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2476 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2477 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2478 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2479 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2480 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2481 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2482 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2483 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2484 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2485
2486 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2487 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2488 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2489 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2490 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2491 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2492 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2493 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2494 u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2495 u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2496 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2497 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2498 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2499 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2500 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2501 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2502
2503 v[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2504 v[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2505 v[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2506 v[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2507 v[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2508 v[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2509 v[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2510 v[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2511 v[8] = _mm256_cmpgt_epi32(kZero, u[8]);
2512 v[9] = _mm256_cmpgt_epi32(kZero, u[9]);
2513 v[10] = _mm256_cmpgt_epi32(kZero, u[10]);
2514 v[11] = _mm256_cmpgt_epi32(kZero, u[11]);
2515 v[12] = _mm256_cmpgt_epi32(kZero, u[12]);
2516 v[13] = _mm256_cmpgt_epi32(kZero, u[13]);
2517 v[14] = _mm256_cmpgt_epi32(kZero, u[14]);
2518 v[15] = _mm256_cmpgt_epi32(kZero, u[15]);
2519
2520 u[0] = _mm256_sub_epi32(u[0], v[0]);
2521 u[1] = _mm256_sub_epi32(u[1], v[1]);
2522 u[2] = _mm256_sub_epi32(u[2], v[2]);
2523 u[3] = _mm256_sub_epi32(u[3], v[3]);
2524 u[4] = _mm256_sub_epi32(u[4], v[4]);
2525 u[5] = _mm256_sub_epi32(u[5], v[5]);
2526 u[6] = _mm256_sub_epi32(u[6], v[6]);
2527 u[7] = _mm256_sub_epi32(u[7], v[7]);
2528 u[8] = _mm256_sub_epi32(u[8], v[8]);
2529 u[9] = _mm256_sub_epi32(u[9], v[9]);
2530 u[10] = _mm256_sub_epi32(u[10], v[10]);
2531 u[11] = _mm256_sub_epi32(u[11], v[11]);
2532 u[12] = _mm256_sub_epi32(u[12], v[12]);
2533 u[13] = _mm256_sub_epi32(u[13], v[13]);
2534 u[14] = _mm256_sub_epi32(u[14], v[14]);
2535 u[15] = _mm256_sub_epi32(u[15], v[15]);
2536
2537 v[0] = _mm256_add_epi32(u[0], K32One);
2538 v[1] = _mm256_add_epi32(u[1], K32One);
2539 v[2] = _mm256_add_epi32(u[2], K32One);
2540 v[3] = _mm256_add_epi32(u[3], K32One);
2541 v[4] = _mm256_add_epi32(u[4], K32One);
2542 v[5] = _mm256_add_epi32(u[5], K32One);
2543 v[6] = _mm256_add_epi32(u[6], K32One);
2544 v[7] = _mm256_add_epi32(u[7], K32One);
2545 v[8] = _mm256_add_epi32(u[8], K32One);
2546 v[9] = _mm256_add_epi32(u[9], K32One);
2547 v[10] = _mm256_add_epi32(u[10], K32One);
