1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
|
#include "common.h"
#include "x265.h"
#include "arm64-utils.h"
#include <arm_neon.h>
namespace X265_NS
{
void transpose8x8(uint8_t *dst, const uint8_t *src, intptr_t dstride, intptr_t sstride)
{
uint8x8_t a0 = vld1_u8(src + 0 * sstride);
uint8x8_t a1 = vld1_u8(src + 1 * sstride);
uint8x8_t a2 = vld1_u8(src + 2 * sstride);
uint8x8_t a3 = vld1_u8(src + 3 * sstride);
uint8x8_t a4 = vld1_u8(src + 4 * sstride);
uint8x8_t a5 = vld1_u8(src + 5 * sstride);
uint8x8_t a6 = vld1_u8(src + 6 * sstride);
uint8x8_t a7 = vld1_u8(src + 7 * sstride);
uint32x2_t b0 = vtrn1_u32(vreinterpret_u32_u8(a0), vreinterpret_u32_u8(a4));
uint32x2_t b1 = vtrn1_u32(vreinterpret_u32_u8(a1), vreinterpret_u32_u8(a5));
uint32x2_t b2 = vtrn1_u32(vreinterpret_u32_u8(a2), vreinterpret_u32_u8(a6));
uint32x2_t b3 = vtrn1_u32(vreinterpret_u32_u8(a3), vreinterpret_u32_u8(a7));
uint32x2_t b4 = vtrn2_u32(vreinterpret_u32_u8(a0), vreinterpret_u32_u8(a4));
uint32x2_t b5 = vtrn2_u32(vreinterpret_u32_u8(a1), vreinterpret_u32_u8(a5));
uint32x2_t b6 = vtrn2_u32(vreinterpret_u32_u8(a2), vreinterpret_u32_u8(a6));
uint32x2_t b7 = vtrn2_u32(vreinterpret_u32_u8(a3), vreinterpret_u32_u8(a7));
uint16x4_t c0 = vtrn1_u16(vreinterpret_u16_u32(b0),
vreinterpret_u16_u32(b2));
uint16x4_t c1 = vtrn1_u16(vreinterpret_u16_u32(b1),
vreinterpret_u16_u32(b3));
uint16x4_t c2 = vtrn2_u16(vreinterpret_u16_u32(b0),
vreinterpret_u16_u32(b2));
uint16x4_t c3 = vtrn2_u16(vreinterpret_u16_u32(b1),
vreinterpret_u16_u32(b3));
uint16x4_t c4 = vtrn1_u16(vreinterpret_u16_u32(b4),
vreinterpret_u16_u32(b6));
uint16x4_t c5 = vtrn1_u16(vreinterpret_u16_u32(b5),
vreinterpret_u16_u32(b7));
uint16x4_t c6 = vtrn2_u16(vreinterpret_u16_u32(b4),
vreinterpret_u16_u32(b6));
uint16x4_t c7 = vtrn2_u16(vreinterpret_u16_u32(b5),
vreinterpret_u16_u32(b7));
uint8x8_t d0 = vtrn1_u8(vreinterpret_u8_u16(c0), vreinterpret_u8_u16(c1));
uint8x8_t d1 = vtrn2_u8(vreinterpret_u8_u16(c0), vreinterpret_u8_u16(c1));
uint8x8_t d2 = vtrn1_u8(vreinterpret_u8_u16(c2), vreinterpret_u8_u16(c3));
uint8x8_t d3 = vtrn2_u8(vreinterpret_u8_u16(c2), vreinterpret_u8_u16(c3));
uint8x8_t d4 = vtrn1_u8(vreinterpret_u8_u16(c4), vreinterpret_u8_u16(c5));
uint8x8_t d5 = vtrn2_u8(vreinterpret_u8_u16(c4), vreinterpret_u8_u16(c5));
uint8x8_t d6 = vtrn1_u8(vreinterpret_u8_u16(c6), vreinterpret_u8_u16(c7));
