Line data Source code
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
27 0 : static INLINE __m256i k_madd_epi32_avx2(__m256i a, __m256i b) {
28 : __m256i buf0, buf1;
29 0 : buf0 = _mm256_mul_epu32(a, b);
30 0 : a = _mm256_srli_epi64(a, 32);
31 0 : b = _mm256_srli_epi64(b, 32);
32 0 : buf1 = _mm256_mul_epu32(a, b);
33 0 : return _mm256_add_epi64(buf0, buf1);
34 : }
35 :
36 0 : static INLINE __m256i k_packs_epi64_avx2(__m256i a, __m256i b) {
37 0 : __m256i buf0 = _mm256_shuffle_epi32(a, _MM_SHUFFLE(0, 0, 2, 0));
38 0 : __m256i buf1 = _mm256_shuffle_epi32(b, _MM_SHUFFLE(0, 0, 2, 0));
39 0 : return _mm256_unpacklo_epi64(buf0, buf1);
40 : }
41 : #endif
42 :
43 0 : void FDCT32x32_2D_AVX2(const int16_t *input, int16_t *output_org, int stride) {
44 : // Calculate pre-multiplied strides
45 0 : const int str1 = stride;
46 0 : const int str2 = 2 * stride;
47 0 : 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 0 : const __m256i k__cospi_p16_p16 = _mm256_set1_epi16((int16_t)cospi_16_64);
55 0 : const __m256i k__cospi_p16_m16 =
56 0 : pair256_set_epi16(+cospi_16_64, -cospi_16_64);
57 0 : const __m256i k__cospi_m08_p24 = pair256_set_epi16(-cospi_8_64, cospi_24_64);
58 0 : const __m256i k__cospi_m24_m08 = pair256_set_epi16(-cospi_24_64, -cospi_8_64);
59 0 : const __m256i k__cospi_p24_p08 = pair256_set_epi16(+cospi_24_64, cospi_8_64);
60 0 : const __m256i k__cospi_p12_p20 = pair256_set_epi16(+cospi_12_64, cospi_20_64);
61 0 : const __m256i k__cospi_m20_p12 = pair256_set_epi16(-cospi_20_64, cospi_12_64);
62 0 : const __m256i k__cospi_m04_p28 = pair256_set_epi16(-cospi_4_64, cospi_28_64);
63 0 : const __m256i k__cospi_p28_p04 = pair256_set_epi16(+cospi_28_64, cospi_4_64);
64 0 : const __m256i k__cospi_m28_m04 = pair256_set_epi16(-cospi_28_64, -cospi_4_64);
65 0 : const __m256i k__cospi_m12_m20 =
66 0 : pair256_set_epi16(-cospi_12_64, -cospi_20_64);
67 0 : const __m256i k__cospi_p30_p02 = pair256_set_epi16(+cospi_30_64, cospi_2_64);
68 0 : const __m256i k__cospi_p14_p18 = pair256_set_epi16(+cospi_14_64, cospi_18_64);
69 0 : const __m256i k__cospi_p22_p10 = pair256_set_epi16(+cospi_22_64, cospi_10_64);
70 0 : const __m256i k__cospi_p06_p26 = pair256_set_epi16(+cospi_6_64, cospi_26_64);
71 0 : const __m256i k__cospi_m26_p06 = pair256_set_epi16(-cospi_26_64, cospi_6_64);
72 0 : const __m256i k__cospi_m10_p22 = pair256_set_epi16(-cospi_10_64, cospi_22_64);
73 0 : const __m256i k__cospi_m18_p14 = pair256_set_epi16(-cospi_18_64, cospi_14_64);
74 0 : const __m256i k__cospi_m02_p30 = pair256_set_epi16(-cospi_2_64, cospi_30_64);
75 0 : const __m256i k__cospi_p31_p01 = pair256_set_epi16(+cospi_31_64, cospi_1_64);
76 0 : const __m256i k__cospi_p15_p17 = pair256_set_epi16(+cospi_15_64, cospi_17_64);
77 0 : const __m256i k__cospi_p23_p09 = pair256_set_epi16(+cospi_23_64, cospi_9_64);
78 0 : const __m256i k__cospi_p07_p25 = pair256_set_epi16(+cospi_7_64, cospi_25_64);
79 0 : const __m256i k__cospi_m25_p07 = pair256_set_epi16(-cospi_25_64, cospi_7_64);
80 0 : const __m256i k__cospi_m09_p23 = pair256_set_epi16(-cospi_9_64, cospi_23_64);
81 0 : const __m256i k__cospi_m17_p15 = pair256_set_epi16(-cospi_17_64, cospi_15_64);
82 0 : const __m256i k__cospi_m01_p31 = pair256_set_epi16(-cospi_1_64, cospi_31_64);
83 0 : const __m256i k__cospi_p27_p05 = pair256_set_epi16(+cospi_27_64, cospi_5_64);
84 0 : const __m256i k__cospi_p11_p21 = pair256_set_epi16(+cospi_11_64, cospi_21_64);
85 0 : const __m256i k__cospi_p19_p13 = pair256_set_epi16(+cospi_19_64, cospi_13_64);
86 0 : const __m256i k__cospi_p03_p29 = pair256_set_epi16(+cospi_3_64, cospi_29_64);
87 0 : const __m256i k__cospi_m29_p03 = pair256_set_epi16(-cospi_29_64, cospi_3_64);
88 0 : const __m256i k__cospi_m13_p19 = pair256_set_epi16(-cospi_13_64, cospi_19_64);
89 0 : const __m256i k__cospi_m21_p11 = pair256_set_epi16(-cospi_21_64, cospi_11_64);
90 0 : const __m256i k__cospi_m05_p27 = pair256_set_epi16(-cospi_5_64, cospi_27_64);
91 0 : const __m256i k__DCT_CONST_ROUNDING = _mm256_set1_epi32(DCT_CONST_ROUNDING);
92 0 : const __m256i kZero = _mm256_set1_epi16(0);
93 0 : const __m256i kOne = _mm256_set1_epi16(1);
94 : // Do the two transform/transpose passes
95 : int pass;
96 0 : for (pass = 0; pass < 2; ++pass) {
97 : // We process sixteen columns (transposed rows in second pass) at a time.
98 : int column_start;
99 0 : 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 0 : if (0 == pass) {
108 0 : 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 0 : const int16_t *ina = in + 0 * str1;
114 0 : const int16_t *inb = in + 31 * str1;
115 0 : __m256i *step1a = &step1[0];
116 0 : __m256i *step1b = &step1[31];
117 0 : const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
118 0 : const __m256i ina1 =
119 0 : _mm256_loadu_si256((const __m256i *)(ina + str1));
120 0 : const __m256i ina2 =
121 0 : _mm256_loadu_si256((const __m256i *)(ina + str2));
122 0 : const __m256i ina3 =
123 0 : _mm256_loadu_si256((const __m256i *)(ina + str3));
124 0 : const __m256i inb3 =
125 0 : _mm256_loadu_si256((const __m256i *)(inb - str3));
126 0 : const __m256i inb2 =
127 0 : _mm256_loadu_si256((const __m256i *)(inb - str2));
128 0 : const __m256i inb1 =
129 0 : _mm256_loadu_si256((const __m256i *)(inb - str1));
130 0 : const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
131 0 : step1a[0] = _mm256_add_epi16(ina0, inb0);
132 0 : step1a[1] = _mm256_add_epi16(ina1, inb1);
133 0 : step1a[2] = _mm256_add_epi16(ina2, inb2);
134 0 : step1a[3] = _mm256_add_epi16(ina3, inb3);
135 0 : step1b[-3] = _mm256_sub_epi16(ina3, inb3);
136 0 : step1b[-2] = _mm256_sub_epi16(ina2, inb2);
137 0 : step1b[-1] = _mm256_sub_epi16(ina1, inb1);
138 0 : step1b[-0] = _mm256_sub_epi16(ina0, inb0);
139 0 : step1a[0] = _mm256_slli_epi16(step1a[0], 2);
140 0 : step1a[1] = _mm256_slli_epi16(step1a[1], 2);
141 0 : step1a[2] = _mm256_slli_epi16(step1a[2], 2);
142 0 : step1a[3] = _mm256_slli_epi16(step1a[3], 2);
143 0 : step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
144 0 : step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
145 0 : step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
146 0 : step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
147 : }
148 : {
149 0 : const int16_t *ina = in + 4 * str1;
150 0 : const int16_t *inb = in + 27 * str1;
151 0 : __m256i *step1a = &step1[4];
152 0 : __m256i *step1b = &step1[27];
153 0 : const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
154 0 : const __m256i ina1 =
155 0 : _mm256_loadu_si256((const __m256i *)(ina + str1));
156 0 : const __m256i ina2 =
157 0 : _mm256_loadu_si256((const __m256i *)(ina + str2));
158 0 : const __m256i ina3 =
159 0 : _mm256_loadu_si256((const __m256i *)(ina + str3));
160 0 : const __m256i inb3 =
161 0 : _mm256_loadu_si256((const __m256i *)(inb - str3));
162 0 : const __m256i inb2 =
163 0 : _mm256_loadu_si256((const __m256i *)(inb - str2));
164 0 : const __m256i inb1 =
165 0 : _mm256_loadu_si256((const __m256i *)(inb - str1));
166 0 : const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
167 0 : step1a[0] = _mm256_add_epi16(ina0, inb0);
168 0 : step1a[1] = _mm256_add_epi16(ina1, inb1);
169 0 : step1a[2] = _mm256_add_epi16(ina2, inb2);
170 0 : step1a[3] = _mm256_add_epi16(ina3, inb3);
171 0 : step1b[-3] = _mm256_sub_epi16(ina3, inb3);
172 0 : step1b[-2] = _mm256_sub_epi16(ina2, inb2);
173 0 : step1b[-1] = _mm256_sub_epi16(ina1, inb1);
174 0 : step1b[-0] = _mm256_sub_epi16(ina0, inb0);
175 0 : step1a[0] = _mm256_slli_epi16(step1a[0], 2);
176 0 : step1a[1] = _mm256_slli_epi16(step1a[1], 2);
177 0 : step1a[2] = _mm256_slli_epi16(step1a[2], 2);
178 0 : step1a[3] = _mm256_slli_epi16(step1a[3], 2);
179 0 : step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
180 0 : step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
181 0 : step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
182 0 : step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
183 : }
184 : {
185 0 : const int16_t *ina = in + 8 * str1;
186 0 : const int16_t *inb = in + 23 * str1;
187 0 : __m256i *step1a = &step1[8];
188 0 : __m256i *step1b = &step1[23];
189 0 : const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
190 0 : const __m256i ina1 =
191 0 : _mm256_loadu_si256((const __m256i *)(ina + str1));
192 0 : const __m256i ina2 =
193 0 : _mm256_loadu_si256((const __m256i *)(ina + str2));
194 0 : const __m256i ina3 =
195 0 : _mm256_loadu_si256((const __m256i *)(ina + str3));
196 0 : const __m256i inb3 =
197 0 : _mm256_loadu_si256((const __m256i *)(inb - str3));
198 0 : const __m256i inb2 =
199 0 : _mm256_loadu_si256((const __m256i *)(inb - str2));
200 0 : const __m256i inb1 =
201 0 : _mm256_loadu_si256((const __m256i *)(inb - str1));
202 0 : const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
203 0 : step1a[0] = _mm256_add_epi16(ina0, inb0);
204 0 : step1a[1] = _mm256_add_epi16(ina1, inb1);
205 0 : step1a[2] = _mm256_add_epi16(ina2, inb2);
206 0 : step1a[3] = _mm256_add_epi16(ina3, inb3);
207 0 : step1b[-3] = _mm256_sub_epi16(ina3, inb3);
208 0 : step1b[-2] = _mm256_sub_epi16(ina2, inb2);
209 0 : step1b[-1] = _mm256_sub_epi16(ina1, inb1);
210 0 : step1b[-0] = _mm256_sub_epi16(ina0, inb0);
211 0 : step1a[0] = _mm256_slli_epi16(step1a[0], 2);
212 0 : step1a[1] = _mm256_slli_epi16(step1a[1], 2);
213 0 : step1a[2] = _mm256_slli_epi16(step1a[2], 2);
214 0 : step1a[3] = _mm256_slli_epi16(step1a[3], 2);
215 0 : step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
216 0 : step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
217 0 : step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
218 0 : step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
219 : }
220 : {
221 0 : const int16_t *ina = in + 12 * str1;
222 0 : const int16_t *inb = in + 19 * str1;
223 0 : __m256i *step1a = &step1[12];
224 0 : __m256i *step1b = &step1[19];
225 0 : const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
226 0 : const __m256i ina1 =
227 0 : _mm256_loadu_si256((const __m256i *)(ina + str1));
228 0 : const __m256i ina2 =
229 0 : _mm256_loadu_si256((const __m256i *)(ina + str2));
230 0 : const __m256i ina3 =
231 0 : _mm256_loadu_si256((const __m256i *)(ina + str3));
232 0 : const __m256i inb3 =
233 0 : _mm256_loadu_si256((const __m256i *)(inb - str3));
234 0 : const __m256i inb2 =
235 0 : _mm256_loadu_si256((const __m256i *)(inb - str2));
236 0 : const __m256i inb1 =
237 0 : _mm256_loadu_si256((const __m256i *)(inb - str1));
238 0 : const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
239 0 : step1a[0] = _mm256_add_epi16(ina0, inb0);
240 0 : step1a[1] = _mm256_add_epi16(ina1, inb1);
241 0 : step1a[2] = _mm256_add_epi16(ina2, inb2);
242 0 : step1a[3] = _mm256_add_epi16(ina3, inb3);
243 0 : step1b[-3] = _mm256_sub_epi16(ina3, inb3);
244 0 : step1b[-2] = _mm256_sub_epi16(ina2, inb2);
245 0 : step1b[-1] = _mm256_sub_epi16(ina1, inb1);
246 0 : step1b[-0] = _mm256_sub_epi16(ina0, inb0);
247 0 : step1a[0] = _mm256_slli_epi16(step1a[0], 2);
248 0 : step1a[1] = _mm256_slli_epi16(step1a[1], 2);
249 0 : step1a[2] = _mm256_slli_epi16(step1a[2], 2);
250 0 : step1a[3] = _mm256_slli_epi16(step1a[3], 2);
251 0 : step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
252 0 : step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
253 0 : step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
254 0 : step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
255 : }
256 : } else {
257 0 : 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 0 : __m256i in00 = _mm256_loadu_si256((const __m256i *)(in + 0 * 32));
266 0 : __m256i in01 = _mm256_loadu_si256((const __m256i *)(in + 1 * 32));
267 0 : __m256i in02 = _mm256_loadu_si256((const __m256i *)(in + 2 * 32));
268 0 : __m256i in03 = _mm256_loadu_si256((const __m256i *)(in + 3 * 32));
269 0 : __m256i in28 = _mm256_loadu_si256((const __m256i *)(in + 28 * 32));
270 0 : __m256i in29 = _mm256_loadu_si256((const __m256i *)(in + 29 * 32));
271 0 : __m256i in30 = _mm256_loadu_si256((const __m256i *)(in + 30 * 32));
272 0 : __m256i in31 = _mm256_loadu_si256((const __m256i *)(in + 31 * 32));
273 0 : step1[0] = _mm256_add_epi16(in00, in31);
274 0 : step1[1] = _mm256_add_epi16(in01, in30);
275 0 : step1[2] = _mm256_add_epi16(in02, in29);
276 0 : step1[3] = _mm256_add_epi16(in03, in28);
277 0 : step1[28] = _mm256_sub_epi16(in03, in28);
278 0 : step1[29] = _mm256_sub_epi16(in02, in29);
279 0 : step1[30] = _mm256_sub_epi16(in01, in30);
280 0 : step1[31] = _mm256_sub_epi16(in00, in31);
281 : }
282 : {
283 0 : __m256i in04 = _mm256_loadu_si256((const __m256i *)(in + 4 * 32));
284 0 : __m256i in05 = _mm256_loadu_si256((const __m256i *)(in + 5 * 32));
285 0 : __m256i in06 = _mm256_loadu_si256((const __m256i *)(in + 6 * 32));
286 0 : __m256i in07 = _mm256_loadu_si256((const __m256i *)(in + 7 * 32));
287 0 : __m256i in24 = _mm256_loadu_si256((const __m256i *)(in + 24 * 32));
288 0 : __m256i in25 = _mm256_loadu_si256((const __m256i *)(in + 25 * 32));
289 0 : __m256i in26 = _mm256_loadu_si256((const __m256i *)(in + 26 * 32));
290 0 : __m256i in27 = _mm256_loadu_si256((const __m256i *)(in + 27 * 32));
291 0 : step1[4] = _mm256_add_epi16(in04, in27);
292 0 : step1[5] = _mm256_add_epi16(in05, in26);
293 0 : step1[6] = _mm256_add_epi16(in06, in25);
294 0 : step1[7] = _mm256_add_epi16(in07, in24);
295 0 : step1[24] = _mm256_sub_epi16(in07, in24);
296 0 : step1[25] = _mm256_sub_epi16(in06, in25);
297 0 : step1[26] = _mm256_sub_epi16(in05, in26);
298 0 : step1[27] = _mm256_sub_epi16(in04, in27);
299 : }
300 : {
301 0 : __m256i in08 = _mm256_loadu_si256((const __m256i *)(in + 8 * 32));
302 0 : __m256i in09 = _mm256_loadu_si256((const __m256i *)(in + 9 * 32));
303 0 : __m256i in10 = _mm256_loadu_si256((const __m256i *)(in + 10 * 32));
304 0 : __m256i in11 = _mm256_loadu_si256((const __m256i *)(in + 11 * 32));
305 0 : __m256i in20 = _mm256_loadu_si256((const __m256i *)(in + 20 * 32));
306 0 : __m256i in21 = _mm256_loadu_si256((const __m256i *)(in + 21 * 32));
307 0 : __m256i in22 = _mm256_loadu_si256((const __m256i *)(in + 22 * 32));
308 0 : __m256i in23 = _mm256_loadu_si256((const __m256i *)(in + 23 * 32));
309 0 : step1[8] = _mm256_add_epi16(in08, in23);
310 0 : step1[9] = _mm256_add_epi16(in09, in22);
311 0 : step1[10] = _mm256_add_epi16(in10, in21);
312 0 : step1[11] = _mm256_add_epi16(in11, in20);
313 0 : step1[20] = _mm256_sub_epi16(in11, in20);
314 0 : step1[21] = _mm256_sub_epi16(in10, in21);
315 0 : step1[22] = _mm256_sub_epi16(in09, in22);
316 0 : step1[23] = _mm256_sub_epi16(in08, in23);