2548 v[11] = _mm256_add_epi32(u[11], K32One);
2549 v[12] = _mm256_add_epi32(u[12], K32One);
2550 v[13] = _mm256_add_epi32(u[13], K32One);
2551 v[14] = _mm256_add_epi32(u[14], K32One);
2552 v[15] = _mm256_add_epi32(u[15], K32One);
2553
2554 u[0] = _mm256_srai_epi32(v[0], 2);
2555 u[1] = _mm256_srai_epi32(v[1], 2);
2556 u[2] = _mm256_srai_epi32(v[2], 2);
2557 u[3] = _mm256_srai_epi32(v[3], 2);
2558 u[4] = _mm256_srai_epi32(v[4], 2);
2559 u[5] = _mm256_srai_epi32(v[5], 2);
2560 u[6] = _mm256_srai_epi32(v[6], 2);
2561 u[7] = _mm256_srai_epi32(v[7], 2);
2562 u[8] = _mm256_srai_epi32(v[8], 2);
2563 u[9] = _mm256_srai_epi32(v[9], 2);
2564 u[10] = _mm256_srai_epi32(v[10], 2);
2565 u[11] = _mm256_srai_epi32(v[11], 2);
2566 u[12] = _mm256_srai_epi32(v[12], 2);
2567 u[13] = _mm256_srai_epi32(v[13], 2);
2568 u[14] = _mm256_srai_epi32(v[14], 2);
2569 u[15] = _mm256_srai_epi32(v[15], 2);
2570
2571 out[1] = _mm256_packs_epi32(u[0], u[1]);
2572 out[17] = _mm256_packs_epi32(u[2], u[3]);
2573 out[9] = _mm256_packs_epi32(u[4], u[5]);
2574 out[25] = _mm256_packs_epi32(u[6], u[7]);
2575 out[7] = _mm256_packs_epi32(u[8], u[9]);
2576 out[23] = _mm256_packs_epi32(u[10], u[11]);
2577 out[15] = _mm256_packs_epi32(u[12], u[13]);
2578 out[31] = _mm256_packs_epi32(u[14], u[15]);
2579 }
2580 {
2581 const __m256i k32_p27_p05 =
2582 pair256_set_epi32(cospi_27_64, cospi_5_64);
2583 const __m256i k32_p11_p21 =
2584 pair256_set_epi32(cospi_11_64, cospi_21_64);
2585 const __m256i k32_p19_p13 =
2586 pair256_set_epi32(cospi_19_64, cospi_13_64);
2587 const __m256i k32_p03_p29 =
2588 pair256_set_epi32(cospi_3_64, cospi_29_64);
2589 const __m256i k32_m29_p03 =
2590 pair256_set_epi32(-cospi_29_64, cospi_3_64);
2591 const __m256i k32_m13_p19 =
2592 pair256_set_epi32(-cospi_13_64, cospi_19_64);
2593 const __m256i k32_m21_p11 =
2594 pair256_set_epi32(-cospi_21_64, cospi_11_64);
2595 const __m256i k32_m05_p27 =
2596 pair256_set_epi32(-cospi_5_64, cospi_27_64);
2597
2598 u[0] = _mm256_unpacklo_epi32(lstep1[40], lstep1[54]);
2599 u[1] = _mm256_unpackhi_epi32(lstep1[40], lstep1[54]);
2600 u[2] = _mm256_unpacklo_epi32(lstep1[41], lstep1[55]);
2601 u[3] = _mm256_unpackhi_epi32(lstep1[41], lstep1[55]);
2602 u[4] = _mm256_unpacklo_epi32(lstep1[42], lstep1[52]);
2603 u[5] = _mm256_unpackhi_epi32(lstep1[42], lstep1[52]);
2604 u[6] = _mm256_unpacklo_epi32(lstep1[43], lstep1[53]);
2605 u[7] = _mm256_unpackhi_epi32(lstep1[43], lstep1[53]);
2606 u[8] = _mm256_unpacklo_epi32(lstep1[44], lstep1[50]);
2607 u[9] = _mm256_unpackhi_epi32(lstep1[44], lstep1[50]);
2608 u[10] = _mm256_unpacklo_epi32(lstep1[45], lstep1[51]);
2609 u[11] = _mm256_unpackhi_epi32(lstep1[45], lstep1[51]);
2610 u[12] = _mm256_unpacklo_epi32(lstep1[46], lstep1[48]);
2611 u[13] = _mm256_unpackhi_epi32(lstep1[46], lstep1[48]);
2612 u[14] = _mm256_unpacklo_epi32(lstep1[47], lstep1[49]);
2613 u[15] = _mm256_unpackhi_epi32(lstep1[47], lstep1[49]);
2614
2615 v[0] = k_madd_epi32_avx2(u[0], k32_p27_p05);
2616 v[1] = k_madd_epi32_avx2(u[1], k32_p27_p05);
2617 v[2] = k_madd_epi32_avx2(u[2], k32_p27_p05);
2618 v[3] = k_madd_epi32_avx2(u[3], k32_p27_p05);
2619 v[4] = k_madd_epi32_avx2(u[4], k32_p11_p21);
2620 v[5] = k_madd_epi32_avx2(u[5], k32_p11_p21);
2621 v[6] = k_madd_epi32_avx2(u[6], k32_p11_p21);
2622 v[7] = k_madd_epi32_avx2(u[7], k32_p11_p21);
2623 v[8] = k_madd_epi32_avx2(u[8], k32_p19_p13);
2624 v[9] = k_madd_epi32_avx2(u[9], k32_p19_p13);
2625 v[10] = k_madd_epi32_avx2(u[10], k32_p19_p13);
2626 v[11] = k_madd_epi32_avx2(u[11], k32_p19_p13);