uint8x8_t d7 = vtrn2_u8(vreinterpret_u8_u16(c6), vreinterpret_u8_u16(c7));
vst1_u8(dst + 0 * dstride, d0);
vst1_u8(dst + 1 * dstride, d1);
vst1_u8(dst + 2 * dstride, d2);
vst1_u8(dst + 3 * dstride, d3);
vst1_u8(dst + 4 * dstride, d4);
vst1_u8(dst + 5 * dstride, d5);
vst1_u8(dst + 6 * dstride, d6);
vst1_u8(dst + 7 * dstride, d7);
}
void transpose16x16(uint8_t *dst, const uint8_t *src, intptr_t dstride, intptr_t sstride)
{
uint8x16_t a0 = vld1q_u8(src + 0 * sstride);
uint8x16_t a1 = vld1q_u8(src + 1 * sstride);
uint8x16_t a2 = vld1q_u8(src + 2 * sstride);
uint8x16_t a3 = vld1q_u8(src + 3 * sstride);
uint8x16_t a4 = vld1q_u8(src + 4 * sstride);
uint8x16_t a5 = vld1q_u8(src + 5 * sstride);
uint8x16_t a6 = vld1q_u8(src + 6 * sstride);
uint8x16_t a7 = vld1q_u8(src + 7 * sstride);
uint8x16_t a8 = vld1q_u8(src + 8 * sstride);
uint8x16_t a9 = vld1q_u8(src + 9 * sstride);
uint8x16_t aA = vld1q_u8(src + 10 * sstride);
uint8x16_t aB = vld1q_u8(src + 11 * sstride);
uint8x16_t aC = vld1q_u8(src + 12 * sstride);
uint8x16_t aD = vld1q_u8(src + 13 * sstride);
uint8x16_t aE = vld1q_u8(src + 14 * sstride);
uint8x16_t aF = vld1q_u8(src + 15 * sstride);
uint64x2_t b0 = vtrn1q_u64(vreinterpretq_u64_u8(a0),
vreinterpretq_u64_u8(a8));
uint64x2_t b1 = vtrn1q_u64(vreinterpretq_u64_u8(a1),
vreinterpretq_u64_u8(a9));
uint64x2_t b2 = vtrn1q_u64(vreinterpretq_u64_u8(a2),
vreinterpretq_u64_u8(aA));
uint64x2_t b3 = vtrn1q_u64(vreinterpretq_u64_u8(a3),
vreinterpretq_u64_u8(aB));
uint64x2_t b4 = vtrn1q_u64(vreinterpretq_u64_u8(a4),
vreinterpretq_u64_u8(aC));
uint64x2_t b5 = vtrn1q_u64(vreinterpretq_u64_u8(a5),
vreinterpretq_u64_u8(aD));
uint64x2_t b6 = vtrn1q_u64(vreinterpretq_u64_u8(a6),
vreinterpretq_u64_u8(aE));
uint64x2_t b7 = vtrn1q_u64(vreinterpretq_u64_u8(a7),
vreinterpretq_u64_u8(aF));
uint64x2_t b8 = vtrn2q_u64(vreinterpretq_u64_u8(a0),
vreinterpretq_u64_u8(a8));
uint64x2_t b9 = vtrn2q_u64(vreinterpretq_u64_u8(a1),
vreinterpretq_u64_u8(a9));
uint64x2_t bA = vtrn2q_u64(vreinterpretq_u64_u8(a2),
vreinterpretq_u64_u8(aA));
uint64x2_t bB = vtrn2q_u64(vreinterpretq_u64_u8(a3),
vreinterpretq_u64_u8(aB));
uint64x2_t bC = vtrn2q_u64(vreinterpretq_u64_u8(a4),
vreinterpretq_u64_u8(aC));
uint64x2_t bD = vtrn2q_u64(vreinterpretq_u64_u8(a5),
vreinterpretq_u64_u8(aD));
uint64x2_t bE = vtrn2q_u64(vreinterpretq_u64_u8(a6),