317 : }
318 : {
319 0 : __m256i in12 = _mm256_loadu_si256((const __m256i *)(in + 12 * 32));
320 0 : __m256i in13 = _mm256_loadu_si256((const __m256i *)(in + 13 * 32));
321 0 : __m256i in14 = _mm256_loadu_si256((const __m256i *)(in + 14 * 32));
322 0 : __m256i in15 = _mm256_loadu_si256((const __m256i *)(in + 15 * 32));
323 0 : __m256i in16 = _mm256_loadu_si256((const __m256i *)(in + 16 * 32));
324 0 : __m256i in17 = _mm256_loadu_si256((const __m256i *)(in + 17 * 32));
325 0 : __m256i in18 = _mm256_loadu_si256((const __m256i *)(in + 18 * 32));
326 0 : __m256i in19 = _mm256_loadu_si256((const __m256i *)(in + 19 * 32));
327 0 : step1[12] = _mm256_add_epi16(in12, in19);
328 0 : step1[13] = _mm256_add_epi16(in13, in18);
329 0 : step1[14] = _mm256_add_epi16(in14, in17);
330 0 : step1[15] = _mm256_add_epi16(in15, in16);
331 0 : step1[16] = _mm256_sub_epi16(in15, in16);
332 0 : step1[17] = _mm256_sub_epi16(in14, in17);
333 0 : step1[18] = _mm256_sub_epi16(in13, in18);
334 0 : step1[19] = _mm256_sub_epi16(in12, in19);
335 : }
336 : }
337 : // Stage 2
338 : {
339 0 : step2[0] = _mm256_add_epi16(step1[0], step1[15]);
340 0 : step2[1] = _mm256_add_epi16(step1[1], step1[14]);
341 0 : step2[2] = _mm256_add_epi16(step1[2], step1[13]);
342 0 : step2[3] = _mm256_add_epi16(step1[3], step1[12]);
343 0 : step2[4] = _mm256_add_epi16(step1[4], step1[11]);
344 0 : step2[5] = _mm256_add_epi16(step1[5], step1[10]);
345 0 : step2[6] = _mm256_add_epi16(step1[6], step1[9]);
346 0 : step2[7] = _mm256_add_epi16(step1[7], step1[8]);
347 0 : step2[8] = _mm256_sub_epi16(step1[7], step1[8]);
348 0 : step2[9] = _mm256_sub_epi16(step1[6], step1[9]);
349 0 : step2[10] = _mm256_sub_epi16(step1[5], step1[10]);
350 0 : step2[11] = _mm256_sub_epi16(step1[4], step1[11]);
351 0 : step2[12] = _mm256_sub_epi16(step1[3], step1[12]);
352 0 : step2[13] = _mm256_sub_epi16(step1[2], step1[13]);
353 0 : step2[14] = _mm256_sub_epi16(step1[1], step1[14]);
354 0 : step2[15] = _mm256_sub_epi16(step1[0], step1[15]);
355 : }
356 : {
357 0 : const __m256i s2_20_0 = _mm256_unpacklo_epi16(step1[27], step1[20]);
358 0 : const __m256i s2_20_1 = _mm256_unpackhi_epi16(step1[27], step1[20]);
359 0 : const __m256i s2_21_0 = _mm256_unpacklo_epi16(step1[26], step1[21]);
360 0 : const __m256i s2_21_1 = _mm256_unpackhi_epi16(step1[26], step1[21]);
361 0 : const __m256i s2_22_0 = _mm256_unpacklo_epi16(step1[25], step1[22]);
362 0 : const __m256i s2_22_1 = _mm256_unpackhi_epi16(step1[25], step1[22]);
363 0 : const __m256i s2_23_0 = _mm256_unpacklo_epi16(step1[24], step1[23]);
364 0 : const __m256i s2_23_1 = _mm256_unpackhi_epi16(step1[24], step1[23]);
365 0 : const __m256i s2_20_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_m16);
366 0 : const __m256i s2_20_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_m16);
367 0 : const __m256i s2_21_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_m16);
368 0 : const __m256i s2_21_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_m16);
369 0 : const __m256i s2_22_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_m16);
370 0 : const __m256i s2_22_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_m16);
371 0 : const __m256i s2_23_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_m16);
372 0 : const __m256i s2_23_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_m16);
373 0 : const __m256i s2_24_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_p16);
374 0 : const __m256i s2_24_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_p16);
375 0 : const __m256i s2_25_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_p16);
376 0 : const __m256i s2_25_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_p16);
377 0 : const __m256i s2_26_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_p16);
378 0 : const __m256i s2_26_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_p16);
379 0 : const __m256i s2_27_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_p16);
380 0 : const __m256i s2_27_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_p16);
381 : // dct_const_round_shift
382 0 : const __m256i s2_20_4 =
383 : _mm256_add_epi32(s2_20_2, k__DCT_CONST_ROUNDING);
384 0 : const __m256i s2_20_5 =
385 : _mm256_add_epi32(s2_20_3, k__DCT_CONST_ROUNDING);
386 0 : const __m256i s2_21_4 =
387 : _mm256_add_epi32(s2_21_2, k__DCT_CONST_ROUNDING);
388 0 : const __m256i s2_21_5 =
389 : _mm256_add_epi32(s2_21_3, k__DCT_CONST_ROUNDING);
390 0 : const __m256i s2_22_4 =
391 : _mm256_add_epi32(s2_22_2, k__DCT_CONST_ROUNDING);
392 0 : const __m256i s2_22_5 =
393 : _mm256_add_epi32(s2_22_3, k__DCT_CONST_ROUNDING);
394 0 : const __m256i s2_23_4 =
395 : _mm256_add_epi32(s2_23_2, k__DCT_CONST_ROUNDING);
396 0 : const __m256i s2_23_5 =
397 : _mm256_add_epi32(s2_23_3, k__DCT_CONST_ROUNDING);
398 0 : const __m256i s2_24_4 =
399 : _mm256_add_epi32(s2_24_2, k__DCT_CONST_ROUNDING);
400 0 : const __m256i s2_24_5 =
401 : _mm256_add_epi32(s2_24_3, k__DCT_CONST_ROUNDING);
402 0 : const __m256i s2_25_4 =
403 : _mm256_add_epi32(s2_25_2, k__DCT_CONST_ROUNDING);
404 0 : const __m256i s2_25_5 =
405 : _mm256_add_epi32(s2_25_3, k__DCT_CONST_ROUNDING);
406 0 : const __m256i s2_26_4 =
407 : _mm256_add_epi32(s2_26_2, k__DCT_CONST_ROUNDING);
408 0 : const __m256i s2_26_5 =
409 : _mm256_add_epi32(s2_26_3, k__DCT_CONST_ROUNDING);
410 0 : const __m256i s2_27_4 =
411 : _mm256_add_epi32(s2_27_2, k__DCT_CONST_ROUNDING);
412 0 : const __m256i s2_27_5 =
413 : _mm256_add_epi32(s2_27_3, k__DCT_CONST_ROUNDING);
414 0 : const __m256i s2_20_6 = _mm256_srai_epi32(s2_20_4, DCT_CONST_BITS);
415 0 : const __m256i s2_20_7 = _mm256_srai_epi32(s2_20_5, DCT_CONST_BITS);
416 0 : const __m256i s2_21_6 = _mm256_srai_epi32(s2_21_4, DCT_CONST_BITS);
417 0 : const __m256i s2_21_7 = _mm256_srai_epi32(s2_21_5, DCT_CONST_BITS);
418 0 : const __m256i s2_22_6 = _mm256_srai_epi32(s2_22_4, DCT_CONST_BITS);
419 0 : const __m256i s2_22_7 = _mm256_srai_epi32(s2_22_5, DCT_CONST_BITS);
420 0 : const __m256i s2_23_6 = _mm256_srai_epi32(s2_23_4, DCT_CONST_BITS);
421 0 : const __m256i s2_23_7 = _mm256_srai_epi32(s2_23_5, DCT_CONST_BITS);
422 0 : const __m256i s2_24_6 = _mm256_srai_epi32(s2_24_4, DCT_CONST_BITS);
423 0 : const __m256i s2_24_7 = _mm256_srai_epi32(s2_24_5, DCT_CONST_BITS);
424 0 : const __m256i s2_25_6 = _mm256_srai_epi32(s2_25_4, DCT_CONST_BITS);
425 0 : const __m256i s2_25_7 = _mm256_srai_epi32(s2_25_5, DCT_CONST_BITS);
426 0 : const __m256i s2_26_6 = _mm256_srai_epi32(s2_26_4, DCT_CONST_BITS);
427 0 : const __m256i s2_26_7 = _mm256_srai_epi32(s2_26_5, DCT_CONST_BITS);
428 0 : const __m256i s2_27_6 = _mm256_srai_epi32(s2_27_4, DCT_CONST_BITS);
429 0 : const __m256i s2_27_7 = _mm256_srai_epi32(s2_27_5, DCT_CONST_BITS);
430 : // Combine
431 0 : step2[20] = _mm256_packs_epi32(s2_20_6, s2_20_7);
432 0 : step2[21] = _mm256_packs_epi32(s2_21_6, s2_21_7);
433 0 : step2[22] = _mm256_packs_epi32(s2_22_6, s2_22_7);
434 0 : step2[23] = _mm256_packs_epi32(s2_23_6, s2_23_7);
435 0 : step2[24] = _mm256_packs_epi32(s2_24_6, s2_24_7);
436 0 : step2[25] = _mm256_packs_epi32(s2_25_6, s2_25_7);
437 0 : step2[26] = _mm256_packs_epi32(s2_26_6, s2_26_7);
438 0 : 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 0 : if (1 == pass) {
445 0 : __m256i s3_00_0 = _mm256_cmpgt_epi16(kZero, step2[0]);
446 0 : __m256i s3_01_0 = _mm256_cmpgt_epi16(kZero, step2[1]);
447 0 : __m256i s3_02_0 = _mm256_cmpgt_epi16(kZero, step2[2]);
448 0 : __m256i s3_03_0 = _mm256_cmpgt_epi16(kZero, step2[3]);
449 0 : __m256i s3_04_0 = _mm256_cmpgt_epi16(kZero, step2[4]);
450 0 : __m256i s3_05_0 = _mm256_cmpgt_epi16(kZero, step2[5]);
451 0 : __m256i s3_06_0 = _mm256_cmpgt_epi16(kZero, step2[6]);
452 0 : __m256i s3_07_0 = _mm256_cmpgt_epi16(kZero, step2[7]);
453 0 : __m256i s2_08_0 = _mm256_cmpgt_epi16(kZero, step2[8]);
454 0 : __m256i s2_09_0 = _mm256_cmpgt_epi16(kZero, step2[9]);
455 0 : __m256i s3_10_0 = _mm256_cmpgt_epi16(kZero, step2[10]);
456 0 : __m256i s3_11_0 = _mm256_cmpgt_epi16(kZero, step2[11]);
457 0 : __m256i s3_12_0 = _mm256_cmpgt_epi16(kZero, step2[12]);
458 0 : __m256i s3_13_0 = _mm256_cmpgt_epi16(kZero, step2[13]);
459 0 : __m256i s2_14_0 = _mm256_cmpgt_epi16(kZero, step2[14]);
460 0 : __m256i s2_15_0 = _mm256_cmpgt_epi16(kZero, step2[15]);
461 0 : __m256i s3_16_0 = _mm256_cmpgt_epi16(kZero, step1[16]);
462 0 : __m256i s3_17_0 = _mm256_cmpgt_epi16(kZero, step1[17]);
463 0 : __m256i s3_18_0 = _mm256_cmpgt_epi16(kZero, step1[18]);
464 0 : __m256i s3_19_0 = _mm256_cmpgt_epi16(kZero, step1[19]);
465 0 : __m256i s3_20_0 = _mm256_cmpgt_epi16(kZero, step2[20]);
466 0 : __m256i s3_21_0 = _mm256_cmpgt_epi16(kZero, step2[21]);
467 0 : __m256i s3_22_0 = _mm256_cmpgt_epi16(kZero, step2[22]);
468 0 : __m256i s3_23_0 = _mm256_cmpgt_epi16(kZero, step2[23]);
469 0 : __m256i s3_24_0 = _mm256_cmpgt_epi16(kZero, step2[24]);
470 0 : __m256i s3_25_0 = _mm256_cmpgt_epi16(kZero, step2[25]);
471 0 : __m256i s3_26_0 = _mm256_cmpgt_epi16(kZero, step2[26]);
472 0 : __m256i s3_27_0 = _mm256_cmpgt_epi16(kZero, step2[27]);
473 0 : __m256i s3_28_0 = _mm256_cmpgt_epi16(kZero, step1[28]);
474 0 : __m256i s3_29_0 = _mm256_cmpgt_epi16(kZero, step1[29]);
475 0 : __m256i s3_30_0 = _mm256_cmpgt_epi16(kZero, step1[30]);
476 0 : __m256i s3_31_0 = _mm256_cmpgt_epi16(kZero, step1[31]);
477 :
478 0 : step2[0] = _mm256_sub_epi16(step2[0], s3_00_0);
479 0 : step2[1] = _mm256_sub_epi16(step2[1], s3_01_0);
480 0 : step2[2] = _mm256_sub_epi16(step2[2], s3_02_0);
481 0 : step2[3] = _mm256_sub_epi16(step2[3], s3_03_0);
482 0 : step2[4] = _mm256_sub_epi16(step2[4], s3_04_0);
483 0 : step2[5] = _mm256_sub_epi16(step2[5], s3_05_0);
484 0 : step2[6] = _mm256_sub_epi16(step2[6], s3_06_0);
485 0 : step2[7] = _mm256_sub_epi16(step2[7], s3_07_0);
486 0 : step2[8] = _mm256_sub_epi16(step2[8], s2_08_0);
487 0 : step2[9] = _mm256_sub_epi16(step2[9], s2_09_0);
488 0 : step2[10] = _mm256_sub_epi16(step2[10], s3_10_0);
489 0 : step2[11] = _mm256_sub_epi16(step2[11], s3_11_0);
490 0 : step2[12] = _mm256_sub_epi16(step2[12], s3_12_0);
491 0 : step2[13] = _mm256_sub_epi16(step2[13], s3_13_0);
492 0 : step2[14] = _mm256_sub_epi16(step2[14], s2_14_0);
493 0 : step2[15] = _mm256_sub_epi16(step2[15], s2_15_0);
494 0 : step1[16] = _mm256_sub_epi16(step1[16], s3_16_0);
495 0 : step1[17] = _mm256_sub_epi16(step1[17], s3_17_0);
496 0 : step1[18] = _mm256_sub_epi16(step1[18], s3_18_0);
497 0 : step1[19] = _mm256_sub_epi16(step1[19], s3_19_0);
498 0 : step2[20] = _mm256_sub_epi16(step2[20], s3_20_0);
499 0 : step2[21] = _mm256_sub_epi16(step2[21], s3_21_0);
500 0 : step2[22] = _mm256_sub_epi16(step2[22], s3_22_0);
501 0 : step2[23] = _mm256_sub_epi16(step2[23], s3_23_0);
502 0 : step2[24] = _mm256_sub_epi16(step2[24], s3_24_0);
503 0 : step2[25] = _mm256_sub_epi16(step2[25], s3_25_0);
504 0 : step2[26] = _mm256_sub_epi16(step2[26], s3_26_0);
505 0 : step2[27] = _mm256_sub_epi16(step2[27], s3_27_0);
506 0 : step1[28] = _mm256_sub_epi16(step1[28], s3_28_0);
507 0 : step1[29] = _mm256_sub_epi16(step1[29], s3_29_0);
508 0 : step1[30] = _mm256_sub_epi16(step1[30], s3_30_0);
509 0 : step1[31] = _mm256_sub_epi16(step1[31], s3_31_0);
510 :
511 0 : step2[0] = _mm256_add_epi16(step2[0], kOne);
512 0 : step2[1] = _mm256_add_epi16(step2[1], kOne);
513 0 : step2[2] = _mm256_add_epi16(step2[2], kOne);
514 0 : step2[3] = _mm256_add_epi16(step2[3], kOne);
515 0 : step2[4] = _mm256_add_epi16(step2[4], kOne);
516 0 : step2[5] = _mm256_add_epi16(step2[5], kOne);
517 0 : step2[6] = _mm256_add_epi16(step2[6], kOne);
518 0 : step2[7] = _mm256_add_epi16(step2[7], kOne);
519 0 : step2[8] = _mm256_add_epi16(step2[8], kOne);
520 0 : step2[9] = _mm256_add_epi16(step2[9], kOne);
521 0 : step2[10] = _mm256_add_epi16(step2[10], kOne);
522 0 : step2[11] = _mm256_add_epi16(step2[11], kOne);
523 0 : step2[12] = _mm256_add_epi16(step2[12], kOne);
524 0 : step2[13] = _mm256_add_epi16(step2[13], kOne);
525 0 : step2[14] = _mm256_add_epi16(step2[14], kOne);
526 0 : step2[15] = _mm256_add_epi16(step2[15], kOne);
527 0 : step1[16] = _mm256_add_epi16(step1[16], kOne);
528 0 : step1[17] = _mm256_add_epi16(step1[17], kOne);
529 0 : step1[18] = _mm256_add_epi16(step1[18], kOne);
530 0 : step1[19] = _mm256_add_epi16(step1[19], kOne);
531 0 : step2[20] = _mm256_add_epi16(step2[20], kOne);
532 0 : step2[21] = _mm256_add_epi16(step2[21], kOne);
533 0 : step2[22] = _mm256_add_epi16(step2[22], kOne);
534 0 : step2[23] = _mm256_add_epi16(step2[23], kOne);
535 0 : step2[24] = _mm256_add_epi16(step2[24], kOne);
536 0 : step2[25] = _mm256_add_epi16(step2[25], kOne);
537 0 : step2[26] = _mm256_add_epi16(step2[26], kOne);
538 0 : step2[27] = _mm256_add_epi16(step2[27], kOne);
539 0 : step1[28] = _mm256_add_epi16(step1[28], kOne);
540 0 : step1[29] = _mm256_add_epi16(step1[29], kOne);
541 0 : step1[30] = _mm256_add_epi16(step1[30], kOne);
542 0 : step1[31] = _mm256_add_epi16(step1[31], kOne);
543 :
544 0 : step2[0] = _mm256_srai_epi16(step2[0], 2);
545 0 : step2[1] = _mm256_srai_epi16(step2[1], 2);
546 0 : step2[2] = _mm256_srai_epi16(step2[2], 2);
547 0 : step2[3] = _mm256_srai_epi16(step2[3], 2);
548 0 : step2[4] = _mm256_srai_epi16(step2[4], 2);
549 0 : step2[5] = _mm256_srai_epi16(step2[5], 2);
550 0 : step2[6] = _mm256_srai_epi16(step2[6], 2);
551 0 : step2[7] = _mm256_srai_epi16(step2[7], 2);
552 0 : step2[8] = _mm256_srai_epi16(step2[8], 2);
553 0 : step2[9] = _mm256_srai_epi16(step2[9], 2);
554 0 : step2[10] = _mm256_srai_epi16(step2[10], 2);
555 0 : step2[11] = _mm256_srai_epi16(step2[11], 2);
556 0 : step2[12] = _mm256_srai_epi16(step2[12], 2);
557 0 : step2[13] = _mm256_srai_epi16(step2[13], 2);
558 0 : step2[14] = _mm256_srai_epi16(step2[14], 2);
559 0 : step2[15] = _mm256_srai_epi16(step2[15], 2);
560 0 : step1[16] = _mm256_srai_epi16(step1[16], 2);
561 0 : step1[17] = _mm256_srai_epi16(step1[17], 2);
562 0 : step1[18] = _mm256_srai_epi16(step1[18], 2);
563 0 : step1[19] = _mm256_srai_epi16(step1[19], 2);
564 0 : step2[20] = _mm256_srai_epi16(step2[20], 2);
565 0 : step2[21] = _mm256_srai_epi16(step2[21], 2);
566 0 : step2[22] = _mm256_srai_epi16(step2[22], 2);
567 0 : step2[23] = _mm256_srai_epi16(step2[23], 2);
568 0 : step2[24] = _mm256_srai_epi16(step2[24], 2);
569 0 : step2[25] = _mm256_srai_epi16(step2[25], 2);
570 0 : step2[26] = _mm256_srai_epi16(step2[26], 2);
571 0 : step2[27] = _mm256_srai_epi16(step2[27], 2);
572 0 : step1[28] = _mm256_srai_epi16(step1[28], 2);
573 0 : step1[29] = _mm256_srai_epi16(step1[29], 2);