2627 v[12] = k_madd_epi32_avx2(u[12], k32_p03_p29);
2628 v[13] = k_madd_epi32_avx2(u[13], k32_p03_p29);
2629 v[14] = k_madd_epi32_avx2(u[14], k32_p03_p29);
2630 v[15] = k_madd_epi32_avx2(u[15], k32_p03_p29);
2631 v[16] = k_madd_epi32_avx2(u[12], k32_m29_p03);
2632 v[17] = k_madd_epi32_avx2(u[13], k32_m29_p03);
2633 v[18] = k_madd_epi32_avx2(u[14], k32_m29_p03);
2634 v[19] = k_madd_epi32_avx2(u[15], k32_m29_p03);
2635 v[20] = k_madd_epi32_avx2(u[8], k32_m13_p19);
2636 v[21] = k_madd_epi32_avx2(u[9], k32_m13_p19);
2637 v[22] = k_madd_epi32_avx2(u[10], k32_m13_p19);
2638 v[23] = k_madd_epi32_avx2(u[11], k32_m13_p19);
2639 v[24] = k_madd_epi32_avx2(u[4], k32_m21_p11);
2640 v[25] = k_madd_epi32_avx2(u[5], k32_m21_p11);
2641 v[26] = k_madd_epi32_avx2(u[6], k32_m21_p11);
2642 v[27] = k_madd_epi32_avx2(u[7], k32_m21_p11);
2643 v[28] = k_madd_epi32_avx2(u[0], k32_m05_p27);
2644 v[29] = k_madd_epi32_avx2(u[1], k32_m05_p27);
2645 v[30] = k_madd_epi32_avx2(u[2], k32_m05_p27);
2646 v[31] = k_madd_epi32_avx2(u[3], k32_m05_p27);
2647
2648 u[0] = k_packs_epi64_avx2(v[0], v[1]);
2649 u[1] = k_packs_epi64_avx2(v[2], v[3]);
2650 u[2] = k_packs_epi64_avx2(v[4], v[5]);
2651 u[3] = k_packs_epi64_avx2(v[6], v[7]);
2652 u[4] = k_packs_epi64_avx2(v[8], v[9]);
2653 u[5] = k_packs_epi64_avx2(v[10], v[11]);
2654 u[6] = k_packs_epi64_avx2(v[12], v[13]);
2655 u[7] = k_packs_epi64_avx2(v[14], v[15]);
2656 u[8] = k_packs_epi64_avx2(v[16], v[17]);
2657 u[9] = k_packs_epi64_avx2(v[18], v[19]);
2658 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2659 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2660 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2661 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2662 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2663 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2664
2665 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2666 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2667 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2668 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2669 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2670 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2671 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2672 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2673 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2674 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2675 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2676 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2677 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2678 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2679 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2680 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2681
2682 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2683 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2684 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2685 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2686 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2687 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2688 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2689 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2690 u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2691 u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2692 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2693 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2694 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2695 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2696 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2697 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2698