vreinterpretq_u64_u8(aE));
uint64x2_t bF = vtrn2q_u64(vreinterpretq_u64_u8(a7),
vreinterpretq_u64_u8(aF));
uint32x4_t c0 = vtrn1q_u32(vreinterpretq_u32_u64(b0),
vreinterpretq_u32_u64(b4));
uint32x4_t c1 = vtrn1q_u32(vreinterpretq_u32_u64(b1),
vreinterpretq_u32_u64(b5));
uint32x4_t c2 = vtrn1q_u32(vreinterpretq_u32_u64(b2),
vreinterpretq_u32_u64(b6));
uint32x4_t c3 = vtrn1q_u32(vreinterpretq_u32_u64(b3),
vreinterpretq_u32_u64(b7));
uint32x4_t c4 = vtrn2q_u32(vreinterpretq_u32_u64(b0),
vreinterpretq_u32_u64(b4));
uint32x4_t c5 = vtrn2q_u32(vreinterpretq_u32_u64(b1),
vreinterpretq_u32_u64(b5));
uint32x4_t c6 = vtrn2q_u32(vreinterpretq_u32_u64(b2),
vreinterpretq_u32_u64(b6));
uint32x4_t c7 = vtrn2q_u32(vreinterpretq_u32_u64(b3),
vreinterpretq_u32_u64(b7));
uint32x4_t c8 = vtrn1q_u32(vreinterpretq_u32_u64(b8),
vreinterpretq_u32_u64(bC));
uint32x4_t c9 = vtrn1q_u32(vreinterpretq_u32_u64(b9),
vreinterpretq_u32_u64(bD));
uint32x4_t cA = vtrn1q_u32(vreinterpretq_u32_u64(bA),
vreinterpretq_u32_u64(bE));
uint32x4_t cB = vtrn1q_u32(vreinterpretq_u32_u64(bB),
vreinterpretq_u32_u64(bF));
uint32x4_t cC = vtrn2q_u32(vreinterpretq_u32_u64(b8),
vreinterpretq_u32_u64(bC));
uint32x4_t cD = vtrn2q_u32(vreinterpretq_u32_u64(b9),
vreinterpretq_u32_u64(bD));
uint32x4_t cE = vtrn2q_u32(vreinterpretq_u32_u64(bA),
vreinterpretq_u32_u64(bE));
uint32x4_t cF = vtrn2q_u32(vreinterpretq_u32_u64(bB),
vreinterpretq_u32_u64(bF));
uint16x8_t d0 = vtrn1q_u16(vreinterpretq_u16_u32(c0),
vreinterpretq_u16_u32(c2));
uint16x8_t d1 = vtrn1q_u16(vreinterpretq_u16_u32(c1),
vreinterpretq_u16_u32(c3));
uint16x8_t d2 = vtrn2q_u16(vreinterpretq_u16_u32(c0),
vreinterpretq_u16_u32(c2));
uint16x8_t d3 = vtrn2q_u16(vreinterpretq_u16_u32(c1),
vreinterpretq_u16_u32(c3));
uint16x8_t d4 = vtrn1q_u16(vreinterpretq_u16_u32(c4),
vreinterpretq_u16_u32(c6));
uint16x8_t d5 = vtrn1q_u16(vreinterpretq_u16_u32(c5),
vreinterpretq_u16_u32(c7));
uint16x8_t d6 = vtrn2q_u16(vreinterpretq_u16_u32(c4),
vreinterpretq_u16_u32(c6));
uint16x8_t d7 = vtrn2q_u16(vreinterpretq_u16_u32(c5),
vreinterpretq_u16_u32(c7));
uint16x8_t d8 = vtrn1q_u16(vreinterpretq_u16_u32(c8),
vreinterpretq_u16_u32(cA));
uint16x8_t d9 = vtrn1q_u16(vreinterpretq_u16_u32(c9),
vreinterpretq_u16_u32(cB));
uint16x8_t dA = vtrn2q_u16(vreinterpretq_u16_u32(c8),
vreinterpretq_u16_u32(cA));