574 0 : step1[30] = _mm256_srai_epi16(step1[30], 2);
575 0 : step1[31] = _mm256_srai_epi16(step1[31], 2);
576 : }
577 : #endif
578 :
579 : #if FDCT32x32_HIGH_PRECISION
580 0 : if (pass == 0) {
581 : #endif
582 : // Stage 3
583 : {
584 0 : step3[0] = _mm256_add_epi16(step2[(8 - 1)], step2[0]);
585 0 : step3[1] = _mm256_add_epi16(step2[(8 - 2)], step2[1]);
586 0 : step3[2] = _mm256_add_epi16(step2[(8 - 3)], step2[2]);
587 0 : step3[3] = _mm256_add_epi16(step2[(8 - 4)], step2[3]);
588 0 : step3[4] = _mm256_sub_epi16(step2[(8 - 5)], step2[4]);
589 0 : step3[5] = _mm256_sub_epi16(step2[(8 - 6)], step2[5]);
590 0 : step3[6] = _mm256_sub_epi16(step2[(8 - 7)], step2[6]);
591 0 : step3[7] = _mm256_sub_epi16(step2[(8 - 8)], step2[7]);
592 : }
593 : {
594 0 : const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]);
595 0 : const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]);
596 0 : const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]);
597 0 : const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]);
598 0 : const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16);
599 0 : const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16);
600 0 : const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16);
601 0 : const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16);
602 0 : const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16);
603 0 : const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16);
604 0 : const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16);
605 0 : const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16);
606 : // dct_const_round_shift
607 0 : const __m256i s3_10_4 =
608 : _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING);
609 0 : const __m256i s3_10_5 =
610 : _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING);
611 0 : const __m256i s3_11_4 =
612 : _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING);
613 0 : const __m256i s3_11_5 =
614 : _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING);
615 0 : const __m256i s3_12_4 =
616 : _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING);
617 0 : const __m256i s3_12_5 =
618 : _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING);
619 0 : const __m256i s3_13_4 =
620 : _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING);
621 0 : const __m256i s3_13_5 =
622 : _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING);
623 0 : const __m256i s3_10_6 = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS);
624 0 : const __m256i s3_10_7 = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS);
625 0 : const __m256i s3_11_6 = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS);
626 0 : const __m256i s3_11_7 = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS);
627 0 : const __m256i s3_12_6 = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS);
628 0 : const __m256i s3_12_7 = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS);
629 0 : const __m256i s3_13_6 = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS);
630 0 : const __m256i s3_13_7 = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS);
631 : // Combine
632 0 : step3[10] = _mm256_packs_epi32(s3_10_6, s3_10_7);
633 0 : step3[11] = _mm256_packs_epi32(s3_11_6, s3_11_7);
634 0 : step3[12] = _mm256_packs_epi32(s3_12_6, s3_12_7);
635 0 : step3[13] = _mm256_packs_epi32(s3_13_6, s3_13_7);
636 : }
637 : {
638 0 : step3[16] = _mm256_add_epi16(step2[23], step1[16]);
639 0 : step3[17] = _mm256_add_epi16(step2[22], step1[17]);
640 0 : step3[18] = _mm256_add_epi16(step2[21], step1[18]);
641 0 : step3[19] = _mm256_add_epi16(step2[20], step1[19]);
642 0 : step3[20] = _mm256_sub_epi16(step1[19], step2[20]);
643 0 : step3[21] = _mm256_sub_epi16(step1[18], step2[21]);
644 0 : step3[22] = _mm256_sub_epi16(step1[17], step2[22]);
645 0 : step3[23] = _mm256_sub_epi16(step1[16], step2[23]);
646 0 : step3[24] = _mm256_sub_epi16(step1[31], step2[24]);
647 0 : step3[25] = _mm256_sub_epi16(step1[30], step2[25]);
648 0 : step3[26] = _mm256_sub_epi16(step1[29], step2[26]);
649 0 : step3[27] = _mm256_sub_epi16(step1[28], step2[27]);
650 0 : step3[28] = _mm256_add_epi16(step2[27], step1[28]);
651 0 : step3[29] = _mm256_add_epi16(step2[26], step1[29]);
652 0 : step3[30] = _mm256_add_epi16(step2[25], step1[30]);
653 0 : step3[31] = _mm256_add_epi16(step2[24], step1[31]);
654 : }
655 :
656 : // Stage 4
657 : {
658 0 : step1[0] = _mm256_add_epi16(step3[3], step3[0]);
659 0 : step1[1] = _mm256_add_epi16(step3[2], step3[1]);
660 0 : step1[2] = _mm256_sub_epi16(step3[1], step3[2]);
661 0 : step1[3] = _mm256_sub_epi16(step3[0], step3[3]);
662 0 : step1[8] = _mm256_add_epi16(step3[11], step2[8]);
663 0 : step1[9] = _mm256_add_epi16(step3[10], step2[9]);
664 0 : step1[10] = _mm256_sub_epi16(step2[9], step3[10]);
665 0 : step1[11] = _mm256_sub_epi16(step2[8], step3[11]);
666 0 : step1[12] = _mm256_sub_epi16(step2[15], step3[12]);
667 0 : step1[13] = _mm256_sub_epi16(step2[14], step3[13]);
668 0 : step1[14] = _mm256_add_epi16(step3[13], step2[14]);
669 0 : step1[15] = _mm256_add_epi16(step3[12], step2[15]);
670 : }
671 : {
672 0 : const __m256i s1_05_0 = _mm256_unpacklo_epi16(step3[6], step3[5]);
673 0 : const __m256i s1_05_1 = _mm256_unpackhi_epi16(step3[6], step3[5]);
674 0 : const __m256i s1_05_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_m16);
675 0 : const __m256i s1_05_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_m16);
676 0 : const __m256i s1_06_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_p16);
677 0 : const __m256i s1_06_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_p16);
678 : // dct_const_round_shift
679 0 : const __m256i s1_05_4 =
680 : _mm256_add_epi32(s1_05_2, k__DCT_CONST_ROUNDING);
681 0 : const __m256i s1_05_5 =
682 : _mm256_add_epi32(s1_05_3, k__DCT_CONST_ROUNDING);
683 0 : const __m256i s1_06_4 =
684 : _mm256_add_epi32(s1_06_2, k__DCT_CONST_ROUNDING);
685 0 : const __m256i s1_06_5 =
686 : _mm256_add_epi32(s1_06_3, k__DCT_CONST_ROUNDING);
687 0 : const __m256i s1_05_6 = _mm256_srai_epi32(s1_05_4, DCT_CONST_BITS);
688 0 : const __m256i s1_05_7 = _mm256_srai_epi32(s1_05_5, DCT_CONST_BITS);
689 0 : const __m256i s1_06_6 = _mm256_srai_epi32(s1_06_4, DCT_CONST_BITS);
690 0 : const __m256i s1_06_7 = _mm256_srai_epi32(s1_06_5, DCT_CONST_BITS);
691 : // Combine
692 0 : step1[5] = _mm256_packs_epi32(s1_05_6, s1_05_7);
693 0 : step1[6] = _mm256_packs_epi32(s1_06_6, s1_06_7);
694 : }
695 : {
696 0 : const __m256i s1_18_0 = _mm256_unpacklo_epi16(step3[18], step3[29]);
697 0 : const __m256i s1_18_1 = _mm256_unpackhi_epi16(step3[18], step3[29]);
698 0 : const __m256i s1_19_0 = _mm256_unpacklo_epi16(step3[19], step3[28]);
699 0 : const __m256i s1_19_1 = _mm256_unpackhi_epi16(step3[19], step3[28]);
700 0 : const __m256i s1_20_0 = _mm256_unpacklo_epi16(step3[20], step3[27]);
701 0 : const __m256i s1_20_1 = _mm256_unpackhi_epi16(step3[20], step3[27]);
702 0 : const __m256i s1_21_0 = _mm256_unpacklo_epi16(step3[21], step3[26]);
703 0 : const __m256i s1_21_1 = _mm256_unpackhi_epi16(step3[21], step3[26]);
704 0 : const __m256i s1_18_2 = _mm256_madd_epi16(s1_18_0, k__cospi_m08_p24);
705 0 : const __m256i s1_18_3 = _mm256_madd_epi16(s1_18_1, k__cospi_m08_p24);
706 0 : const __m256i s1_19_2 = _mm256_madd_epi16(s1_19_0, k__cospi_m08_p24);
707 0 : const __m256i s1_19_3 = _mm256_madd_epi16(s1_19_1, k__cospi_m08_p24);
708 0 : const __m256i s1_20_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m24_m08);
709 0 : const __m256i s1_20_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m24_m08);
710 0 : const __m256i s1_21_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m24_m08);
711 0 : const __m256i s1_21_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m24_m08);
712 0 : const __m256i s1_26_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m08_p24);
713 0 : const __m256i s1_26_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m08_p24);
714 0 : const __m256i s1_27_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m08_p24);
715 0 : const __m256i s1_27_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m08_p24);
716 0 : const __m256i s1_28_2 = _mm256_madd_epi16(s1_19_0, k__cospi_p24_p08);
717 0 : const __m256i s1_28_3 = _mm256_madd_epi16(s1_19_1, k__cospi_p24_p08);
718 0 : const __m256i s1_29_2 = _mm256_madd_epi16(s1_18_0, k__cospi_p24_p08);
719 0 : const __m256i s1_29_3 = _mm256_madd_epi16(s1_18_1, k__cospi_p24_p08);
720 : // dct_const_round_shift
721 0 : const __m256i s1_18_4 =
722 : _mm256_add_epi32(s1_18_2, k__DCT_CONST_ROUNDING);
723 0 : const __m256i s1_18_5 =
724 : _mm256_add_epi32(s1_18_3, k__DCT_CONST_ROUNDING);
725 0 : const __m256i s1_19_4 =
726 : _mm256_add_epi32(s1_19_2, k__DCT_CONST_ROUNDING);
727 0 : const __m256i s1_19_5 =
728 : _mm256_add_epi32(s1_19_3, k__DCT_CONST_ROUNDING);
729 0 : const __m256i s1_20_4 =
730 : _mm256_add_epi32(s1_20_2, k__DCT_CONST_ROUNDING);
731 0 : const __m256i s1_20_5 =
732 : _mm256_add_epi32(s1_20_3, k__DCT_CONST_ROUNDING);
733 0 : const __m256i s1_21_4 =
734 : _mm256_add_epi32(s1_21_2, k__DCT_CONST_ROUNDING);
735 0 : const __m256i s1_21_5 =
736 : _mm256_add_epi32(s1_21_3, k__DCT_CONST_ROUNDING);
737 0 : const __m256i s1_26_4 =
738 : _mm256_add_epi32(s1_26_2, k__DCT_CONST_ROUNDING);
739 0 : const __m256i s1_26_5 =
740 : _mm256_add_epi32(s1_26_3, k__DCT_CONST_ROUNDING);
741 0 : const __m256i s1_27_4 =
742 : _mm256_add_epi32(s1_27_2, k__DCT_CONST_ROUNDING);
743 0 : const __m256i s1_27_5 =
744 : _mm256_add_epi32(s1_27_3, k__DCT_CONST_ROUNDING);
745 0 : const __m256i s1_28_4 =
746 : _mm256_add_epi32(s1_28_2, k__DCT_CONST_ROUNDING);
747 0 : const __m256i s1_28_5 =
748 : _mm256_add_epi32(s1_28_3, k__DCT_CONST_ROUNDING);
749 0 : const __m256i s1_29_4 =
750 : _mm256_add_epi32(s1_29_2, k__DCT_CONST_ROUNDING);
751 0 : const __m256i s1_29_5 =
752 : _mm256_add_epi32(s1_29_3, k__DCT_CONST_ROUNDING);
753 0 : const __m256i s1_18_6 = _mm256_srai_epi32(s1_18_4, DCT_CONST_BITS);
754 0 : const __m256i s1_18_7 = _mm256_srai_epi32(s1_18_5, DCT_CONST_BITS);
755 0 : const __m256i s1_19_6 = _mm256_srai_epi32(s1_19_4, DCT_CONST_BITS);
756 0 : const __m256i s1_19_7 = _mm256_srai_epi32(s1_19_5, DCT_CONST_BITS);
757 0 : const __m256i s1_20_6 = _mm256_srai_epi32(s1_20_4, DCT_CONST_BITS);
758 0 : const __m256i s1_20_7 = _mm256_srai_epi32(s1_20_5, DCT_CONST_BITS);
759 0 : const __m256i s1_21_6 = _mm256_srai_epi32(s1_21_4, DCT_CONST_BITS);
760 0 : const __m256i s1_21_7 = _mm256_srai_epi32(s1_21_5, DCT_CONST_BITS);
761 0 : const __m256i s1_26_6 = _mm256_srai_epi32(s1_26_4, DCT_CONST_BITS);
762 0 : const __m256i s1_26_7 = _mm256_srai_epi32(s1_26_5, DCT_CONST_BITS);
763 0 : const __m256i s1_27_6 = _mm256_srai_epi32(s1_27_4, DCT_CONST_BITS);
764 0 : const __m256i s1_27_7 = _mm256_srai_epi32(s1_27_5, DCT_CONST_BITS);
765 0 : const __m256i s1_28_6 = _mm256_srai_epi32(s1_28_4, DCT_CONST_BITS);
766 0 : const __m256i s1_28_7 = _mm256_srai_epi32(s1_28_5, DCT_CONST_BITS);
767 0 : const __m256i s1_29_6 = _mm256_srai_epi32(s1_29_4, DCT_CONST_BITS);
768 0 : const __m256i s1_29_7 = _mm256_srai_epi32(s1_29_5, DCT_CONST_BITS);
769 : // Combine
770 0 : step1[18] = _mm256_packs_epi32(s1_18_6, s1_18_7);
771 0 : step1[19] = _mm256_packs_epi32(s1_19_6, s1_19_7);
772 0 : step1[20] = _mm256_packs_epi32(s1_20_6, s1_20_7);
773 0 : step1[21] = _mm256_packs_epi32(s1_21_6, s1_21_7);
774 0 : step1[26] = _mm256_packs_epi32(s1_26_6, s1_26_7);
775 0 : step1[27] = _mm256_packs_epi32(s1_27_6, s1_27_7);
776 0 : step1[28] = _mm256_packs_epi32(s1_28_6, s1_28_7);
777 0 : step1[29] = _mm256_packs_epi32(s1_29_6, s1_29_7);
778 : }
779 : // Stage 5
780 : {
781 0 : step2[4] = _mm256_add_epi16(step1[5], step3[4]);
782 0 : step2[5] = _mm256_sub_epi16(step3[4], step1[5]);
783 0 : step2[6] = _mm256_sub_epi16(step3[7], step1[6]);
784 0 : step2[7] = _mm256_add_epi16(step1[6], step3[7]);
785 : }
786 : {
787 0 : const __m256i out_00_0 = _mm256_unpacklo_epi16(step1[0], step1[1]);
788 0 : const __m256i out_00_1 = _mm256_unpackhi_epi16(step1[0], step1[1]);
789 0 : const __m256i out_08_0 = _mm256_unpacklo_epi16(step1[2], step1[3]);
790 0 : const __m256i out_08_1 = _mm256_unpackhi_epi16(step1[2], step1[3]);
791 0 : const __m256i out_00_2 =
792 : _mm256_madd_epi16(out_00_0, k__cospi_p16_p16);
793 0 : const __m256i out_00_3 =
794 : _mm256_madd_epi16(out_00_1, k__cospi_p16_p16);
795 0 : const __m256i out_16_2 =
796 : _mm256_madd_epi16(out_00_0, k__cospi_p16_m16);
797 0 : const __m256i out_16_3 =
798 : _mm256_madd_epi16(out_00_1, k__cospi_p16_m16);
799 0 : const __m256i out_08_2 =
800 : _mm256_madd_epi16(out_08_0, k__cospi_p24_p08);
801 0 : const __m256i out_08_3 =
802 : _mm256_madd_epi16(out_08_1, k__cospi_p24_p08);
803 0 : const __m256i out_24_2 =
804 : _mm256_madd_epi16(out_08_0, k__cospi_m08_p24);
805 0 : const __m256i out_24_3 =
806 : _mm256_madd_epi16(out_08_1, k__cospi_m08_p24);
807 : // dct_const_round_shift
808 0 : const __m256i out_00_4 =
809 : _mm256_add_epi32(out_00_2, k__DCT_CONST_ROUNDING);
810 0 : const __m256i out_00_5 =
811 : _mm256_add_epi32(out_00_3, k__DCT_CONST_ROUNDING);
812 0 : const __m256i out_16_4 =
813 : _mm256_add_epi32(out_16_2, k__DCT_CONST_ROUNDING);
814 0 : const __m256i out_16_5 =
815 : _mm256_add_epi32(out_16_3, k__DCT_CONST_ROUNDING);
816 0 : const __m256i out_08_4 =
817 : _mm256_add_epi32(out_08_2, k__DCT_CONST_ROUNDING);
818 0 : const __m256i out_08_5 =
819 : _mm256_add_epi32(out_08_3, k__DCT_CONST_ROUNDING);
820 0 : const __m256i out_24_4 =
821 : _mm256_add_epi32(out_24_2, k__DCT_CONST_ROUNDING);
822 0 : const __m256i out_24_5 =
823 : _mm256_add_epi32(out_24_3, k__DCT_CONST_ROUNDING);
824 0 : const __m256i out_00_6 = _mm256_srai_epi32(out_00_4, DCT_CONST_BITS);
825 0 : const __m256i out_00_7 = _mm256_srai_epi32(out_00_5, DCT_CONST_BITS);
826 0 : const __m256i out_16_6 = _mm256_srai_epi32(out_16_4, DCT_CONST_BITS);
827 0 : const __m256i out_16_7 = _mm256_srai_epi32(out_16_5, DCT_CONST_BITS);
828 0 : const __m256i out_08_6 = _mm256_srai_epi32(out_08_4, DCT_CONST_BITS);
829 0 : const __m256i out_08_7 = _mm256_srai_epi32(out_08_5, DCT_CONST_BITS);
830 0 : const __m256i out_24_6 = _mm256_srai_epi32(out_24_4, DCT_CONST_BITS);
831 0 : const __m256i out_24_7 = _mm256_srai_epi32(out_24_5, DCT_CONST_BITS);
832 : // Combine
833 0 : out[0] = _mm256_packs_epi32(out_00_6, out_00_7);
834 0 : out[16] = _mm256_packs_epi32(out_16_6, out_16_7);
835 0 : out[8] = _mm256_packs_epi32(out_08_6, out_08_7);
836 0 : out[24] = _mm256_packs_epi32(out_24_6, out_24_7);
837 : }