2699 v[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2700 v[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2701 v[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2702 v[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2703 v[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2704 v[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2705 v[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2706 v[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2707 v[8] = _mm256_cmpgt_epi32(kZero, u[8]);
2708 v[9] = _mm256_cmpgt_epi32(kZero, u[9]);
2709 v[10] = _mm256_cmpgt_epi32(kZero, u[10]);
2710 v[11] = _mm256_cmpgt_epi32(kZero, u[11]);
2711 v[12] = _mm256_cmpgt_epi32(kZero, u[12]);
2712 v[13] = _mm256_cmpgt_epi32(kZero, u[13]);
2713 v[14] = _mm256_cmpgt_epi32(kZero, u[14]);
2714 v[15] = _mm256_cmpgt_epi32(kZero, u[15]);
2715
2716 u[0] = _mm256_sub_epi32(u[0], v[0]);
2717 u[1] = _mm256_sub_epi32(u[1], v[1]);
2718 u[2] = _mm256_sub_epi32(u[2], v[2]);
2719 u[3] = _mm256_sub_epi32(u[3], v[3]);
2720 u[4] = _mm256_sub_epi32(u[4], v[4]);
2721 u[5] = _mm256_sub_epi32(u[5], v[5]);
2722 u[6] = _mm256_sub_epi32(u[6], v[6]);
2723 u[7] = _mm256_sub_epi32(u[7], v[7]);
2724 u[8] = _mm256_sub_epi32(u[8], v[8]);
2725 u[9] = _mm256_sub_epi32(u[9], v[9]);
2726 u[10] = _mm256_sub_epi32(u[10], v[10]);
2727 u[11] = _mm256_sub_epi32(u[11], v[11]);
2728 u[12] = _mm256_sub_epi32(u[12], v[12]);
2729 u[13] = _mm256_sub_epi32(u[13], v[13]);
2730 u[14] = _mm256_sub_epi32(u[14], v[14]);
2731 u[15] = _mm256_sub_epi32(u[15], v[15]);
2732
2733 v[0] = _mm256_add_epi32(u[0], K32One);
2734 v[1] = _mm256_add_epi32(u[1], K32One);
2735 v[2] = _mm256_add_epi32(u[2], K32One);
2736 v[3] = _mm256_add_epi32(u[3], K32One);
2737 v[4] = _mm256_add_epi32(u[4], K32One);
2738 v[5] = _mm256_add_epi32(u[5], K32One);
2739 v[6] = _mm256_add_epi32(u[6], K32One);
2740 v[7] = _mm256_add_epi32(u[7], K32One);
2741 v[8] = _mm256_add_epi32(u[8], K32One);
2742 v[9] = _mm256_add_epi32(u[9], K32One);
2743 v[10] = _mm256_add_epi32(u[10], K32One);
2744 v[11] = _mm256_add_epi32(u[11], K32One);
2745 v[12] = _mm256_add_epi32(u[12], K32One);
2746 v[13] = _mm256_add_epi32(u[13], K32One);
2747 v[14] = _mm256_add_epi32(u[14], K32One);
2748 v[15] = _mm256_add_epi32(u[15], K32One);
2749
2750 u[0] = _mm256_srai_epi32(v[0], 2);
2751 u[1] = _mm256_srai_epi32(v[1], 2);
2752 u[2] = _mm256_srai_epi32(v[2], 2);
2753 u[3] = _mm256_srai_epi32(v[3], 2);
2754 u[4] = _mm256_srai_epi32(v[4], 2);
2755 u[5] = _mm256_srai_epi32(v[5], 2);
2756 u[6] = _mm256_srai_epi32(v[6], 2);
2757 u[7] = _mm256_srai_epi32(v[7], 2);
2758 u[8] = _mm256_srai_epi32(v[8], 2);
2759 u[9] = _mm256_srai_epi32(v[9], 2);
2760 u[10] = _mm256_srai_epi32(v[10], 2);
2761 u[11] = _mm256_srai_epi32(v[11], 2);
2762 u[12] = _mm256_srai_epi32(v[12], 2);
2763 u[13] = _mm256_srai_epi32(v[13], 2);
2764 u[14] = _mm256_srai_epi32(v[14], 2);
2765 u[15] = _mm256_srai_epi32(v[15], 2);
2766
2767 out[5] = _mm256_packs_epi32(u[0], u[1]);
2768 out[21] = _mm256_packs_epi32(u[2], u[3]);
2769 out[13] = _mm256_packs_epi32(u[4], u[5]);
2770 out[29] = _mm256_packs_epi32(u[6], u[7]);
2771 out[3] = _mm256_packs_epi32(u[8], u[9]);
2772 out[19] = _mm256_packs_epi32(u[10], u[11]);
2773 out[11] = _mm256_packs_epi32(u[12], u[13]);
2774 out[27] = _mm256_packs_epi32(u[14], u[15]);
2775 }
2776 }
2777 #endif
2778 // Transpose the results, do it as four 8x8 transposes.