uint16x8_t dB = vtrn2q_u16(vreinterpretq_u16_u32(c9),
vreinterpretq_u16_u32(cB));
uint16x8_t dC = vtrn1q_u16(vreinterpretq_u16_u32(cC),
vreinterpretq_u16_u32(cE));
uint16x8_t dD = vtrn1q_u16(vreinterpretq_u16_u32(cD),
vreinterpretq_u16_u32(cF));
uint16x8_t dE = vtrn2q_u16(vreinterpretq_u16_u32(cC),
vreinterpretq_u16_u32(cE));
uint16x8_t dF = vtrn2q_u16(vreinterpretq_u16_u32(cD),
vreinterpretq_u16_u32(cF));
uint8x16_t e0 = vtrn1q_u8(vreinterpretq_u8_u16(d0),
vreinterpretq_u8_u16(d1));
uint8x16_t e1 = vtrn2q_u8(vreinterpretq_u8_u16(d0),
vreinterpretq_u8_u16(d1));
uint8x16_t e2 = vtrn1q_u8(vreinterpretq_u8_u16(d2),
vreinterpretq_u8_u16(d3));
uint8x16_t e3 = vtrn2q_u8(vreinterpretq_u8_u16(d2),
vreinterpretq_u8_u16(d3));
uint8x16_t e4 = vtrn1q_u8(vreinterpretq_u8_u16(d4),
vreinterpretq_u8_u16(d5));
uint8x16_t e5 = vtrn2q_u8(vreinterpretq_u8_u16(d4),
vreinterpretq_u8_u16(d5));
uint8x16_t e6 = vtrn1q_u8(vreinterpretq_u8_u16(d6),
vreinterpretq_u8_u16(d7));
uint8x16_t e7 = vtrn2q_u8(vreinterpretq_u8_u16(d6),
vreinterpretq_u8_u16(d7));
uint8x16_t e8 = vtrn1q_u8(vreinterpretq_u8_u16(d8),
vreinterpretq_u8_u16(d9));
uint8x16_t e9 = vtrn2q_u8(vreinterpretq_u8_u16(d8),
vreinterpretq_u8_u16(d9));
uint8x16_t eA = vtrn1q_u8(vreinterpretq_u8_u16(dA),
vreinterpretq_u8_u16(dB));
uint8x16_t eB = vtrn2q_u8(vreinterpretq_u8_u16(dA),
vreinterpretq_u8_u16(dB));
uint8x16_t eC = vtrn1q_u8(vreinterpretq_u8_u16(dC),
vreinterpretq_u8_u16(dD));
uint8x16_t eD = vtrn2q_u8(vreinterpretq_u8_u16(dC),
vreinterpretq_u8_u16(dD));
uint8x16_t eE = vtrn1q_u8(vreinterpretq_u8_u16(dE),
vreinterpretq_u8_u16(dF));
uint8x16_t eF = vtrn2q_u8(vreinterpretq_u8_u16(dE),
vreinterpretq_u8_u16(dF));
vst1q_u8(dst + 0 * dstride, e0);
vst1q_u8(dst + 1 * dstride, e1);
vst1q_u8(dst + 2 * dstride, e2);
vst1q_u8(dst + 3 * dstride, e3);
vst1q_u8(dst + 4 * dstride, e4);
vst1q_u8(dst + 5 * dstride, e5);
vst1q_u8(dst + 6 * dstride, e6);
vst1q_u8(dst + 7 * dstride, e7);
vst1q_u8(dst + 8 * dstride, e8);
vst1q_u8(dst + 9 * dstride, e9);
vst1q_u8(dst + 10 * dstride, eA);
vst1q_u8(dst + 11 * dstride, eB);
vst1q_u8(dst + 12 * dstride, eC);
vst1q_u8(dst + 13 * dstride, eD);
vst1q_u8(dst + 14 * dstride, eE);
vst1q_u8(dst + 15 * dstride, eF);
}
void transpose32x32(uint8_t *dst, const uint8_t *src, intptr_t dstride, intptr_t sstride)
{
//assumption: there is no partial overlap