838 : {
839 0 : const __m256i s2_09_0 = _mm256_unpacklo_epi16(step1[9], step1[14]);
840 0 : const __m256i s2_09_1 = _mm256_unpackhi_epi16(step1[9], step1[14]);
841 0 : const __m256i s2_10_0 = _mm256_unpacklo_epi16(step1[10], step1[13]);
842 0 : const __m256i s2_10_1 = _mm256_unpackhi_epi16(step1[10], step1[13]);
843 0 : const __m256i s2_09_2 = _mm256_madd_epi16(s2_09_0, k__cospi_m08_p24);
844 0 : const __m256i s2_09_3 = _mm256_madd_epi16(s2_09_1, k__cospi_m08_p24);
845 0 : const __m256i s2_10_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m24_m08);
846 0 : const __m256i s2_10_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m24_m08);
847 0 : const __m256i s2_13_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m08_p24);
848 0 : const __m256i s2_13_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m08_p24);
849 0 : const __m256i s2_14_2 = _mm256_madd_epi16(s2_09_0, k__cospi_p24_p08);
850 0 : const __m256i s2_14_3 = _mm256_madd_epi16(s2_09_1, k__cospi_p24_p08);
851 : // dct_const_round_shift
852 0 : const __m256i s2_09_4 =
853 : _mm256_add_epi32(s2_09_2, k__DCT_CONST_ROUNDING);
854 0 : const __m256i s2_09_5 =
855 : _mm256_add_epi32(s2_09_3, k__DCT_CONST_ROUNDING);
856 0 : const __m256i s2_10_4 =
857 : _mm256_add_epi32(s2_10_2, k__DCT_CONST_ROUNDING);
858 0 : const __m256i s2_10_5 =
859 : _mm256_add_epi32(s2_10_3, k__DCT_CONST_ROUNDING);
860 0 : const __m256i s2_13_4 =
861 : _mm256_add_epi32(s2_13_2, k__DCT_CONST_ROUNDING);
862 0 : const __m256i s2_13_5 =
863 : _mm256_add_epi32(s2_13_3, k__DCT_CONST_ROUNDING);
864 0 : const __m256i s2_14_4 =
865 : _mm256_add_epi32(s2_14_2, k__DCT_CONST_ROUNDING);
866 0 : const __m256i s2_14_5 =
867 : _mm256_add_epi32(s2_14_3, k__DCT_CONST_ROUNDING);
868 0 : const __m256i s2_09_6 = _mm256_srai_epi32(s2_09_4, DCT_CONST_BITS);
869 0 : const __m256i s2_09_7 = _mm256_srai_epi32(s2_09_5, DCT_CONST_BITS);
870 0 : const __m256i s2_10_6 = _mm256_srai_epi32(s2_10_4, DCT_CONST_BITS);
871 0 : const __m256i s2_10_7 = _mm256_srai_epi32(s2_10_5, DCT_CONST_BITS);
872 0 : const __m256i s2_13_6 = _mm256_srai_epi32(s2_13_4, DCT_CONST_BITS);
873 0 : const __m256i s2_13_7 = _mm256_srai_epi32(s2_13_5, DCT_CONST_BITS);
874 0 : const __m256i s2_14_6 = _mm256_srai_epi32(s2_14_4, DCT_CONST_BITS);
875 0 : const __m256i s2_14_7 = _mm256_srai_epi32(s2_14_5, DCT_CONST_BITS);
876 : // Combine
877 0 : step2[9] = _mm256_packs_epi32(s2_09_6, s2_09_7);
878 0 : step2[10] = _mm256_packs_epi32(s2_10_6, s2_10_7);
879 0 : step2[13] = _mm256_packs_epi32(s2_13_6, s2_13_7);
880 0 : step2[14] = _mm256_packs_epi32(s2_14_6, s2_14_7);
881 : }
882 : {
883 0 : step2[16] = _mm256_add_epi16(step1[19], step3[16]);
884 0 : step2[17] = _mm256_add_epi16(step1[18], step3[17]);
885 0 : step2[18] = _mm256_sub_epi16(step3[17], step1[18]);
886 0 : step2[19] = _mm256_sub_epi16(step3[16], step1[19]);
887 0 : step2[20] = _mm256_sub_epi16(step3[23], step1[20]);
888 0 : step2[21] = _mm256_sub_epi16(step3[22], step1[21]);
889 0 : step2[22] = _mm256_add_epi16(step1[21], step3[22]);
890 0 : step2[23] = _mm256_add_epi16(step1[20], step3[23]);
891 0 : step2[24] = _mm256_add_epi16(step1[27], step3[24]);
892 0 : step2[25] = _mm256_add_epi16(step1[26], step3[25]);
893 0 : step2[26] = _mm256_sub_epi16(step3[25], step1[26]);
894 0 : step2[27] = _mm256_sub_epi16(step3[24], step1[27]);
895 0 : step2[28] = _mm256_sub_epi16(step3[31], step1[28]);
896 0 : step2[29] = _mm256_sub_epi16(step3[30], step1[29]);
897 0 : step2[30] = _mm256_add_epi16(step1[29], step3[30]);
898 0 : step2[31] = _mm256_add_epi16(step1[28], step3[31]);
899 : }
900 : // Stage 6
901 : {
902 0 : const __m256i out_04_0 = _mm256_unpacklo_epi16(step2[4], step2[7]);
903 0 : const __m256i out_04_1 = _mm256_unpackhi_epi16(step2[4], step2[7]);
904 0 : const __m256i out_20_0 = _mm256_unpacklo_epi16(step2[5], step2[6]);
905 0 : const __m256i out_20_1 = _mm256_unpackhi_epi16(step2[5], step2[6]);
906 0 : const __m256i out_12_0 = _mm256_unpacklo_epi16(step2[5], step2[6]);
907 0 : const __m256i out_12_1 = _mm256_unpackhi_epi16(step2[5], step2[6]);
908 0 : const __m256i out_28_0 = _mm256_unpacklo_epi16(step2[4], step2[7]);
909 0 : const __m256i out_28_1 = _mm256_unpackhi_epi16(step2[4], step2[7]);
910 0 : const __m256i out_04_2 =
911 : _mm256_madd_epi16(out_04_0, k__cospi_p28_p04);
912 0 : const __m256i out_04_3 =
913 : _mm256_madd_epi16(out_04_1, k__cospi_p28_p04);
914 0 : const __m256i out_20_2 =
915 : _mm256_madd_epi16(out_20_0, k__cospi_p12_p20);
916 0 : const __m256i out_20_3 =
917 : _mm256_madd_epi16(out_20_1, k__cospi_p12_p20);
918 0 : const __m256i out_12_2 =
919 : _mm256_madd_epi16(out_12_0, k__cospi_m20_p12);
920 0 : const __m256i out_12_3 =
921 : _mm256_madd_epi16(out_12_1, k__cospi_m20_p12);
922 0 : const __m256i out_28_2 =
923 : _mm256_madd_epi16(out_28_0, k__cospi_m04_p28);
924 0 : const __m256i out_28_3 =
925 : _mm256_madd_epi16(out_28_1, k__cospi_m04_p28);
926 : // dct_const_round_shift
927 0 : const __m256i out_04_4 =
928 : _mm256_add_epi32(out_04_2, k__DCT_CONST_ROUNDING);
929 0 : const __m256i out_04_5 =
930 : _mm256_add_epi32(out_04_3, k__DCT_CONST_ROUNDING);
931 0 : const __m256i out_20_4 =
932 : _mm256_add_epi32(out_20_2, k__DCT_CONST_ROUNDING);
933 0 : const __m256i out_20_5 =
934 : _mm256_add_epi32(out_20_3, k__DCT_CONST_ROUNDING);
935 0 : const __m256i out_12_4 =
936 : _mm256_add_epi32(out_12_2, k__DCT_CONST_ROUNDING);
937 0 : const __m256i out_12_5 =
938 : _mm256_add_epi32(out_12_3, k__DCT_CONST_ROUNDING);
939 0 : const __m256i out_28_4 =
940 : _mm256_add_epi32(out_28_2, k__DCT_CONST_ROUNDING);
941 0 : const __m256i out_28_5 =
942 : _mm256_add_epi32(out_28_3, k__DCT_CONST_ROUNDING);
943 0 : const __m256i out_04_6 = _mm256_srai_epi32(out_04_4, DCT_CONST_BITS);
944 0 : const __m256i out_04_7 = _mm256_srai_epi32(out_04_5, DCT_CONST_BITS);
945 0 : const __m256i out_20_6 = _mm256_srai_epi32(out_20_4, DCT_CONST_BITS);
946 0 : const __m256i out_20_7 = _mm256_srai_epi32(out_20_5, DCT_CONST_BITS);
947 0 : const __m256i out_12_6 = _mm256_srai_epi32(out_12_4, DCT_CONST_BITS);
948 0 : const __m256i out_12_7 = _mm256_srai_epi32(out_12_5, DCT_CONST_BITS);
949 0 : const __m256i out_28_6 = _mm256_srai_epi32(out_28_4, DCT_CONST_BITS);
950 0 : const __m256i out_28_7 = _mm256_srai_epi32(out_28_5, DCT_CONST_BITS);
951 : // Combine
952 0 : out[4] = _mm256_packs_epi32(out_04_6, out_04_7);
953 0 : out[20] = _mm256_packs_epi32(out_20_6, out_20_7);
954 0 : out[12] = _mm256_packs_epi32(out_12_6, out_12_7);
955 0 : out[28] = _mm256_packs_epi32(out_28_6, out_28_7);
956 : }
957 : {
958 0 : step3[8] = _mm256_add_epi16(step2[9], step1[8]);
959 0 : step3[9] = _mm256_sub_epi16(step1[8], step2[9]);
960 0 : step3[10] = _mm256_sub_epi16(step1[11], step2[10]);
961 0 : step3[11] = _mm256_add_epi16(step2[10], step1[11]);
962 0 : step3[12] = _mm256_add_epi16(step2[13], step1[12]);
963 0 : step3[13] = _mm256_sub_epi16(step1[12], step2[13]);
964 0 : step3[14] = _mm256_sub_epi16(step1[15], step2[14]);
965 0 : step3[15] = _mm256_add_epi16(step2[14], step1[15]);
966 : }
967 : {
968 0 : const __m256i s3_17_0 = _mm256_unpacklo_epi16(step2[17], step2[30]);
969 0 : const __m256i s3_17_1 = _mm256_unpackhi_epi16(step2[17], step2[30]);
970 0 : const __m256i s3_18_0 = _mm256_unpacklo_epi16(step2[18], step2[29]);
971 0 : const __m256i s3_18_1 = _mm256_unpackhi_epi16(step2[18], step2[29]);
972 0 : const __m256i s3_21_0 = _mm256_unpacklo_epi16(step2[21], step2[26]);
973 0 : const __m256i s3_21_1 = _mm256_unpackhi_epi16(step2[21], step2[26]);
974 0 : const __m256i s3_22_0 = _mm256_unpacklo_epi16(step2[22], step2[25]);
975 0 : const __m256i s3_22_1 = _mm256_unpackhi_epi16(step2[22], step2[25]);
976 0 : const __m256i s3_17_2 = _mm256_madd_epi16(s3_17_0, k__cospi_m04_p28);
977 0 : const __m256i s3_17_3 = _mm256_madd_epi16(s3_17_1, k__cospi_m04_p28);
978 0 : const __m256i s3_18_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m28_m04);
979 0 : const __m256i s3_18_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m28_m04);
980 0 : const __m256i s3_21_2 = _mm256_madd_epi16(s3_21_0, k__cospi_m20_p12);
981 0 : const __m256i s3_21_3 = _mm256_madd_epi16(s3_21_1, k__cospi_m20_p12);
982 0 : const __m256i s3_22_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m12_m20);
983 0 : const __m256i s3_22_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m12_m20);
984 0 : const __m256i s3_25_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m20_p12);
985 0 : const __m256i s3_25_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m20_p12);
986 0 : const __m256i s3_26_2 = _mm256_madd_epi16(s3_21_0, k__cospi_p12_p20);
987 0 : const __m256i s3_26_3 = _mm256_madd_epi16(s3_21_1, k__cospi_p12_p20);
988 0 : const __m256i s3_29_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m04_p28);
989 0 : const __m256i s3_29_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m04_p28);
990 0 : const __m256i s3_30_2 = _mm256_madd_epi16(s3_17_0, k__cospi_p28_p04);
991 0 : const __m256i s3_30_3 = _mm256_madd_epi16(s3_17_1, k__cospi_p28_p04);
992 : // dct_const_round_shift
993 0 : const __m256i s3_17_4 =
994 : _mm256_add_epi32(s3_17_2, k__DCT_CONST_ROUNDING);
995 0 : const __m256i s3_17_5 =
996 : _mm256_add_epi32(s3_17_3, k__DCT_CONST_ROUNDING);
997 0 : const __m256i s3_18_4 =
998 : _mm256_add_epi32(s3_18_2, k__DCT_CONST_ROUNDING);
999 0 : const __m256i s3_18_5 =
1000 : _mm256_add_epi32(s3_18_3, k__DCT_CONST_ROUNDING);
1001 0 : const __m256i s3_21_4 =
1002 : _mm256_add_epi32(s3_21_2, k__DCT_CONST_ROUNDING);
1003 0 : const __m256i s3_21_5 =
1004 : _mm256_add_epi32(s3_21_3, k__DCT_CONST_ROUNDING);
1005 0 : const __m256i s3_22_4 =
1006 : _mm256_add_epi32(s3_22_2, k__DCT_CONST_ROUNDING);
1007 0 : const __m256i s3_22_5 =
1008 : _mm256_add_epi32(s3_22_3, k__DCT_CONST_ROUNDING);
1009 0 : const __m256i s3_17_6 = _mm256_srai_epi32(s3_17_4, DCT_CONST_BITS);
1010 0 : const __m256i s3_17_7 = _mm256_srai_epi32(s3_17_5, DCT_CONST_BITS);
1011 0 : const __m256i s3_18_6 = _mm256_srai_epi32(s3_18_4, DCT_CONST_BITS);
1012 0 : const __m256i s3_18_7 = _mm256_srai_epi32(s3_18_5, DCT_CONST_BITS);
1013 0 : const __m256i s3_21_6 = _mm256_srai_epi32(s3_21_4, DCT_CONST_BITS);
1014 0 : const __m256i s3_21_7 = _mm256_srai_epi32(s3_21_5, DCT_CONST_BITS);
1015 0 : const __m256i s3_22_6 = _mm256_srai_epi32(s3_22_4, DCT_CONST_BITS);
1016 0 : const __m256i s3_22_7 = _mm256_srai_epi32(s3_22_5, DCT_CONST_BITS);
1017 0 : const __m256i s3_25_4 =
1018 : _mm256_add_epi32(s3_25_2, k__DCT_CONST_ROUNDING);
1019 0 : const __m256i s3_25_5 =
1020 : _mm256_add_epi32(s3_25_3, k__DCT_CONST_ROUNDING);
1021 0 : const __m256i s3_26_4 =
1022 : _mm256_add_epi32(s3_26_2, k__DCT_CONST_ROUNDING);
1023 0 : const __m256i s3_26_5 =
1024 : _mm256_add_epi32(s3_26_3, k__DCT_CONST_ROUNDING);
1025 0 : const __m256i s3_29_4 =
1026 : _mm256_add_epi32(s3_29_2, k__DCT_CONST_ROUNDING);
1027 0 : const __m256i s3_29_5 =
1028 : _mm256_add_epi32(s3_29_3, k__DCT_CONST_ROUNDING);
1029 0 : const __m256i s3_30_4 =
1030 : _mm256_add_epi32(s3_30_2, k__DCT_CONST_ROUNDING);
1031 0 : const __m256i s3_30_5 =
1032 : _mm256_add_epi32(s3_30_3, k__DCT_CONST_ROUNDING);
1033 0 : const __m256i s3_25_6 = _mm256_srai_epi32(s3_25_4, DCT_CONST_BITS);
1034 0 : const __m256i s3_25_7 = _mm256_srai_epi32(s3_25_5, DCT_CONST_BITS);
1035 0 : const __m256i s3_26_6 = _mm256_srai_epi32(s3_26_4, DCT_CONST_BITS);
1036 0 : const __m256i s3_26_7 = _mm256_srai_epi32(s3_26_5, DCT_CONST_BITS);
1037 0 : const __m256i s3_29_6 = _mm256_srai_epi32(s3_29_4, DCT_CONST_BITS);
1038 0 : const __m256i s3_29_7 = _mm256_srai_epi32(s3_29_5, DCT_CONST_BITS);
1039 0 : const __m256i s3_30_6 = _mm256_srai_epi32(s3_30_4, DCT_CONST_BITS);
1040 0 : const __m256i s3_30_7 = _mm256_srai_epi32(s3_30_5, DCT_CONST_BITS);
1041 : // Combine
1042 0 : step3[17] = _mm256_packs_epi32(s3_17_6, s3_17_7);
1043 0 : step3[18] = _mm256_packs_epi32(s3_18_6, s3_18_7);
1044 0 : step3[21] = _mm256_packs_epi32(s3_21_6, s3_21_7);
1045 0 : step3[22] = _mm256_packs_epi32(s3_22_6, s3_22_7);
1046 : // Combine
1047 0 : step3[25] = _mm256_packs_epi32(s3_25_6, s3_25_7);
1048 0 : step3[26] = _mm256_packs_epi32(s3_26_6, s3_26_7);
1049 0 : step3[29] = _mm256_packs_epi32(s3_29_6, s3_29_7);
1050 0 : step3[30] = _mm256_packs_epi32(s3_30_6, s3_30_7);
1051 : }
1052 : // Stage 7
1053 : {
1054 0 : const __m256i out_02_0 = _mm256_unpacklo_epi16(step3[8], step3[15]);
1055 0 : const __m256i out_02_1 = _mm256_unpackhi_epi16(step3[8], step3[15]);
1056 0 : const __m256i out_18_0 = _mm256_unpacklo_epi16(step3[9], step3[14]);
1057 0 : const __m256i out_18_1 = _mm256_unpackhi_epi16(step3[9], step3[14]);
1058 0 : const __m256i out_10_0 = _mm256_unpacklo_epi16(step3[10], step3[13]);
1059 0 : const __m256i out_10_1 = _mm256_unpackhi_epi16(step3[10], step3[13]);
1060 0 : const __m256i out_26_0 = _mm256_unpacklo_epi16(step3[11], step3[12]);
1061 0 : const __m256i out_26_1 = _mm256_unpackhi_epi16(step3[11], step3[12]);
1062 0 : const __m256i out_02_2 =
1063 : _mm256_madd_epi16(out_02_0, k__cospi_p30_p02);
1064 0 : const __m256i out_02_3 =
1065 : _mm256_madd_epi16(out_02_1, k__cospi_p30_p02);
1066 0 : const __m256i out_18_2 =
1067 : _mm256_madd_epi16(out_18_0, k__cospi_p14_p18);
1068 0 : const __m256i out_18_3 =
1069 : _mm256_madd_epi16(out_18_1, k__cospi_p14_p18);
1070 0 : const __m256i out_10_2 =
1071 : _mm256_madd_epi16(out_10_0, k__cospi_p22_p10);
1072 0 : const __m256i out_10_3 =
1073 : _mm256_madd_epi16(out_10_1, k__cospi_p22_p10);
1074 0 : const __m256i out_26_2 =
1075 : _mm256_madd_epi16(out_26_0, k__cospi_p06_p26);
1076 0 : const __m256i out_26_3 =
1077 : _mm256_madd_epi16(out_26_1, k__cospi_p06_p26);
1078 0 : const __m256i out_06_2 =
1079 : _mm256_madd_epi16(out_26_0, k__cospi_m26_p06);
1080 0 : const __m256i out_06_3 =
1081 : _mm256_madd_epi16(out_26_1, k__cospi_m26_p06);
1082 0 : const __m256i out_22_2 =
1083 : _mm256_madd_epi16(out_10_0, k__cospi_m10_p22);
1084 0 : const __m256i out_22_3 =
1085 : _mm256_madd_epi16(out_10_1, k__cospi_m10_p22);
1086 0 : const __m256i out_14_2 =
1087 : _mm256_madd_epi16(out_18_0, k__cospi_m18_p14);
1088 0 : const __m256i out_14_3 =
1089 : _mm256_madd_epi16(out_18_1, k__cospi_m18_p14);
1090 0 : const __m256i out_30_2 =
1091 : _mm256_madd_epi16(out_02_0, k__cospi_m02_p30);
1092 0 : const __m256i out_30_3 =
1093 : _mm256_madd_epi16(out_02_1, k__cospi_m02_p30);
1094 : // dct_const_round_shift
1095 0 : const __m256i out_02_4 =
1096 : _mm256_add_epi32(out_02_2, k__DCT_CONST_ROUNDING);
1097 0 : const __m256i out_02_5 =