2779 {
2780 int transpose_block;
2781 int16_t *output_currStep, *output_nextStep;
2782 if (0 == pass) {
2783 output_currStep = &intermediate[column_start * 32];
2784 output_nextStep = &intermediate[(column_start + 8) * 32];
2785 } else {
2786 output_currStep = &output_org[column_start * 32];
2787 output_nextStep = &output_org[(column_start + 8) * 32];
2788 }
2789 for (transpose_block = 0; transpose_block < 4; ++transpose_block) {
2790 __m256i *this_out = &out[8 * transpose_block];
2791 // 00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
2792 // 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
2793 // 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
2794 // 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
2795 // 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95
2796 // 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
2797 // 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135
2798 // 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155
2799 const __m256i tr0_0 = _mm256_unpacklo_epi16(this_out[0], this_out[1]);
2800 const __m256i tr0_1 = _mm256_unpacklo_epi16(this_out[2], this_out[3]);
2801 const __m256i tr0_2 = _mm256_unpackhi_epi16(this_out[0], this_out[1]);
2802 const __m256i tr0_3 = _mm256_unpackhi_epi16(this_out[2], this_out[3]);
2803 const __m256i tr0_4 = _mm256_unpacklo_epi16(this_out[4], this_out[5]);
2804 const __m256i tr0_5 = _mm256_unpacklo_epi16(this_out[6], this_out[7]);
2805 const __m256i tr0_6 = _mm256_unpackhi_epi16(this_out[4], this_out[5]);
2806 const __m256i tr0_7 = _mm256_unpackhi_epi16(this_out[6], this_out[7]);
2807 // 00 20 01 21 02 22 03 23 08 28 09 29 10 30 11 31
2808 // 40 60 41 61 42 62 43 63 48 68 49 69 50 70 51 71
2809 // 04 24 05 25 06 26 07 27 12 32 13 33 14 34 15 35
2810 // 44 64 45 65 46 66 47 67 52 72 53 73 54 74 55 75
2811 // 80 100 81 101 82 102 83 103 88 108 89 109 90 110 91 101
2812 // 120 140 121 141 122 142 123 143 128 148 129 149 130 150 131 151
2813 // 84 104 85 105 86 106 87 107 92 112 93 113 94 114 95 115
2814 // 124 144 125 145 126 146 127 147 132 152 133 153 134 154 135 155
2815
2816 const __m256i tr1_0 = _mm256_unpacklo_epi32(tr0_0, tr0_1);
2817 const __m256i tr1_1 = _mm256_unpacklo_epi32(tr0_2, tr0_3);
2818 const __m256i tr1_2 = _mm256_unpackhi_epi32(tr0_0, tr0_1);
2819 const __m256i tr1_3 = _mm256_unpackhi_epi32(tr0_2, tr0_3);
2820 const __m256i tr1_4 = _mm256_unpacklo_epi32(tr0_4, tr0_5);
2821 const __m256i tr1_5 = _mm256_unpacklo_epi32(tr0_6, tr0_7);
2822 const __m256i tr1_6 = _mm256_unpackhi_epi32(tr0_4, tr0_5);