transpose16x16(dst, src, dstride, sstride);
transpose16x16(dst + 16 * dstride + 16, src + 16 * sstride + 16, dstride, sstride);
if (dst == src)
{
uint8_t tmp[16 * 16] __attribute__((aligned(64)));
transpose16x16(tmp, src + 16, 16, sstride);
transpose16x16(dst + 16, src + 16 * sstride, dstride, sstride);
for (int i = 0; i < 16; i++)
{
vst1q_u8(dst + (16 + i) * dstride, vld1q_u8(tmp + 16 * i));
}
}
else
{
transpose16x16(dst + 16 * dstride, src + 16, dstride, sstride);
transpose16x16(dst + 16, src + 16 * sstride, dstride, sstride);
}
}
void transpose8x8(uint16_t *dst, const uint16_t *src, intptr_t dstride, intptr_t sstride)
{
uint16x8_t a0 = vld1q_u16(src + 0 * sstride);
uint16x8_t a1 = vld1q_u16(src + 1 * sstride);
uint16x8_t a2 = vld1q_u16(src + 2 * sstride);
uint16x8_t a3 = vld1q_u16(src + 3 * sstride);
uint16x8_t a4 = vld1q_u16(src + 4 * sstride);
uint16x8_t a5 = vld1q_u16(src + 5 * sstride);
uint16x8_t a6 = vld1q_u16(src + 6 * sstride);
uint16x8_t a7 = vld1q_u16(src + 7 * sstride);
uint64x2_t b0 = vtrn1q_u64(vreinterpretq_u64_u16(a0),
vreinterpretq_u64_u16(a4));
uint64x2_t b1 = vtrn1q_u64(vreinterpretq_u64_u16(a1),
vreinterpretq_u64_u16(a5));
uint64x2_t b2 = vtrn1q_u64(vreinterpretq_u64_u16(a2),
vreinterpretq_u64_u16(a6));
uint64x2_t b3 = vtrn1q_u64(vreinterpretq_u64_u16(a3),
vreinterpretq_u64_u16(a7));
uint64x2_t b4 = vtrn2q_u64(vreinterpretq_u64_u16(a0),
vreinterpretq_u64_u16(a4));
uint64x2_t b5 = vtrn2q_u64(vreinterpretq_u64_u16(a1),
vreinterpretq_u64_u16(a5));
uint64x2_t b6 = vtrn2q_u64(vreinterpretq_u64_u16(a2),
vreinterpretq_u64_u16(a6));
uint64x2_t b7 = vtrn2q_u64(vreinterpretq_u64_u16(a3),
vreinterpretq_u64_u16(a7));
uint32x4_t c0 = vtrn1q_u32(vreinterpretq_u32_u64(b0),
vreinterpretq_u32_u64(b2));
uint32x4_t c1 = vtrn1q_u32(vreinterpretq_u32_u64(b1),
vreinterpretq_u32_u64(b3));
uint32x4_t c2 = vtrn2q_u32(vreinterpretq_u32_u64(b0),
vreinterpretq_u32_u64(b2));
uint32x4_t c3 = vtrn2q_u32(vreinterpretq_u32_u64(b1),
vreinterpretq_u32_u64(b3));
uint32x4_t c4 = vtrn1q_u32(vreinterpretq_u32_u64(b4),
vreinterpretq_u32_u64(b6));
uint32x4_t c5 = vtrn1q_u32(vreinterpretq_u32_u64(b5),
vreinterpretq_u32_u64(b7));
uint32x4_t c6 = vtrn2q_u32(vreinterpretq_u32_u64(b4),
vreinterpretq_u32_u64(b6));
uint32x4_t c7 = vtrn2q_u32(vreinterpretq_u32_u64(b5),
vreinterpretq_u32_u64(b7));
uint16x8_t d0 = vtrn1q_u16(vreinterpretq_u16_u32(c0),