1098 : _mm256_add_epi32(out_02_3, k__DCT_CONST_ROUNDING);
1099 0 : const __m256i out_18_4 =
1100 : _mm256_add_epi32(out_18_2, k__DCT_CONST_ROUNDING);
1101 0 : const __m256i out_18_5 =
1102 : _mm256_add_epi32(out_18_3, k__DCT_CONST_ROUNDING);
1103 0 : const __m256i out_10_4 =
1104 : _mm256_add_epi32(out_10_2, k__DCT_CONST_ROUNDING);
1105 0 : const __m256i out_10_5 =
1106 : _mm256_add_epi32(out_10_3, k__DCT_CONST_ROUNDING);
1107 0 : const __m256i out_26_4 =
1108 : _mm256_add_epi32(out_26_2, k__DCT_CONST_ROUNDING);
1109 0 : const __m256i out_26_5 =
1110 : _mm256_add_epi32(out_26_3, k__DCT_CONST_ROUNDING);
1111 0 : const __m256i out_06_4 =
1112 : _mm256_add_epi32(out_06_2, k__DCT_CONST_ROUNDING);
1113 0 : const __m256i out_06_5 =
1114 : _mm256_add_epi32(out_06_3, k__DCT_CONST_ROUNDING);
1115 0 : const __m256i out_22_4 =
1116 : _mm256_add_epi32(out_22_2, k__DCT_CONST_ROUNDING);
1117 0 : const __m256i out_22_5 =
1118 : _mm256_add_epi32(out_22_3, k__DCT_CONST_ROUNDING);
1119 0 : const __m256i out_14_4 =
1120 : _mm256_add_epi32(out_14_2, k__DCT_CONST_ROUNDING);
1121 0 : const __m256i out_14_5 =
1122 : _mm256_add_epi32(out_14_3, k__DCT_CONST_ROUNDING);
1123 0 : const __m256i out_30_4 =
1124 : _mm256_add_epi32(out_30_2, k__DCT_CONST_ROUNDING);
1125 0 : const __m256i out_30_5 =
1126 : _mm256_add_epi32(out_30_3, k__DCT_CONST_ROUNDING);
1127 0 : const __m256i out_02_6 = _mm256_srai_epi32(out_02_4, DCT_CONST_BITS);
1128 0 : const __m256i out_02_7 = _mm256_srai_epi32(out_02_5, DCT_CONST_BITS);
1129 0 : const __m256i out_18_6 = _mm256_srai_epi32(out_18_4, DCT_CONST_BITS);
1130 0 : const __m256i out_18_7 = _mm256_srai_epi32(out_18_5, DCT_CONST_BITS);
1131 0 : const __m256i out_10_6 = _mm256_srai_epi32(out_10_4, DCT_CONST_BITS);
1132 0 : const __m256i out_10_7 = _mm256_srai_epi32(out_10_5, DCT_CONST_BITS);
1133 0 : const __m256i out_26_6 = _mm256_srai_epi32(out_26_4, DCT_CONST_BITS);
1134 0 : const __m256i out_26_7 = _mm256_srai_epi32(out_26_5, DCT_CONST_BITS);
1135 0 : const __m256i out_06_6 = _mm256_srai_epi32(out_06_4, DCT_CONST_BITS);
1136 0 : const __m256i out_06_7 = _mm256_srai_epi32(out_06_5, DCT_CONST_BITS);
1137 0 : const __m256i out_22_6 = _mm256_srai_epi32(out_22_4, DCT_CONST_BITS);
1138 0 : const __m256i out_22_7 = _mm256_srai_epi32(out_22_5, DCT_CONST_BITS);
1139 0 : const __m256i out_14_6 = _mm256_srai_epi32(out_14_4, DCT_CONST_BITS);
1140 0 : const __m256i out_14_7 = _mm256_srai_epi32(out_14_5, DCT_CONST_BITS);
1141 0 : const __m256i out_30_6 = _mm256_srai_epi32(out_30_4, DCT_CONST_BITS);
1142 0 : const __m256i out_30_7 = _mm256_srai_epi32(out_30_5, DCT_CONST_BITS);
1143 : // Combine
1144 0 : out[2] = _mm256_packs_epi32(out_02_6, out_02_7);
1145 0 : out[18] = _mm256_packs_epi32(out_18_6, out_18_7);
1146 0 : out[10] = _mm256_packs_epi32(out_10_6, out_10_7);
1147 0 : out[26] = _mm256_packs_epi32(out_26_6, out_26_7);
1148 0 : out[6] = _mm256_packs_epi32(out_06_6, out_06_7);
1149 0 : out[22] = _mm256_packs_epi32(out_22_6, out_22_7);
1150 0 : out[14] = _mm256_packs_epi32(out_14_6, out_14_7);
1151 0 : out[30] = _mm256_packs_epi32(out_30_6, out_30_7);
1152 : }
1153 : {
1154 0 : step1[16] = _mm256_add_epi16(step3[17], step2[16]);
1155 0 : step1[17] = _mm256_sub_epi16(step2[16], step3[17]);
1156 0 : step1[18] = _mm256_sub_epi16(step2[19], step3[18]);
1157 0 : step1[19] = _mm256_add_epi16(step3[18], step2[19]);
1158 0 : step1[20] = _mm256_add_epi16(step3[21], step2[20]);
1159 0 : step1[21] = _mm256_sub_epi16(step2[20], step3[21]);
1160 0 : step1[22] = _mm256_sub_epi16(step2[23], step3[22]);
1161 0 : step1[23] = _mm256_add_epi16(step3[22], step2[23]);
1162 0 : step1[24] = _mm256_add_epi16(step3[25], step2[24]);
1163 0 : step1[25] = _mm256_sub_epi16(step2[24], step3[25]);
1164 0 : step1[26] = _mm256_sub_epi16(step2[27], step3[26]);
1165 0 : step1[27] = _mm256_add_epi16(step3[26], step2[27]);
1166 0 : step1[28] = _mm256_add_epi16(step3[29], step2[28]);
1167 0 : step1[29] = _mm256_sub_epi16(step2[28], step3[29]);
1168 0 : step1[30] = _mm256_sub_epi16(step2[31], step3[30]);
1169 0 : step1[31] = _mm256_add_epi16(step3[30], step2[31]);
1170 : }
1171 : // Final stage --- outputs indices are bit-reversed.
1172 : {
1173 0 : const __m256i out_01_0 = _mm256_unpacklo_epi16(step1[16], step1[31]);
1174 0 : const __m256i out_01_1 = _mm256_unpackhi_epi16(step1[16], step1[31]);
1175 0 : const __m256i out_17_0 = _mm256_unpacklo_epi16(step1[17], step1[30]);
1176 0 : const __m256i out_17_1 = _mm256_unpackhi_epi16(step1[17], step1[30]);
1177 0 : const __m256i out_09_0 = _mm256_unpacklo_epi16(step1[18], step1[29]);
1178 0 : const __m256i out_09_1 = _mm256_unpackhi_epi16(step1[18], step1[29]);
1179 0 : const __m256i out_25_0 = _mm256_unpacklo_epi16(step1[19], step1[28]);
1180 0 : const __m256i out_25_1 = _mm256_unpackhi_epi16(step1[19], step1[28]);
1181 0 : const __m256i out_01_2 =
1182 : _mm256_madd_epi16(out_01_0, k__cospi_p31_p01);
1183 0 : const __m256i out_01_3 =
1184 : _mm256_madd_epi16(out_01_1, k__cospi_p31_p01);
1185 0 : const __m256i out_17_2 =
1186 : _mm256_madd_epi16(out_17_0, k__cospi_p15_p17);
1187 0 : const __m256i out_17_3 =
1188 : _mm256_madd_epi16(out_17_1, k__cospi_p15_p17);
1189 0 : const __m256i out_09_2 =
1190 : _mm256_madd_epi16(out_09_0, k__cospi_p23_p09);
1191 0 : const __m256i out_09_3 =
1192 : _mm256_madd_epi16(out_09_1, k__cospi_p23_p09);
1193 0 : const __m256i out_25_2 =
1194 : _mm256_madd_epi16(out_25_0, k__cospi_p07_p25);
1195 0 : const __m256i out_25_3 =
1196 : _mm256_madd_epi16(out_25_1, k__cospi_p07_p25);
1197 0 : const __m256i out_07_2 =
1198 : _mm256_madd_epi16(out_25_0, k__cospi_m25_p07);
1199 0 : const __m256i out_07_3 =
1200 : _mm256_madd_epi16(out_25_1, k__cospi_m25_p07);
1201 0 : const __m256i out_23_2 =
1202 : _mm256_madd_epi16(out_09_0, k__cospi_m09_p23);
1203 0 : const __m256i out_23_3 =
1204 : _mm256_madd_epi16(out_09_1, k__cospi_m09_p23);
1205 0 : const __m256i out_15_2 =
1206 : _mm256_madd_epi16(out_17_0, k__cospi_m17_p15);
1207 0 : const __m256i out_15_3 =
1208 : _mm256_madd_epi16(out_17_1, k__cospi_m17_p15);
1209 0 : const __m256i out_31_2 =
1210 : _mm256_madd_epi16(out_01_0, k__cospi_m01_p31);
1211 0 : const __m256i out_31_3 =
1212 : _mm256_madd_epi16(out_01_1, k__cospi_m01_p31);
1213 : // dct_const_round_shift
1214 0 : const __m256i out_01_4 =
1215 : _mm256_add_epi32(out_01_2, k__DCT_CONST_ROUNDING);
1216 0 : const __m256i out_01_5 =
1217 : _mm256_add_epi32(out_01_3, k__DCT_CONST_ROUNDING);
1218 0 : const __m256i out_17_4 =
1219 : _mm256_add_epi32(out_17_2, k__DCT_CONST_ROUNDING);
1220 0 : const __m256i out_17_5 =
1221 : _mm256_add_epi32(out_17_3, k__DCT_CONST_ROUNDING);
1222 0 : const __m256i out_09_4 =
1223 : _mm256_add_epi32(out_09_2, k__DCT_CONST_ROUNDING);
1224 0 : const __m256i out_09_5 =
1225 : _mm256_add_epi32(out_09_3, k__DCT_CONST_ROUNDING);
1226 0 : const __m256i out_25_4 =
1227 : _mm256_add_epi32(out_25_2, k__DCT_CONST_ROUNDING);
1228 0 : const __m256i out_25_5 =
1229 : _mm256_add_epi32(out_25_3, k__DCT_CONST_ROUNDING);
1230 0 : const __m256i out_07_4 =
1231 : _mm256_add_epi32(out_07_2, k__DCT_CONST_ROUNDING);
1232 0 : const __m256i out_07_5 =
1233 : _mm256_add_epi32(out_07_3, k__DCT_CONST_ROUNDING);
1234 0 : const __m256i out_23_4 =
1235 : _mm256_add_epi32(out_23_2, k__DCT_CONST_ROUNDING);
1236 0 : const __m256i out_23_5 =
1237 : _mm256_add_epi32(out_23_3, k__DCT_CONST_ROUNDING);
1238 0 : const __m256i out_15_4 =
1239 : _mm256_add_epi32(out_15_2, k__DCT_CONST_ROUNDING);
1240 0 : const __m256i out_15_5 =
1241 : _mm256_add_epi32(out_15_3, k__DCT_CONST_ROUNDING);
1242 0 : const __m256i out_31_4 =
1243 : _mm256_add_epi32(out_31_2, k__DCT_CONST_ROUNDING);
1244 0 : const __m256i out_31_5 =
1245 : _mm256_add_epi32(out_31_3, k__DCT_CONST_ROUNDING);
1246 0 : const __m256i out_01_6 = _mm256_srai_epi32(out_01_4, DCT_CONST_BITS);
1247 0 : const __m256i out_01_7 = _mm256_srai_epi32(out_01_5, DCT_CONST_BITS);
1248 0 : const __m256i out_17_6 = _mm256_srai_epi32(out_17_4, DCT_CONST_BITS);
1249 0 : const __m256i out_17_7 = _mm256_srai_epi32(out_17_5, DCT_CONST_BITS);
1250 0 : const __m256i out_09_6 = _mm256_srai_epi32(out_09_4, DCT_CONST_BITS);
1251 0 : const __m256i out_09_7 = _mm256_srai_epi32(out_09_5, DCT_CONST_BITS);
1252 0 : const __m256i out_25_6 = _mm256_srai_epi32(out_25_4, DCT_CONST_BITS);
1253 0 : const __m256i out_25_7 = _mm256_srai_epi32(out_25_5, DCT_CONST_BITS);
1254 0 : const __m256i out_07_6 = _mm256_srai_epi32(out_07_4, DCT_CONST_BITS);
1255 0 : const __m256i out_07_7 = _mm256_srai_epi32(out_07_5, DCT_CONST_BITS);
1256 0 : const __m256i out_23_6 = _mm256_srai_epi32(out_23_4, DCT_CONST_BITS);
1257 0 : const __m256i out_23_7 = _mm256_srai_epi32(out_23_5, DCT_CONST_BITS);
1258 0 : const __m256i out_15_6 = _mm256_srai_epi32(out_15_4, DCT_CONST_BITS);
1259 0 : const __m256i out_15_7 = _mm256_srai_epi32(out_15_5, DCT_CONST_BITS);
1260 0 : const __m256i out_31_6 = _mm256_srai_epi32(out_31_4, DCT_CONST_BITS);
1261 0 : const __m256i out_31_7 = _mm256_srai_epi32(out_31_5, DCT_CONST_BITS);
1262 : // Combine
1263 0 : out[1] = _mm256_packs_epi32(out_01_6, out_01_7);
1264 0 : out[17] = _mm256_packs_epi32(out_17_6, out_17_7);
1265 0 : out[9] = _mm256_packs_epi32(out_09_6, out_09_7);
1266 0 : out[25] = _mm256_packs_epi32(out_25_6, out_25_7);
1267 0 : out[7] = _mm256_packs_epi32(out_07_6, out_07_7);
1268 0 : out[23] = _mm256_packs_epi32(out_23_6, out_23_7);
1269 0 : out[15] = _mm256_packs_epi32(out_15_6, out_15_7);
1270 0 : out[31] = _mm256_packs_epi32(out_31_6, out_31_7);
1271 : }
1272 : {
1273 0 : const __m256i out_05_0 = _mm256_unpacklo_epi16(step1[20], step1[27]);
1274 0 : const __m256i out_05_1 = _mm256_unpackhi_epi16(step1[20], step1[27]);
1275 0 : const __m256i out_21_0 = _mm256_unpacklo_epi16(step1[21], step1[26]);
1276 0 : const __m256i out_21_1 = _mm256_unpackhi_epi16(step1[21], step1[26]);
1277 0 : const __m256i out_13_0 = _mm256_unpacklo_epi16(step1[22], step1[25]);
1278 0 : const __m256i out_13_1 = _mm256_unpackhi_epi16(step1[22], step1[25]);
1279 0 : const __m256i out_29_0 = _mm256_unpacklo_epi16(step1[23], step1[24]);
1280 0 : const __m256i out_29_1 = _mm256_unpackhi_epi16(step1[23], step1[24]);
1281 0 : const __m256i out_05_2 =
1282 : _mm256_madd_epi16(out_05_0, k__cospi_p27_p05);
1283 0 : const __m256i out_05_3 =
1284 : _mm256_madd_epi16(out_05_1, k__cospi_p27_p05);
1285 0 : const __m256i out_21_2 =
1286 : _mm256_madd_epi16(out_21_0, k__cospi_p11_p21);
1287 0 : const __m256i out_21_3 =
1288 : _mm256_madd_epi16(out_21_1, k__cospi_p11_p21);
1289 0 : const __m256i out_13_2 =
1290 : _mm256_madd_epi16(out_13_0, k__cospi_p19_p13);
1291 0 : const __m256i out_13_3 =
1292 : _mm256_madd_epi16(out_13_1, k__cospi_p19_p13);
1293 0 : const __m256i out_29_2 =
1294 : _mm256_madd_epi16(out_29_0, k__cospi_p03_p29);
1295 0 : const __m256i out_29_3 =
1296 : _mm256_madd_epi16(out_29_1, k__cospi_p03_p29);
1297 0 : const __m256i out_03_2 =
1298 : _mm256_madd_epi16(out_29_0, k__cospi_m29_p03);
1299 0 : const __m256i out_03_3 =
1300 : _mm256_madd_epi16(out_29_1, k__cospi_m29_p03);
1301 0 : const __m256i out_19_2 =
1302 : _mm256_madd_epi16(out_13_0, k__cospi_m13_p19);
1303 0 : const __m256i out_19_3 =
1304 : _mm256_madd_epi16(out_13_1, k__cospi_m13_p19);
1305 0 : const __m256i out_11_2 =
1306 : _mm256_madd_epi16(out_21_0, k__cospi_m21_p11);
1307 0 : const __m256i out_11_3 =
1308 : _mm256_madd_epi16(out_21_1, k__cospi_m21_p11);
1309 0 : const __m256i out_27_2 =
1310 : _mm256_madd_epi16(out_05_0, k__cospi_m05_p27);
1311 0 : const __m256i out_27_3 =
1312 : _mm256_madd_epi16(out_05_1, k__cospi_m05_p27);
1313 : // dct_const_round_shift
1314 0 : const __m256i out_05_4 =
1315 : _mm256_add_epi32(out_05_2, k__DCT_CONST_ROUNDING);
1316 0 : const __m256i out_05_5 =
1317 : _mm256_add_epi32(out_05_3, k__DCT_CONST_ROUNDING);
1318 0 : const __m256i out_21_4 =
1319 : _mm256_add_epi32(out_21_2, k__DCT_CONST_ROUNDING);
1320 0 : const __m256i out_21_5 =
1321 : _mm256_add_epi32(out_21_3, k__DCT_CONST_ROUNDING);
1322 0 : const __m256i out_13_4 =
1323 : _mm256_add_epi32(out_13_2, k__DCT_CONST_ROUNDING);
1324 0 : const __m256i out_13_5 =
1325 : _mm256_add_epi32(out_13_3, k__DCT_CONST_ROUNDING);
1326 0 : const __m256i out_29_4 =
1327 : _mm256_add_epi32(out_29_2, k__DCT_CONST_ROUNDING);
1328 0 : const __m256i out_29_5 =
1329 : _mm256_add_epi32(out_29_3, k__DCT_CONST_ROUNDING);
1330 0 : const __m256i out_03_4 =
1331 : _mm256_add_epi32(out_03_2, k__DCT_CONST_ROUNDING);
1332 0 : const __m256i out_03_5 =
1333 : _mm256_add_epi32(out_03_3, k__DCT_CONST_ROUNDING);
1334 0 : const __m256i out_19_4 =
1335 : _mm256_add_epi32(out_19_2, k__DCT_CONST_ROUNDING);
1336 0 : const __m256i out_19_5 =
1337 : _mm256_add_epi32(out_19_3, k__DCT_CONST_ROUNDING);
1338 0 : const __m256i out_11_4 =
1339 : _mm256_add_epi32(out_11_2, k__DCT_CONST_ROUNDING);
1340 0 : const __m256i out_11_5 =
1341 : _mm256_add_epi32(out_11_3, k__DCT_CONST_ROUNDING);
1342 0 : const __m256i out_27_4 =
1343 : _mm256_add_epi32(out_27_2, k__DCT_CONST_ROUNDING);
1344 0 : const __m256i out_27_5 =
1345 : _mm256_add_epi32(out_27_3, k__DCT_CONST_ROUNDING);
1346 0 : const __m256i out_05_6 = _mm256_srai_epi32(out_05_4, DCT_CONST_BITS);
1347 0 : const __m256i out_05_7 = _mm256_srai_epi32(out_05_5, DCT_CONST_BITS);
1348 0 : const __m256i out_21_6 = _mm256_srai_epi32(out_21_4, DCT_CONST_BITS);
1349 0 : const __m256i out_21_7 = _mm256_srai_epi32(out_21_5, DCT_CONST_BITS);
1350 0 : const __m256i out_13_6 = _mm256_srai_epi32(out_13_4, DCT_CONST_BITS);
1351 0 : const __m256i out_13_7 = _mm256_srai_epi32(out_13_5, DCT_CONST_BITS);
1352 0 : const __m256i out_29_6 = _mm256_srai_epi32(out_29_4, DCT_CONST_BITS);
1353 0 : const __m256i out_29_7 = _mm256_srai_epi32(out_29_5, DCT_CONST_BITS);
1354 0 : const __m256i out_03_6 = _mm256_srai_epi32(out_03_4, DCT_CONST_BITS);
1355 0 : const __m256i out_03_7 = _mm256_srai_epi32(out_03_5, DCT_CONST_BITS);
1356 0 : const __m256i out_19_6 = _mm256_srai_epi32(out_19_4, DCT_CONST_BITS);
1357 0 : const __m256i out_19_7 = _mm256_srai_epi32(out_19_5, DCT_CONST_BITS);
1358 0 : const __m256i out_11_6 = _mm256_srai_epi32(out_11_4, DCT_CONST_BITS);
1359 0 : const __m256i out_11_7 = _mm256_srai_epi32(out_11_5, DCT_CONST_BITS);
1360 0 : const __m256i out_27_6 = _mm256_srai_epi32(out_27_4, DCT_CONST_BITS);
1361 0 : const __m256i out_27_7 = _mm256_srai_epi32(out_27_5, DCT_CONST_BITS);
1362 : // Combine
1363 0 : out[5] = _mm256_packs_epi32(out_05_6, out_05_7);
1364 0 : out[21] = _mm256_packs_epi32(out_21_6, out_21_7);