2823 const __m256i tr1_7 = _mm256_unpackhi_epi32(tr0_6, tr0_7);
2824 // 00 20 40 60 01 21 41 61 08 28 48 68 09 29 49 69
2825 // 04 24 44 64 05 25 45 65 12 32 52 72 13 33 53 73
2826 // 02 22 42 62 03 23 43 63 10 30 50 70 11 31 51 71
2827 // 06 26 46 66 07 27 47 67 14 34 54 74 15 35 55 75
2828 // 80 100 120 140 81 101 121 141 88 108 128 148 89 109 129 149
2829 // 84 104 124 144 85 105 125 145 92 112 132 152 93 113 133 153
2830 // 82 102 122 142 83 103 123 143 90 110 130 150 91 101 131 151
2831 // 86 106 126 146 87 107 127 147 94 114 134 154 95 115 135 155
2832 __m256i tr2_0 = _mm256_unpacklo_epi64(tr1_0, tr1_4);
2833 __m256i tr2_1 = _mm256_unpackhi_epi64(tr1_0, tr1_4);
2834 __m256i tr2_2 = _mm256_unpacklo_epi64(tr1_2, tr1_6);
2835 __m256i tr2_3 = _mm256_unpackhi_epi64(tr1_2, tr1_6);
2836 __m256i tr2_4 = _mm256_unpacklo_epi64(tr1_1, tr1_5);
2837 __m256i tr2_5 = _mm256_unpackhi_epi64(tr1_1, tr1_5);
2838 __m256i tr2_6 = _mm256_unpacklo_epi64(tr1_3, tr1_7);
2839 __m256i tr2_7 = _mm256_unpackhi_epi64(tr1_3, tr1_7);
2840 // 00 20 40 60 80 100 120 140 08 28 48 68 88 108 128 148
2841 // 01 21 41 61 81 101 121 141 09 29 49 69 89 109 129 149
2842 // 02 22 42 62 82 102 122 142 10 30 50 70 90 110 130 150
2843 // 03 23 43 63 83 103 123 143 11 31 51 71 91 101 131 151
2844 // 04 24 44 64 84 104 124 144 12 32 52 72 92 112 132 152
2845 // 05 25 45 65 85 105 125 145 13 33 53 73 93 113 133 153
2846 // 06 26 46 66 86 106 126 146 14 34 54 74 94 114 134 154
2847 // 07 27 47 67 87 107 127 147 15 35 55 75 95 115 135 155
2848 if (0 == pass) {
2849 // output[j] = (output[j] + 1 + (output[j] > 0)) >> 2;
2850 // TODO(cd): see quality impact of only doing
2851 // output[j] = (output[j] + 1) >> 2;
2852 // which would remove the code between here ...
2853 __m256i tr2_0_0 = _mm256_cmpgt_epi16(tr2_0, kZero);
2854 __m256i tr2_1_0 = _mm256_cmpgt_epi16(tr2_1, kZero);
2855 __m256i tr2_2_0 = _mm256_cmpgt_epi16(tr2_2, kZero);
2856 __m256i tr2_3_0 = _mm256_cmpgt_epi16(tr2_3, kZero);
2857 __m256i tr2_4_0 = _mm256_cmpgt_epi16(tr2_4, kZero);
2858 __m256i tr2_5_0 = _mm256_cmpgt_epi16(tr2_5, kZero);
2859 __m256i tr2_6_0 = _mm256_cmpgt_epi16(tr2_6, kZero);
2860 __m256i tr2_7_0 = _mm256_cmpgt_epi16(tr2_7, kZero);
2861 tr2_0 = _mm256_sub_epi16(tr2_0, tr2_0_0);
2862 tr2_1 = _mm256_sub_epi16(tr2_1, tr2_1_0);
2863 tr2_2 = _mm256_sub_epi16(tr2_2, tr2_2_0);
2864 tr2_3 = _mm256_sub_epi16(tr2_3, tr2_3_0);
2865 tr2_4 = _mm256_sub_epi16(tr2_4, tr2_4_0);
2866 tr2_5 = _mm256_sub_epi16(tr2_5, tr2_5_0);
2867 tr2_6 = _mm256_sub_epi16(tr2_6, tr2_6_0);
2868 tr2_7 = _mm256_sub_epi16(tr2_7, tr2_7_0);
2869 // ... and here.