vreinterpretq_u16_u32(c1));
uint16x8_t d1 = vtrn2q_u16(vreinterpretq_u16_u32(c0),
vreinterpretq_u16_u32(c1));
uint16x8_t d2 = vtrn1q_u16(vreinterpretq_u16_u32(c2),
vreinterpretq_u16_u32(c3));
uint16x8_t d3 = vtrn2q_u16(vreinterpretq_u16_u32(c2),
vreinterpretq_u16_u32(c3));
uint16x8_t d4 = vtrn1q_u16(vreinterpretq_u16_u32(c4),
vreinterpretq_u16_u32(c5));
uint16x8_t d5 = vtrn2q_u16(vreinterpretq_u16_u32(c4),
vreinterpretq_u16_u32(c5));
uint16x8_t d6 = vtrn1q_u16(vreinterpretq_u16_u32(c6),
vreinterpretq_u16_u32(c7));
uint16x8_t d7 = vtrn2q_u16(vreinterpretq_u16_u32(c6),
vreinterpretq_u16_u32(c7));
vst1q_u16(dst + 0 * dstride, d0);
vst1q_u16(dst + 1 * dstride, d1);
vst1q_u16(dst + 2 * dstride, d2);
vst1q_u16(dst + 3 * dstride, d3);
vst1q_u16(dst + 4 * dstride, d4);
vst1q_u16(dst + 5 * dstride, d5);
vst1q_u16(dst + 6 * dstride, d6);
vst1q_u16(dst + 7 * dstride, d7);
}
void transpose16x16(uint16_t *dst, const uint16_t *src, intptr_t dstride, intptr_t sstride)
{
//assumption: there is no partial overlap
transpose8x8(dst, src, dstride, sstride);
transpose8x8(dst + 8 * dstride + 8, src + 8 * sstride + 8, dstride, sstride);
if (dst == src)
{
uint16_t tmp[8 * 8];
transpose8x8(tmp, src + 8, 8, sstride);
transpose8x8(dst + 8, src + 8 * sstride, dstride, sstride);
for (int i = 0; i < 8; i++)
{
vst1q_u16(dst + (8 + i) * dstride, vld1q_u16(tmp + 8 * i));
}
}
else
{
transpose8x8(dst + 8 * dstride, src + 8, dstride, sstride);
transpose8x8(dst + 8, src + 8 * sstride, dstride, sstride);
}
}
void transpose32x32(uint16_t *dst, const uint16_t *src, intptr_t dstride, intptr_t sstride)
{
//assumption: there is no partial overlap
for (int i = 0; i < 4; i++)
{
transpose8x8(dst + i * 8 * (1 + dstride), src + i * 8 * (1 + sstride), dstride, sstride);
for (int j = i + 1; j < 4; j++)
{
if (dst == src)
{
uint16_t tmp[8 * 8] __attribute__((aligned(64)));
transpose8x8(tmp, src + 8 * i + 8 * j * sstride, 8, sstride);
transpose8x8(dst + 8 * i + 8 * j * dstride, src + 8 * j + 8 * i * sstride, dstride, sstride);
for (int k = 0; k < 8; k++)
{
vst1q_u16(dst + 8 * j + (8 * i + k) * dstride,
vld1q_u16(tmp + 8 * k));
}
}
else
{
transpose8x8(dst + 8 * (j + i * dstride), src + 8 * (i + j * sstride), dstride, sstride);
transpose8x8(dst + 8 * (i + j * dstride), src + 8 * (j + i * sstride), dstride, sstride);
}
}
}
}
}
|