1365 0 : out[13] = _mm256_packs_epi32(out_13_6, out_13_7);
1366 0 : out[29] = _mm256_packs_epi32(out_29_6, out_29_7);
1367 0 : out[3] = _mm256_packs_epi32(out_03_6, out_03_7);
1368 0 : out[19] = _mm256_packs_epi32(out_19_6, out_19_7);
1369 0 : out[11] = _mm256_packs_epi32(out_11_6, out_11_7);
1370 0 : 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 0 : const __m256i K32One = _mm256_set_epi32(1, 1, 1, 1, 1, 1, 1, 1);
1377 : // start using 32-bit operations
1378 : // stage 3
1379 : {
1380 : // expanding to 32-bit length priori to addition operations
1381 0 : lstep2[0] = _mm256_unpacklo_epi16(step2[0], kZero);
1382 0 : lstep2[1] = _mm256_unpackhi_epi16(step2[0], kZero);
1383 0 : lstep2[2] = _mm256_unpacklo_epi16(step2[1], kZero);
1384 0 : lstep2[3] = _mm256_unpackhi_epi16(step2[1], kZero);
1385 0 : lstep2[4] = _mm256_unpacklo_epi16(step2[2], kZero);
1386 0 : lstep2[5] = _mm256_unpackhi_epi16(step2[2], kZero);
1387 0 : lstep2[6] = _mm256_unpacklo_epi16(step2[3], kZero);
1388 0 : lstep2[7] = _mm256_unpackhi_epi16(step2[3], kZero);
1389 0 : lstep2[8] = _mm256_unpacklo_epi16(step2[4], kZero);
1390 0 : lstep2[9] = _mm256_unpackhi_epi16(step2[4], kZero);
1391 0 : lstep2[10] = _mm256_unpacklo_epi16(step2[5], kZero);
1392 0 : lstep2[11] = _mm256_unpackhi_epi16(step2[5], kZero);
1393 0 : lstep2[12] = _mm256_unpacklo_epi16(step2[6], kZero);
1394 0 : lstep2[13] = _mm256_unpackhi_epi16(step2[6], kZero);
1395 0 : lstep2[14] = _mm256_unpacklo_epi16(step2[7], kZero);
1396 0 : lstep2[15] = _mm256_unpackhi_epi16(step2[7], kZero);
1397 0 : lstep2[0] = _mm256_madd_epi16(lstep2[0], kOne);
1398 0 : lstep2[1] = _mm256_madd_epi16(lstep2[1], kOne);
1399 0 : lstep2[2] = _mm256_madd_epi16(lstep2[2], kOne);
1400 0 : lstep2[3] = _mm256_madd_epi16(lstep2[3], kOne);
1401 0 : lstep2[4] = _mm256_madd_epi16(lstep2[4], kOne);
1402 0 : lstep2[5] = _mm256_madd_epi16(lstep2[5], kOne);
1403 0 : lstep2[6] = _mm256_madd_epi16(lstep2[6], kOne);
1404 0 : lstep2[7] = _mm256_madd_epi16(lstep2[7], kOne);
1405 0 : lstep2[8] = _mm256_madd_epi16(lstep2[8], kOne);
1406 0 : lstep2[9] = _mm256_madd_epi16(lstep2[9], kOne);
1407 0 : lstep2[10] = _mm256_madd_epi16(lstep2[10], kOne);
1408 0 : lstep2[11] = _mm256_madd_epi16(lstep2[11], kOne);
1409 0 : lstep2[12] = _mm256_madd_epi16(lstep2[12], kOne);
1410 0 : lstep2[13] = _mm256_madd_epi16(lstep2[13], kOne);
1411 0 : lstep2[14] = _mm256_madd_epi16(lstep2[14], kOne);
1412 0 : lstep2[15] = _mm256_madd_epi16(lstep2[15], kOne);
1413 :
1414 0 : lstep3[0] = _mm256_add_epi32(lstep2[14], lstep2[0]);
1415 0 : lstep3[1] = _mm256_add_epi32(lstep2[15], lstep2[1]);
1416 0 : lstep3[2] = _mm256_add_epi32(lstep2[12], lstep2[2]);
1417 0 : lstep3[3] = _mm256_add_epi32(lstep2[13], lstep2[3]);
1418 0 : lstep3[4] = _mm256_add_epi32(lstep2[10], lstep2[4]);
1419 0 : lstep3[5] = _mm256_add_epi32(lstep2[11], lstep2[5]);
1420 0 : lstep3[6] = _mm256_add_epi32(lstep2[8], lstep2[6]);
1421 0 : lstep3[7] = _mm256_add_epi32(lstep2[9], lstep2[7]);
1422 0 : lstep3[8] = _mm256_sub_epi32(lstep2[6], lstep2[8]);
1423 0 : lstep3[9] = _mm256_sub_epi32(lstep2[7], lstep2[9]);
1424 0 : lstep3[10] = _mm256_sub_epi32(lstep2[4], lstep2[10]);
1425 0 : lstep3[11] = _mm256_sub_epi32(lstep2[5], lstep2[11]);
1426 0 : lstep3[12] = _mm256_sub_epi32(lstep2[2], lstep2[12]);
1427 0 : lstep3[13] = _mm256_sub_epi32(lstep2[3], lstep2[13]);
1428 0 : lstep3[14] = _mm256_sub_epi32(lstep2[0], lstep2[14]);
1429 0 : lstep3[15] = _mm256_sub_epi32(lstep2[1], lstep2[15]);
1430 : }
1431 : {
1432 0 : const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]);
1433 0 : const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]);
1434 0 : const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]);
1435 0 : const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]);
1436 0 : const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16);
1437 0 : const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16);
1438 0 : const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16);
1439 0 : const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16);
1440 0 : const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16);
1441 0 : const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16);
1442 0 : const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16);
1443 0 : const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16);
1444 : // dct_const_round_shift
1445 0 : const __m256i s3_10_4 =
1446 : _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING);
1447 0 : const __m256i s3_10_5 =
1448 : _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING);
1449 0 : const __m256i s3_11_4 =
1450 : _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING);
1451 0 : const __m256i s3_11_5 =
1452 : _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING);
1453 0 : const __m256i s3_12_4 =
1454 : _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING);
1455 0 : const __m256i s3_12_5 =
1456 : _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING);
1457 0 : const __m256i s3_13_4 =
1458 : _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING);
1459 0 : const __m256i s3_13_5 =
1460 : _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING);
1461 0 : lstep3[20] = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS);
1462 0 : lstep3[21] = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS);
1463 0 : lstep3[22] = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS);
1464 0 : lstep3[23] = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS);
1465 0 : lstep3[24] = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS);
1466 0 : lstep3[25] = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS);
1467 0 : lstep3[26] = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS);
1468 0 : lstep3[27] = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS);
1469 : }
1470 : {
1471 0 : lstep2[40] = _mm256_unpacklo_epi16(step2[20], kZero);
1472 0 : lstep2[41] = _mm256_unpackhi_epi16(step2[20], kZero);
1473 0 : lstep2[42] = _mm256_unpacklo_epi16(step2[21], kZero);
1474 0 : lstep2[43] = _mm256_unpackhi_epi16(step2[21], kZero);
1475 0 : lstep2[44] = _mm256_unpacklo_epi16(step2[22], kZero);
1476 0 : lstep2[45] = _mm256_unpackhi_epi16(step2[22], kZero);
1477 0 : lstep2[46] = _mm256_unpacklo_epi16(step2[23], kZero);
1478 0 : lstep2[47] = _mm256_unpackhi_epi16(step2[23], kZero);
1479 0 : lstep2[48] = _mm256_unpacklo_epi16(step2[24], kZero);
1480 0 : lstep2[49] = _mm256_unpackhi_epi16(step2[24], kZero);
1481 0 : lstep2[50] = _mm256_unpacklo_epi16(step2[25], kZero);
1482 0 : lstep2[51] = _mm256_unpackhi_epi16(step2[25], kZero);
1483 0 : lstep2[52] = _mm256_unpacklo_epi16(step2[26], kZero);
1484 0 : lstep2[53] = _mm256_unpackhi_epi16(step2[26], kZero);
1485 0 : lstep2[54] = _mm256_unpacklo_epi16(step2[27], kZero);
1486 0 : lstep2[55] = _mm256_unpackhi_epi16(step2[27], kZero);
1487 0 : lstep2[40] = _mm256_madd_epi16(lstep2[40], kOne);
1488 0 : lstep2[41] = _mm256_madd_epi16(lstep2[41], kOne);
1489 0 : lstep2[42] = _mm256_madd_epi16(lstep2[42], kOne);
1490 0 : lstep2[43] = _mm256_madd_epi16(lstep2[43], kOne);
1491 0 : lstep2[44] = _mm256_madd_epi16(lstep2[44], kOne);
1492 0 : lstep2[45] = _mm256_madd_epi16(lstep2[45], kOne);
1493 0 : lstep2[46] = _mm256_madd_epi16(lstep2[46], kOne);
1494 0 : lstep2[47] = _mm256_madd_epi16(lstep2[47], kOne);
1495 0 : lstep2[48] = _mm256_madd_epi16(lstep2[48], kOne);
1496 0 : lstep2[49] = _mm256_madd_epi16(lstep2[49], kOne);
1497 0 : lstep2[50] = _mm256_madd_epi16(lstep2[50], kOne);
1498 0 : lstep2[51] = _mm256_madd_epi16(lstep2[51], kOne);
1499 0 : lstep2[52] = _mm256_madd_epi16(lstep2[52], kOne);
1500 0 : lstep2[53] = _mm256_madd_epi16(lstep2[53], kOne);
1501 0 : lstep2[54] = _mm256_madd_epi16(lstep2[54], kOne);
1502 0 : lstep2[55] = _mm256_madd_epi16(lstep2[55], kOne);
1503 :
1504 0 : lstep1[32] = _mm256_unpacklo_epi16(step1[16], kZero);
1505 0 : lstep1[33] = _mm256_unpackhi_epi16(step1[16], kZero);
1506 0 : lstep1[34] = _mm256_unpacklo_epi16(step1[17], kZero);
1507 0 : lstep1[35] = _mm256_unpackhi_epi16(step1[17], kZero);
1508 0 : lstep1[36] = _mm256_unpacklo_epi16(step1[18], kZero);
1509 0 : lstep1[37] = _mm256_unpackhi_epi16(step1[18], kZero);
1510 0 : lstep1[38] = _mm256_unpacklo_epi16(step1[19], kZero);
1511 0 : lstep1[39] = _mm256_unpackhi_epi16(step1[19], kZero);
1512 0 : lstep1[56] = _mm256_unpacklo_epi16(step1[28], kZero);
1513 0 : lstep1[57] = _mm256_unpackhi_epi16(step1[28], kZero);
1514 0 : lstep1[58] = _mm256_unpacklo_epi16(step1[29], kZero);
1515 0 : lstep1[59] = _mm256_unpackhi_epi16(step1[29], kZero);
1516 0 : lstep1[60] = _mm256_unpacklo_epi16(step1[30], kZero);
1517 0 : lstep1[61] = _mm256_unpackhi_epi16(step1[30], kZero);
1518 0 : lstep1[62] = _mm256_unpacklo_epi16(step1[31], kZero);
1519 0 : lstep1[63] = _mm256_unpackhi_epi16(step1[31], kZero);
1520 0 : lstep1[32] = _mm256_madd_epi16(lstep1[32], kOne);
1521 0 : lstep1[33] = _mm256_madd_epi16(lstep1[33], kOne);
1522 0 : lstep1[34] = _mm256_madd_epi16(lstep1[34], kOne);
1523 0 : lstep1[35] = _mm256_madd_epi16(lstep1[35], kOne);
1524 0 : lstep1[36] = _mm256_madd_epi16(lstep1[36], kOne);
1525 0 : lstep1[37] = _mm256_madd_epi16(lstep1[37], kOne);
1526 0 : lstep1[38] = _mm256_madd_epi16(lstep1[38], kOne);
1527 0 : lstep1[39] = _mm256_madd_epi16(lstep1[39], kOne);
1528 0 : lstep1[56] = _mm256_madd_epi16(lstep1[56], kOne);
1529 0 : lstep1[57] = _mm256_madd_epi16(lstep1[57], kOne);
1530 0 : lstep1[58] = _mm256_madd_epi16(lstep1[58], kOne);
1531 0 : lstep1[59] = _mm256_madd_epi16(lstep1[59], kOne);
1532 0 : lstep1[60] = _mm256_madd_epi16(lstep1[60], kOne);
1533 0 : lstep1[61] = _mm256_madd_epi16(lstep1[61], kOne);
1534 0 : lstep1[62] = _mm256_madd_epi16(lstep1[62], kOne);
1535 0 : lstep1[63] = _mm256_madd_epi16(lstep1[63], kOne);
1536 :
1537 0 : lstep3[32] = _mm256_add_epi32(lstep2[46], lstep1[32]);
1538 0 : lstep3[33] = _mm256_add_epi32(lstep2[47], lstep1[33]);
1539 :
1540 0 : lstep3[34] = _mm256_add_epi32(lstep2[44], lstep1[34]);
1541 0 : lstep3[35] = _mm256_add_epi32(lstep2[45], lstep1[35]);
1542 0 : lstep3[36] = _mm256_add_epi32(lstep2[42], lstep1[36]);
1543 0 : lstep3[37] = _mm256_add_epi32(lstep2[43], lstep1[37]);
1544 0 : lstep3[38] = _mm256_add_epi32(lstep2[40], lstep1[38]);
1545 0 : lstep3[39] = _mm256_add_epi32(lstep2[41], lstep1[39]);
1546 0 : lstep3[40] = _mm256_sub_epi32(lstep1[38], lstep2[40]);
1547 0 : lstep3[41] = _mm256_sub_epi32(lstep1[39], lstep2[41]);
1548 0 : lstep3[42] = _mm256_sub_epi32(lstep1[36], lstep2[42]);
1549 0 : lstep3[43] = _mm256_sub_epi32(lstep1[37], lstep2[43]);
1550 0 : lstep3[44] = _mm256_sub_epi32(lstep1[34], lstep2[44]);
1551 0 : lstep3[45] = _mm256_sub_epi32(lstep1[35], lstep2[45]);
1552 0 : lstep3[46] = _mm256_sub_epi32(lstep1[32], lstep2[46]);
1553 0 : lstep3[47] = _mm256_sub_epi32(lstep1[33], lstep2[47]);
1554 0 : lstep3[48] = _mm256_sub_epi32(lstep1[62], lstep2[48]);
1555 0 : lstep3[49] = _mm256_sub_epi32(lstep1[63], lstep2[49]);
1556 0 : lstep3[50] = _mm256_sub_epi32(lstep1[60], lstep2[50]);
1557 0 : lstep3[51] = _mm256_sub_epi32(lstep1[61], lstep2[51]);
1558 0 : lstep3[52] = _mm256_sub_epi32(lstep1[58], lstep2[52]);
1559 0 : lstep3[53] = _mm256_sub_epi32(lstep1[59], lstep2[53]);
1560 0 : lstep3[54] = _mm256_sub_epi32(lstep1[56], lstep2[54]);
1561 0 : lstep3[55] = _mm256_sub_epi32(lstep1[57], lstep2[55]);
1562 0 : lstep3[56] = _mm256_add_epi32(lstep2[54], lstep1[56]);
1563 0 : lstep3[57] = _mm256_add_epi32(lstep2[55], lstep1[57]);
1564 0 : lstep3[58] = _mm256_add_epi32(lstep2[52], lstep1[58]);
1565 0 : lstep3[59] = _mm256_add_epi32(lstep2[53], lstep1[59]);
1566 0 : lstep3[60] = _mm256_add_epi32(lstep2[50], lstep1[60]);
1567 0 : lstep3[61] = _mm256_add_epi32(lstep2[51], lstep1[61]);
1568 0 : lstep3[62] = _mm256_add_epi32(lstep2[48], lstep1[62]);
1569 0 : lstep3[63] = _mm256_add_epi32(lstep2[49], lstep1[63]);
1570 : }
1571 :
1572 : // stage 4
1573 : {
1574 : // expanding to 32-bit length priori to addition operations
1575 0 : lstep2[16] = _mm256_unpacklo_epi16(step2[8], kZero);
1576 0 : lstep2[17] = _mm256_unpackhi_epi16(step2[8], kZero);
1577 0 : lstep2[18] = _mm256_unpacklo_epi16(step2[9], kZero);
1578 0 : lstep2[19] = _mm256_unpackhi_epi16(step2[9], kZero);
1579 0 : lstep2[28] = _mm256_unpacklo_epi16(step2[14], kZero);
1580 0 : lstep2[29] = _mm256_unpackhi_epi16(step2[14], kZero);
1581 0 : lstep2[30] = _mm256_unpacklo_epi16(step2[15], kZero);
1582 0 : lstep2[31] = _mm256_unpackhi_epi16(step2[15], kZero);
1583 0 : lstep2[16] = _mm256_madd_epi16(lstep2[16], kOne);
1584 0 : lstep2[17] = _mm256_madd_epi16(lstep2[17], kOne);
1585 0 : lstep2[18] = _mm256_madd_epi16(lstep2[18], kOne);
1586 0 : lstep2[19] = _mm256_madd_epi16(lstep2[19], kOne);
1587 0 : lstep2[28] = _mm256_madd_epi16(lstep2[28], kOne);
1588 0 : lstep2[29] = _mm256_madd_epi16(lstep2[29], kOne);
1589 0 : lstep2[30] = _mm256_madd_epi16(lstep2[30], kOne);
1590 0 : lstep2[31] = _mm256_madd_epi16(lstep2[31], kOne);
1591 :
1592 0 : lstep1[0] = _mm256_add_epi32(lstep3[6], lstep3[0]);
1593 0 : lstep1[1] = _mm256_add_epi32(lstep3[7], lstep3[1]);
1594 0 : lstep1[2] = _mm256_add_epi32(lstep3[4], lstep3[2]);
1595 0 : lstep1[3] = _mm256_add_epi32(lstep3[5], lstep3[3]);
1596 0 : lstep1[4] = _mm256_sub_epi32(lstep3[2], lstep3[4]);
1597 0 : lstep1[5] = _mm256_sub_epi32(lstep3[3], lstep3[5]);
1598 0 : lstep1[6] = _mm256_sub_epi32(lstep3[0], lstep3[6]);
1599 0 : lstep1[7] = _mm256_sub_epi32(lstep3[1], lstep3[7]);
1600 0 : lstep1[16] = _mm256_add_epi32(lstep3[22], lstep2[16]);
1601 0 : lstep1[17] = _mm256_add_epi32(lstep3[23], lstep2[17]);
1602 0 : lstep1[18] = _mm256_add_epi32(lstep3[20], lstep2[18]);
1603 0 : lstep1[19] = _mm256_add_epi32(lstep3[21], lstep2[19]);
1604 0 : lstep1[20] = _mm256_sub_epi32(lstep2[18], lstep3[20]);
1605 0 : lstep1[21] = _mm256_sub_epi32(lstep2[19], lstep3[21]);
1606 0 : lstep1[22] = _mm256_sub_epi32(lstep2[16], lstep3[22]);
1607 0 : lstep1[23] = _mm256_sub_epi32(lstep2[17], lstep3[23]);
1608 0 : lstep1[24] = _mm256_sub_epi32(lstep2[30], lstep3[24]);
1609 0 : lstep1[25] = _mm256_sub_epi32(lstep2[31], lstep3[25]);
1610 0 : lstep1[26] = _mm256_sub_epi32(lstep2[28], lstep3[26]);
1611 0 : lstep1[27] = _mm256_sub_epi32(lstep2[29], lstep3[27]);
1612 0 : lstep1[28] = _mm256_add_epi32(lstep3[26], lstep2[28]);
1613 0 : lstep1[29] = _mm256_add_epi32(lstep3[27], lstep2[29]);
1614 0 : lstep1[30] = _mm256_add_epi32(lstep3[24], lstep2[30]);
1615 0 : lstep1[31] = _mm256_add_epi32(lstep3[25], lstep2[31]);
1616 : }
1617 : {
1618 : // to be continued...