2870 // PS: also change code in vp9/encoder/vp9_dct.c
2871 tr2_0 = _mm256_add_epi16(tr2_0, kOne);
2872 tr2_1 = _mm256_add_epi16(tr2_1, kOne);
2873 tr2_2 = _mm256_add_epi16(tr2_2, kOne);
2874 tr2_3 = _mm256_add_epi16(tr2_3, kOne);
2875 tr2_4 = _mm256_add_epi16(tr2_4, kOne);
2876 tr2_5 = _mm256_add_epi16(tr2_5, kOne);
2877 tr2_6 = _mm256_add_epi16(tr2_6, kOne);
2878 tr2_7 = _mm256_add_epi16(tr2_7, kOne);
2879 tr2_0 = _mm256_srai_epi16(tr2_0, 2);
2880 tr2_1 = _mm256_srai_epi16(tr2_1, 2);
2881 tr2_2 = _mm256_srai_epi16(tr2_2, 2);
2882 tr2_3 = _mm256_srai_epi16(tr2_3, 2);
2883 tr2_4 = _mm256_srai_epi16(tr2_4, 2);
2884 tr2_5 = _mm256_srai_epi16(tr2_5, 2);
2885 tr2_6 = _mm256_srai_epi16(tr2_6, 2);
2886 tr2_7 = _mm256_srai_epi16(tr2_7, 2);
2887 }
2888 // Note: even though all these stores are aligned, using the aligned
2889 // intrinsic make the code slightly slower.
2890 _mm_storeu_si128((__m128i *)(output_currStep + 0 * 32),
2891 _mm256_castsi256_si128(tr2_0));
2892 _mm_storeu_si128((__m128i *)(output_currStep + 1 * 32),
2893 _mm256_castsi256_si128(tr2_1));
2894 _mm_storeu_si128((__m128i *)(output_currStep + 2 * 32),
2895 _mm256_castsi256_si128(tr2_2));
2896 _mm_storeu_si128((__m128i *)(output_currStep + 3 * 32),
2897 _mm256_castsi256_si128(tr2_3));
2898 _mm_storeu_si128((__m128i *)(output_currStep + 4 * 32),
2899 _mm256_castsi256_si128(tr2_4));
2900 _mm_storeu_si128((__m128i *)(output_currStep + 5 * 32),
2901 _mm256_castsi256_si128(tr2_5));
2902 _mm_storeu_si128((__m128i *)(output_currStep + 6 * 32),
2903 _mm256_castsi256_si128(tr2_6));
2904 _mm_storeu_si128((__m128i *)(output_currStep + 7 * 32),
2905 _mm256_castsi256_si128(tr2_7));
2906
2907 _mm_storeu_si128((__m128i *)(output_nextStep + 0 * 32),
2908 _mm256_extractf128_si256(tr2_0, 1));
2909 _mm_storeu_si128((__m128i *)(output_nextStep + 1 * 32),
2910 _mm256_extractf128_si256(tr2_1, 1));
2911 _mm_storeu_si128((__m128i *)(output_nextStep + 2 * 32),
2912 _mm256_extractf128_si256(tr2_2, 1));
2913 _mm_storeu_si128((__m128i *)(output_nextStep + 3 * 32),
2914 _mm256_extractf128_si256(tr2_3, 1));
2915 _mm_storeu_si128((__m128i *)(output_nextStep + 4 * 32),
2916 _mm256_extractf128_si256(tr2_4, 1));
2917 _mm_storeu_si128((__m128i *)(output_nextStep + 5 * 32),
2918 _mm256_extractf128_si256(tr2_5, 1));
2919 _mm_storeu_si128((__m128i *)(output_nextStep + 6 * 32),
2920 _mm256_extractf128_si256(tr2_6, 1));
2921 _mm_storeu_si128((__m128i *)(output_nextStep + 7 * 32),
2922 _mm256_extractf128_si256(tr2_7, 1));
2923 // Process next 8x8
2924 output_currStep += 8;
2925 output_nextStep += 8;
2926 }
2927 }
2928 }
2929 }
2930 } // NOLINT
2931