1619 : //
1620 0 : const __m256i k32_p16_p16 =
1621 0 : pair256_set_epi32(cospi_16_64, cospi_16_64);
1622 0 : const __m256i k32_p16_m16 =
1623 0 : pair256_set_epi32(cospi_16_64, -cospi_16_64);
1624 :
1625 0 : u[0] = _mm256_unpacklo_epi32(lstep3[12], lstep3[10]);
1626 0 : u[1] = _mm256_unpackhi_epi32(lstep3[12], lstep3[10]);
1627 0 : u[2] = _mm256_unpacklo_epi32(lstep3[13], lstep3[11]);
1628 0 : u[3] = _mm256_unpackhi_epi32(lstep3[13], lstep3[11]);
1629 :
1630 : // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide
1631 : // instruction latency.
1632 0 : v[0] = k_madd_epi32_avx2(u[0], k32_p16_m16);
1633 0 : v[1] = k_madd_epi32_avx2(u[1], k32_p16_m16);
1634 0 : v[2] = k_madd_epi32_avx2(u[2], k32_p16_m16);
1635 0 : v[3] = k_madd_epi32_avx2(u[3], k32_p16_m16);
1636 0 : v[4] = k_madd_epi32_avx2(u[0], k32_p16_p16);
1637 0 : v[5] = k_madd_epi32_avx2(u[1], k32_p16_p16);
1638 0 : v[6] = k_madd_epi32_avx2(u[2], k32_p16_p16);
1639 0 : v[7] = k_madd_epi32_avx2(u[3], k32_p16_p16);
1640 :
1641 0 : u[0] = k_packs_epi64_avx2(v[0], v[1]);
1642 0 : u[1] = k_packs_epi64_avx2(v[2], v[3]);
1643 0 : u[2] = k_packs_epi64_avx2(v[4], v[5]);
1644 0 : u[3] = k_packs_epi64_avx2(v[6], v[7]);
1645 :
1646 0 : v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1647 0 : v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1648 0 : v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1649 0 : v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1650 :
1651 0 : lstep1[10] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1652 0 : lstep1[11] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1653 0 : lstep1[12] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1654 0 : lstep1[13] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1655 : }
1656 : {
1657 0 : const __m256i k32_m08_p24 =
1658 0 : pair256_set_epi32(-cospi_8_64, cospi_24_64);
1659 0 : const __m256i k32_m24_m08 =
1660 0 : pair256_set_epi32(-cospi_24_64, -cospi_8_64);
1661 0 : const __m256i k32_p24_p08 =
1662 0 : pair256_set_epi32(cospi_24_64, cospi_8_64);
1663 :
1664 0 : u[0] = _mm256_unpacklo_epi32(lstep3[36], lstep3[58]);
1665 0 : u[1] = _mm256_unpackhi_epi32(lstep3[36], lstep3[58]);
1666 0 : u[2] = _mm256_unpacklo_epi32(lstep3[37], lstep3[59]);
1667 0 : u[3] = _mm256_unpackhi_epi32(lstep3[37], lstep3[59]);
1668 0 : u[4] = _mm256_unpacklo_epi32(lstep3[38], lstep3[56]);
1669 0 : u[5] = _mm256_unpackhi_epi32(lstep3[38], lstep3[56]);
1670 0 : u[6] = _mm256_unpacklo_epi32(lstep3[39], lstep3[57]);
1671 0 : u[7] = _mm256_unpackhi_epi32(lstep3[39], lstep3[57]);
1672 0 : u[8] = _mm256_unpacklo_epi32(lstep3[40], lstep3[54]);
1673 0 : u[9] = _mm256_unpackhi_epi32(lstep3[40], lstep3[54]);
1674 0 : u[10] = _mm256_unpacklo_epi32(lstep3[41], lstep3[55]);
1675 0 : u[11] = _mm256_unpackhi_epi32(lstep3[41], lstep3[55]);
1676 0 : u[12] = _mm256_unpacklo_epi32(lstep3[42], lstep3[52]);
1677 0 : u[13] = _mm256_unpackhi_epi32(lstep3[42], lstep3[52]);
1678 0 : u[14] = _mm256_unpacklo_epi32(lstep3[43], lstep3[53]);
1679 0 : u[15] = _mm256_unpackhi_epi32(lstep3[43], lstep3[53]);
1680 :
1681 0 : v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24);
1682 0 : v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24);
1683 0 : v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24);
1684 0 : v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24);
1685 0 : v[4] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1686 0 : v[5] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1687 0 : v[6] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1688 0 : v[7] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1689 0 : v[8] = k_madd_epi32_avx2(u[8], k32_m24_m08);
1690 0 : v[9] = k_madd_epi32_avx2(u[9], k32_m24_m08);
1691 0 : v[10] = k_madd_epi32_avx2(u[10], k32_m24_m08);
1692 0 : v[11] = k_madd_epi32_avx2(u[11], k32_m24_m08);
1693 0 : v[12] = k_madd_epi32_avx2(u[12], k32_m24_m08);
1694 0 : v[13] = k_madd_epi32_avx2(u[13], k32_m24_m08);
1695 0 : v[14] = k_madd_epi32_avx2(u[14], k32_m24_m08);
1696 0 : v[15] = k_madd_epi32_avx2(u[15], k32_m24_m08);
1697 0 : v[16] = k_madd_epi32_avx2(u[12], k32_m08_p24);
1698 0 : v[17] = k_madd_epi32_avx2(u[13], k32_m08_p24);
1699 0 : v[18] = k_madd_epi32_avx2(u[14], k32_m08_p24);
1700 0 : v[19] = k_madd_epi32_avx2(u[15], k32_m08_p24);
1701 0 : v[20] = k_madd_epi32_avx2(u[8], k32_m08_p24);
1702 0 : v[21] = k_madd_epi32_avx2(u[9], k32_m08_p24);
1703 0 : v[22] = k_madd_epi32_avx2(u[10], k32_m08_p24);
1704 0 : v[23] = k_madd_epi32_avx2(u[11], k32_m08_p24);
1705 0 : v[24] = k_madd_epi32_avx2(u[4], k32_p24_p08);
1706 0 : v[25] = k_madd_epi32_avx2(u[5], k32_p24_p08);
1707 0 : v[26] = k_madd_epi32_avx2(u[6], k32_p24_p08);
1708 0 : v[27] = k_madd_epi32_avx2(u[7], k32_p24_p08);
1709 0 : v[28] = k_madd_epi32_avx2(u[0], k32_p24_p08);
1710 0 : v[29] = k_madd_epi32_avx2(u[1], k32_p24_p08);
1711 0 : v[30] = k_madd_epi32_avx2(u[2], k32_p24_p08);
1712 0 : v[31] = k_madd_epi32_avx2(u[3], k32_p24_p08);
1713 :
1714 0 : u[0] = k_packs_epi64_avx2(v[0], v[1]);
1715 0 : u[1] = k_packs_epi64_avx2(v[2], v[3]);
1716 0 : u[2] = k_packs_epi64_avx2(v[4], v[5]);
1717 0 : u[3] = k_packs_epi64_avx2(v[6], v[7]);
1718 0 : u[4] = k_packs_epi64_avx2(v[8], v[9]);
1719 0 : u[5] = k_packs_epi64_avx2(v[10], v[11]);
1720 0 : u[6] = k_packs_epi64_avx2(v[12], v[13]);
1721 0 : u[7] = k_packs_epi64_avx2(v[14], v[15]);
1722 0 : u[8] = k_packs_epi64_avx2(v[16], v[17]);
1723 0 : u[9] = k_packs_epi64_avx2(v[18], v[19]);
1724 0 : u[10] = k_packs_epi64_avx2(v[20], v[21]);
1725 0 : u[11] = k_packs_epi64_avx2(v[22], v[23]);
1726 0 : u[12] = k_packs_epi64_avx2(v[24], v[25]);
1727 0 : u[13] = k_packs_epi64_avx2(v[26], v[27]);
1728 0 : u[14] = k_packs_epi64_avx2(v[28], v[29]);
1729 0 : u[15] = k_packs_epi64_avx2(v[30], v[31]);
1730 :
1731 0 : v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1732 0 : v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1733 0 : v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1734 0 : v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1735 0 : v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1736 0 : v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1737 0 : v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1738 0 : v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1739 0 : v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
1740 0 : v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
1741 0 : v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
1742 0 : v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
1743 0 : v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
1744 0 : v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
1745 0 : v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
1746 0 : v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
1747 :
1748 0 : lstep1[36] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1749 0 : lstep1[37] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1750 0 : lstep1[38] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1751 0 : lstep1[39] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1752 0 : lstep1[40] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
1753 0 : lstep1[41] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
1754 0 : lstep1[42] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
1755 0 : lstep1[43] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
1756 0 : lstep1[52] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
1757 0 : lstep1[53] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
1758 0 : lstep1[54] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
1759 0 : lstep1[55] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
1760 0 : lstep1[56] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
1761 0 : lstep1[57] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
1762 0 : lstep1[58] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
1763 0 : lstep1[59] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
1764 : }
1765 : // stage 5
1766 : {
1767 0 : lstep2[8] = _mm256_add_epi32(lstep1[10], lstep3[8]);
1768 0 : lstep2[9] = _mm256_add_epi32(lstep1[11], lstep3[9]);
1769 0 : lstep2[10] = _mm256_sub_epi32(lstep3[8], lstep1[10]);
1770 0 : lstep2[11] = _mm256_sub_epi32(lstep3[9], lstep1[11]);
1771 0 : lstep2[12] = _mm256_sub_epi32(lstep3[14], lstep1[12]);
1772 0 : lstep2[13] = _mm256_sub_epi32(lstep3[15], lstep1[13]);
1773 0 : lstep2[14] = _mm256_add_epi32(lstep1[12], lstep3[14]);
1774 0 : lstep2[15] = _mm256_add_epi32(lstep1[13], lstep3[15]);
1775 : }
1776 : {
1777 0 : const __m256i k32_p16_p16 =
1778 0 : pair256_set_epi32(cospi_16_64, cospi_16_64);
1779 0 : const __m256i k32_p16_m16 =
1780 0 : pair256_set_epi32(cospi_16_64, -cospi_16_64);
1781 0 : const __m256i k32_p24_p08 =
1782 0 : pair256_set_epi32(cospi_24_64, cospi_8_64);
1783 0 : const __m256i k32_m08_p24 =
1784 0 : pair256_set_epi32(-cospi_8_64, cospi_24_64);
1785 :
1786 0 : u[0] = _mm256_unpacklo_epi32(lstep1[0], lstep1[2]);
1787 0 : u[1] = _mm256_unpackhi_epi32(lstep1[0], lstep1[2]);
1788 0 : u[2] = _mm256_unpacklo_epi32(lstep1[1], lstep1[3]);
1789 0 : u[3] = _mm256_unpackhi_epi32(lstep1[1], lstep1[3]);
1790 0 : u[4] = _mm256_unpacklo_epi32(lstep1[4], lstep1[6]);
1791 0 : u[5] = _mm256_unpackhi_epi32(lstep1[4], lstep1[6]);
1792 0 : u[6] = _mm256_unpacklo_epi32(lstep1[5], lstep1[7]);
1793 0 : u[7] = _mm256_unpackhi_epi32(lstep1[5], lstep1[7]);
1794 :
1795 : // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide
1796 : // instruction latency.
1797 0 : v[0] = k_madd_epi32_avx2(u[0], k32_p16_p16);
1798 0 : v[1] = k_madd_epi32_avx2(u[1], k32_p16_p16);
1799 0 : v[2] = k_madd_epi32_avx2(u[2], k32_p16_p16);
1800 0 : v[3] = k_madd_epi32_avx2(u[3], k32_p16_p16);
1801 0 : v[4] = k_madd_epi32_avx2(u[0], k32_p16_m16);
1802 0 : v[5] = k_madd_epi32_avx2(u[1], k32_p16_m16);
1803 0 : v[6] = k_madd_epi32_avx2(u[2], k32_p16_m16);
1804 0 : v[7] = k_madd_epi32_avx2(u[3], k32_p16_m16);
1805 0 : v[8] = k_madd_epi32_avx2(u[4], k32_p24_p08);
1806 0 : v[9] = k_madd_epi32_avx2(u[5], k32_p24_p08);
1807 0 : v[10] = k_madd_epi32_avx2(u[6], k32_p24_p08);
1808 0 : v[11] = k_madd_epi32_avx2(u[7], k32_p24_p08);
1809 0 : v[12] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1810 0 : v[13] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1811 0 : v[14] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1812 0 : v[15] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1813 :
1814 0 : u[0] = k_packs_epi64_avx2(v[0], v[1]);
1815 0 : u[1] = k_packs_epi64_avx2(v[2], v[3]);
1816 0 : u[2] = k_packs_epi64_avx2(v[4], v[5]);
1817 0 : u[3] = k_packs_epi64_avx2(v[6], v[7]);
1818 0 : u[4] = k_packs_epi64_avx2(v[8], v[9]);
1819 0 : u[5] = k_packs_epi64_avx2(v[10], v[11]);
1820 0 : u[6] = k_packs_epi64_avx2(v[12], v[13]);
1821 0 : u[7] = k_packs_epi64_avx2(v[14], v[15]);
1822 :
1823 0 : v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1824 0 : v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1825 0 : v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1826 0 : v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1827 0 : v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1828 0 : v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1829 0 : v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1830 0 : v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1831 :
1832 0 : u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1833 0 : u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1834 0 : u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1835 0 : u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1836 0 : u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
1837 0 : u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
1838 0 : u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
1839 0 : u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
1840 :
1841 0 : sign[0] = _mm256_cmpgt_epi32(kZero, u[0]);
1842 0 : sign[1] = _mm256_cmpgt_epi32(kZero, u[1]);
1843 0 : sign[2] = _mm256_cmpgt_epi32(kZero, u[2]);
1844 0 : sign[3] = _mm256_cmpgt_epi32(kZero, u[3]);
1845 0 : sign[4] = _mm256_cmpgt_epi32(kZero, u[4]);
1846 0 : sign[5] = _mm256_cmpgt_epi32(kZero, u[5]);
1847 0 : sign[6] = _mm256_cmpgt_epi32(kZero, u[6]);
1848 0 : sign[7] = _mm256_cmpgt_epi32(kZero, u[7]);
1849 :
1850 0 : u[0] = _mm256_sub_epi32(u[0], sign[0]);
1851 0 : u[1] = _mm256_sub_epi32(u[1], sign[1]);
1852 0 : u[2] = _mm256_sub_epi32(u[2], sign[2]);
1853 0 : u[3] = _mm256_sub_epi32(u[3], sign[3]);
1854 0 : u[4] = _mm256_sub_epi32(u[4], sign[4]);
1855 0 : u[5] = _mm256_sub_epi32(u[5], sign[5]);
1856 0 : u[6] = _mm256_sub_epi32(u[6], sign[6]);
1857 0 : u[7] = _mm256_sub_epi32(u[7], sign[7]);
1858 :
1859 0 : u[0] = _mm256_add_epi32(u[0], K32One);
1860 0 : u[1] = _mm256_add_epi32(u[1], K32One);
1861 0 : u[2] = _mm256_add_epi32(u[2], K32One);
1862 0 : u[3] = _mm256_add_epi32(u[3], K32One);
1863 0 : u[4] = _mm256_add_epi32(u[4], K32One);
1864 0 : u[5] = _mm256_add_epi32(u[5], K32One);
1865 0 : u[6] = _mm256_add_epi32(u[6], K32One);
1866 0 : u[7] = _mm256_add_epi32(u[7], K32One);
1867 :
1868 0 : u[0] = _mm256_srai_epi32(u[0], 2);
1869 0 : u[1] = _mm256_srai_epi32(u[1], 2);
1870 0 : u[2] = _mm256_srai_epi32(u[2], 2);
1871 0 : u[3] = _mm256_srai_epi32(u[3], 2);
1872 0 : u[4] = _mm256_srai_epi32(u[4], 2);
1873 0 : u[5] = _mm256_srai_epi32(u[5], 2);
1874 0 : u[6] = _mm256_srai_epi32(u[6], 2);
1875 0 : u[7] = _mm256_srai_epi32(u[7], 2);
1876 :
1877 : // Combine
1878 0 : out[0] = _mm256_packs_epi32(u[0], u[1]);
1879 0 : out[16] = _mm256_packs_epi32(u[2], u[3]);
1880 0 : out[8] = _mm256_packs_epi32(u[4], u[5]);
1881 0 : out[24] = _mm256_packs_epi32(u[6], u[7]);
1882 : }
1883 : {
1884 0 : const __m256i k32_m08_p24 =
1885 0 : pair256_set_epi32(-cospi_8_64, cospi_24_64);
1886 0 : const __m256i k32_m24_m08 =
1887 0 : pair256_set_epi32(-cospi_24_64, -cospi_8_64);
1888 0 : const __m256i k32_p24_p08 =
1889 0 : pair256_set_epi32(cospi_24_64, cospi_8_64);
1890 :
1891 0 : u[0] = _mm256_unpacklo_epi32(lstep1[18], lstep1[28]);
1892 0 : u[1] = _mm256_unpackhi_epi32(lstep1[18], lstep1[28]);
1893 0 : u[2] = _mm256_unpacklo_epi32(lstep1[19], lstep1[29]);
1894 0 : u[3] = _mm256_unpackhi_epi32(lstep1[19], lstep1[29]);
1895 0 : u[4] = _mm256_unpacklo_epi32(lstep1[20], lstep1[26]);
1896 0 : u[5] = _mm256_unpackhi_epi32(lstep1[20], lstep1[26]);
1897 0 : u[6] = _mm256_unpacklo_epi32(lstep1[21], lstep1[27]);
1898 0 : u[7] = _mm256_unpackhi_epi32(lstep1[21], lstep1[27]);
1899 :
1900 0 : v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24);
1901 0 : v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24);
1902 0 : v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24);
1903 0 : v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24);
1904 0 : v[4] = k_madd_epi32_avx2(u[4], k32_m24_m08);
1905 0 : v[5] = k_madd_epi32_avx2(u[5], k32_m24_m08);
1906 0 : v[6] = k_madd_epi32_avx2(u[6], k32_m24_m08);
1907 0 : v[7] = k_madd_epi32_avx2(u[7], k32_m24_m08);
1908 0 : v[8] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1909 0 : v[9] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1910 0 : v[10] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1911 0 : v[11] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1912 0 : v[12] = k_madd_epi32_avx2(u[0], k32_p24_p08);
1913 0 : v[13] = k_madd_epi32_avx2(u[1], k32_p24_p08);
1914 0 : v[14] = k_madd_epi32_avx2(u[2], k32_p24_p08);
1915 0 : v[15] = k_madd_epi32_avx2(u[3], k32_p24_p08);
1916 :
1917 0 : u[0] = k_packs_epi64_avx2(v[0], v[1]);
1918 0 : u[1] = k_packs_epi64_avx2(v[2], v[3]);
1919 0 : u[2] = k_packs_epi64_avx2(v[4], v[5]);
1920 0 : u[3] = k_packs_epi64_avx2(v[6], v[7]);
1921 0 : u[4] = k_packs_epi64_avx2(v[8], v[9]);
1922 0 : u[5] = k_packs_epi64_avx2(v[10], v[11]);
1923 0 : u[6] = k_packs_epi64_avx2(v[12], v[13]);
1924 0 : u[7] = k_packs_epi64_avx2(v[14], v[15]);
1925 :
1926 0 : u[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1927 0 : u[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1928 0 : u[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1929 0 : u[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1930 0 : u[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1931 0 : u[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1932 0 : u[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1933 0 : u[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1934 :
1935 0 : lstep2[18] = _mm256_srai_epi32(u[0], DCT_CONST_BITS);
1936 0 : lstep2[19] = _mm256_srai_epi32(u[1], DCT_CONST_BITS);
1937 0 : lstep2[20] = _mm256_srai_epi32(u[2], DCT_CONST_BITS);
1938 0 : lstep2[21] = _mm256_srai_epi32(u[3], DCT_CONST_BITS);
1939 0 : lstep2[26] = _mm256_srai_epi32(u[4], DCT_CONST_BITS);
1940 0 : lstep2[27] = _mm256_srai_epi32(u[5], DCT_CONST_BITS);
1941 0 : lstep2[28] = _mm256_srai_epi32(u[6], DCT_CONST_BITS);
1942 0 : lstep2[29] = _mm256_srai_epi32(u[7], DCT_CONST_BITS);
1943 : }
1944 : {
1945 0 : lstep2[32] = _mm256_add_epi32(lstep1[38], lstep3[32]);
1946 0 : lstep2[33] = _mm256_add_epi32(lstep1[39], lstep3[33]);
1947 0 : lstep2[34] = _mm256_add_epi32(lstep1[36], lstep3[34]);
1948 0 : lstep2[35] = _mm256_add_epi32(lstep1[37], lstep3[35]);
1949 0 : lstep2[36] = _mm256_sub_epi32(lstep3[34], lstep1[36]);
1950 0 : lstep2[37] = _mm256_sub_epi32(lstep3[35], lstep1[37]);
1951 0 : lstep2[38] = _mm256_sub_epi32(lstep3[32], lstep1[38]);
1952 0 : lstep2[39] = _mm256_sub_epi32(lstep3[33], lstep1[39]);
1953 0 : lstep2[40] = _mm256_sub_epi32(lstep3[46], lstep1[40]);
1954 0 : lstep2[41] = _mm256_sub_epi32(lstep3[47], lstep1[41]);
1955 0 : lstep2[42] = _mm256_sub_epi32(lstep3[44], lstep1[42]);
1956 0 : lstep2[43] = _mm256_sub_epi32(lstep3[45], lstep1[43]);
1957 0 : lstep2[44] = _mm256_add_epi32(lstep1[42], lstep3[44]);
1958 0 : lstep2[45] = _mm256_add_epi32(lstep1[43], lstep3[45]);
1959 0 : lstep2[46] = _mm256_add_epi32(lstep1[40], lstep3[46]);
1960 0 : lstep2[47] = _mm256_add_epi32(lstep1[41], lstep3[47]);
1961 0 : lstep2[48] = _mm256_add_epi32(lstep1[54], lstep3[48]);
1962 0 : lstep2[49] = _mm256_add_epi32(lstep1[55], lstep3[49]);
1963 0 : lstep2[50] = _mm256_add_epi32(lstep1[52], lstep3[50]);
1964 0 : lstep2[51] = _mm256_add_epi32(lstep1[53], lstep3[51]);
1965 0 : lstep2[52] = _mm256_sub_epi32(lstep3[50], lstep1[52]);
1966 0 : lstep2[53] = _mm256_sub_epi32(lstep3[51], lstep1[53]);
1967 0 : lstep2[54] = _mm256_sub_epi32(lstep3[48], lstep1[54]);
1968 0 : lstep2[55] = _mm256_sub_epi32(lstep3[49], lstep1[55]);
1969 0 : lstep2[56] = _mm256_sub_epi32(lstep3[62], lstep1[56]);
1970 0 : lstep2[57] = _mm256_sub_epi32(lstep3[63], lstep1[57]);
1971 0 : lstep2[58] = _mm256_sub_epi32(lstep3[60], lstep1[58]);
1972 0 : lstep2[59] = _mm256_sub_epi32(lstep3[61], lstep1[59]);
1973 0 : lstep2[60] = _mm256_add_epi32(lstep1[58], lstep3[60]);
1974 0 : lstep2[61] = _mm256_add_epi32(lstep1[59], lstep3[61]);
1975 0 : lstep2[62] = _mm256_add_epi32(lstep1[56], lstep3[62]);
1976 0 : lstep2[63] = _mm256_add_epi32(lstep1[57], lstep3[63]);
1977 : }
1978 : // stage 6
1979 : {
1980 0 : const __m256i k32_p28_p04 =
1981 0 : pair256_set_epi32(cospi_28_64, cospi_4_64);
1982 0 : const __m256i k32_p12_p20 =
1983 0 : pair256_set_epi32(cospi_12_64, cospi_20_64);
1984 0 : const __m256i k32_m20_p12 =
1985 0 : pair256_set_epi32(-cospi_20_64, cospi_12_64);
1986 0 : const __m256i k32_m04_p28 =
1987 0 : pair256_set_epi32(-cospi_4_64, cospi_28_64);
1988 :
1989 0 : u[0] = _mm256_unpacklo_epi32(lstep2[8], lstep2[14]);
1990 0 : u[1] = _mm256_unpackhi_epi32(lstep2[8], lstep2[14]);
1991 0 : u[2] = _mm256_unpacklo_epi32(lstep2[9], lstep2[15]);
1992 0 : u[3] = _mm256_unpackhi_epi32(lstep2[9], lstep2[15]);
1993 0 : u[4] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]);
1994 0 : u[5] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]);
1995 0 : u[6] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]);
1996 0 : u[7] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]);
1997 0 : u[8] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]);
1998 0 : u[9] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]);
1999 0 : u[10] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]);
2000 0 : u[11] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]);
2001 0 : u[12] = _mm256_unpacklo_epi32(lstep2[8], lstep2[14]);
2002 0 : u[13] = _mm256_unpackhi_epi32(lstep2[8], lstep2[14]);
2003 0 : u[14] = _mm256_unpacklo_epi32(lstep2[9], lstep2[15]);
2004 0 : u[15] = _mm256_unpackhi_epi32(lstep2[9], lstep2[15]);
2005 :
2006 0 : v[0] = k_madd_epi32_avx2(u[0], k32_p28_p04);
2007 0 : v[1] = k_madd_epi32_avx2(u[1], k32_p28_p04);
2008 0 : v[2] = k_madd_epi32_avx2(u[2], k32_p28_p04);
2009 0 : v[3] = k_madd_epi32_avx2(u[3], k32_p28_p04);
2010 0 : v[4] = k_madd_epi32_avx2(u[4], k32_p12_p20);
2011 0 : v[5] = k_madd_epi32_avx2(u[5], k32_p12_p20);
2012 0 : v[6] = k_madd_epi32_avx2(u[6], k32_p12_p20);
2013 0 : v[7] = k_madd_epi32_avx2(u[7], k32_p12_p20);
2014 0 : v[8] = k_madd_epi32_avx2(u[8], k32_m20_p12);
2015 0 : v[9] = k_madd_epi32_avx2(u[9], k32_m20_p12);
2016 0 : v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12);
2017 0 : v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12);
2018 0 : v[12] = k_madd_epi32_avx2(u[12], k32_m04_p28);
2019 0 : v[13] = k_madd_epi32_avx2(u[13], k32_m04_p28);
2020 0 : v[14] = k_madd_epi32_avx2(u[14], k32_m04_p28);
2021 0 : v[15] = k_madd_epi32_avx2(u[15], k32_m04_p28);
2022 :
2023 0 : u[0] = k_packs_epi64_avx2(v[0], v[1]);
2024 0 : u[1] = k_packs_epi64_avx2(v[2], v[3]);
2025 0 : u[2] = k_packs_epi64_avx2(v[4], v[5]);
2026 0 : u[3] = k_packs_epi64_avx2(v[6], v[7]);
2027 0 : u[4] = k_packs_epi64_avx2(v[8], v[9]);
2028 0 : u[5] = k_packs_epi64_avx2(v[10], v[11]);
2029 0 : u[6] = k_packs_epi64_avx2(v[12], v[13]);
2030 0 : u[7] = k_packs_epi64_avx2(v[14], v[15]);
2031 :
2032 0 : v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2033 0 : v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2034 0 : v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2035 0 : v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2036 0 : v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2037 0 : v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2038 0 : v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2039 0 : v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2040 :
2041 0 : u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2042 0 : u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2043 0 : u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2044 0 : u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2045 0 : u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2046 0 : u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2047 0 : u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2048 0 : u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2049 :
2050 0 : sign[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2051 0 : sign[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2052 0 : sign[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2053 0 : sign[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2054 0 : sign[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2055 0 : sign[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2056 0 : sign[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2057 0 : sign[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2058 :
2059 0 : u[0] = _mm256_sub_epi32(u[0], sign[0]);
2060 0 : u[1] = _mm256_sub_epi32(u[1], sign[1]);
2061 0 : u[2] = _mm256_sub_epi32(u[2], sign[2]);
2062 0 : u[3] = _mm256_sub_epi32(u[3], sign[3]);
2063 0 : u[4] = _mm256_sub_epi32(u[4], sign[4]);
2064 0 : u[5] = _mm256_sub_epi32(u[5], sign[5]);
2065 0 : u[6] = _mm256_sub_epi32(u[6], sign[6]);
2066 0 : u[7] = _mm256_sub_epi32(u[7], sign[7]);
2067 :
2068 0 : u[0] = _mm256_add_epi32(u[0], K32One);
2069 0 : u[1] = _mm256_add_epi32(u[1], K32One);
2070 0 : u[2] = _mm256_add_epi32(u[2], K32One);
2071 0 : u[3] = _mm256_add_epi32(u[3], K32One);
2072 0 : u[4] = _mm256_add_epi32(u[4], K32One);
2073 0 : u[5] = _mm256_add_epi32(u[5], K32One);
2074 0 : u[6] = _mm256_add_epi32(u[6], K32One);
2075 0 : u[7] = _mm256_add_epi32(u[7], K32One);
2076 :
2077 0 : u[0] = _mm256_srai_epi32(u[0], 2);
2078 0 : u[1] = _mm256_srai_epi32(u[1], 2);
2079 0 : u[2] = _mm256_srai_epi32(u[2], 2);
2080 0 : u[3] = _mm256_srai_epi32(u[3], 2);
2081 0 : u[4] = _mm256_srai_epi32(u[4], 2);
2082 0 : u[5] = _mm256_srai_epi32(u[5], 2);
2083 0 : u[6] = _mm256_srai_epi32(u[6], 2);
2084 0 : u[7] = _mm256_srai_epi32(u[7], 2);
2085 :
2086 0 : out[4] = _mm256_packs_epi32(u[0], u[1]);
2087 0 : out[20] = _mm256_packs_epi32(u[2], u[3]);
2088 0 : out[12] = _mm256_packs_epi32(u[4], u[5]);
2089 0 : out[28] = _mm256_packs_epi32(u[6], u[7]);
2090 : }
2091 : {
2092 0 : lstep3[16] = _mm256_add_epi32(lstep2[18], lstep1[16]);
2093 0 : lstep3[17] = _mm256_add_epi32(lstep2[19], lstep1[17]);
2094 0 : lstep3[18] = _mm256_sub_epi32(lstep1[16], lstep2[18]);
2095 0 : lstep3[19] = _mm256_sub_epi32(lstep1[17], lstep2[19]);
2096 0 : lstep3[20] = _mm256_sub_epi32(lstep1[22], lstep2[20]);
2097 0 : lstep3[21] = _mm256_sub_epi32(lstep1[23], lstep2[21]);
2098 0 : lstep3[22] = _mm256_add_epi32(lstep2[20], lstep1[22]);
2099 0 : lstep3[23] = _mm256_add_epi32(lstep2[21], lstep1[23]);
2100 0 : lstep3[24] = _mm256_add_epi32(lstep2[26], lstep1[24]);
2101 0 : lstep3[25] = _mm256_add_epi32(lstep2[27], lstep1[25]);
2102 0 : lstep3[26] = _mm256_sub_epi32(lstep1[24], lstep2[26]);
2103 0 : lstep3[27] = _mm256_sub_epi32(lstep1[25], lstep2[27]);
2104 0 : lstep3[28] = _mm256_sub_epi32(lstep1[30], lstep2[28]);
2105 0 : lstep3[29] = _mm256_sub_epi32(lstep1[31], lstep2[29]);
2106 0 : lstep3[30] = _mm256_add_epi32(lstep2[28], lstep1[30]);
2107 0 : lstep3[31] = _mm256_add_epi32(lstep2[29], lstep1[31]);
2108 : }
2109 : {
2110 0 : const __m256i k32_m04_p28 =
2111 0 : pair256_set_epi32(-cospi_4_64, cospi_28_64);
2112 0 : const __m256i k32_m28_m04 =
2113 0 : pair256_set_epi32(-cospi_28_64, -cospi_4_64);
2114 0 : const __m256i k32_m20_p12 =
2115 0 : pair256_set_epi32(-cospi_20_64, cospi_12_64);
2116 0 : const __m256i k32_m12_m20 =
2117 0 : pair256_set_epi32(-cospi_12_64, -cospi_20_64);
2118 0 : const __m256i k32_p12_p20 =
2119 0 : pair256_set_epi32(cospi_12_64, cospi_20_64);
2120 0 : const __m256i k32_p28_p04 =
2121 0 : pair256_set_epi32(cospi_28_64, cospi_4_64);
2122 :
2123 0 : u[0] = _mm256_unpacklo_epi32(lstep2[34], lstep2[60]);
2124 0 : u[1] = _mm256_unpackhi_epi32(lstep2[34], lstep2[60]);
2125 0 : u[2] = _mm256_unpacklo_epi32(lstep2[35], lstep2[61]);
2126 0 : u[3] = _mm256_unpackhi_epi32(lstep2[35], lstep2[61]);
2127 0 : u[4] = _mm256_unpacklo_epi32(lstep2[36], lstep2[58]);
2128 0 : u[5] = _mm256_unpackhi_epi32(lstep2[36], lstep2[58]);
2129 0 : u[6] = _mm256_unpacklo_epi32(lstep2[37], lstep2[59]);
2130 0 : u[7] = _mm256_unpackhi_epi32(lstep2[37], lstep2[59]);
2131 0 : u[8] = _mm256_unpacklo_epi32(lstep2[42], lstep2[52]);
2132 0 : u[9] = _mm256_unpackhi_epi32(lstep2[42], lstep2[52]);
2133 0 : u[10] = _mm256_unpacklo_epi32(lstep2[43], lstep2[53]);
2134 0 : u[11] = _mm256_unpackhi_epi32(lstep2[43], lstep2[53]);
2135 0 : u[12] = _mm256_unpacklo_epi32(lstep2[44], lstep2[50]);
2136 0 : u[13] = _mm256_unpackhi_epi32(lstep2[44], lstep2[50]);
2137 0 : u[14] = _mm256_unpacklo_epi32(lstep2[45], lstep2[51]);
2138 0 : u[15] = _mm256_unpackhi_epi32(lstep2[45], lstep2[51]);
2139 :
2140 0 : v[0] = k_madd_epi32_avx2(u[0], k32_m04_p28);
2141 0 : v[1] = k_madd_epi32_avx2(u[1], k32_m04_p28);
2142 0 : v[2] = k_madd_epi32_avx2(u[2], k32_m04_p28);
2143 0 : v[3] = k_madd_epi32_avx2(u[3], k32_m04_p28);
2144 0 : v[4] = k_madd_epi32_avx2(u[4], k32_m28_m04);
2145 0 : v[5] = k_madd_epi32_avx2(u[5], k32_m28_m04);
2146 0 : v[6] = k_madd_epi32_avx2(u[6], k32_m28_m04);
2147 0 : v[7] = k_madd_epi32_avx2(u[7], k32_m28_m04);
2148 0 : v[8] = k_madd_epi32_avx2(u[8], k32_m20_p12);
2149 0 : v[9] = k_madd_epi32_avx2(u[9], k32_m20_p12);
2150 0 : v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12);
2151 0 : v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12);
2152 0 : v[12] = k_madd_epi32_avx2(u[12], k32_m12_m20);
2153 0 : v[13] = k_madd_epi32_avx2(u[13], k32_m12_m20);
2154 0 : v[14] = k_madd_epi32_avx2(u[14], k32_m12_m20);
2155 0 : v[15] = k_madd_epi32_avx2(u[15], k32_m12_m20);
2156 0 : v[16] = k_madd_epi32_avx2(u[12], k32_m20_p12);
2157 0 : v[17] = k_madd_epi32_avx2(u[13], k32_m20_p12);
2158 0 : v[18] = k_madd_epi32_avx2(u[14], k32_m20_p12);
2159 0 : v[19] = k_madd_epi32_avx2(u[15], k32_m20_p12);
2160 0 : v[20] = k_madd_epi32_avx2(u[8], k32_p12_p20);
2161 0 : v[21] = k_madd_epi32_avx2(u[9], k32_p12_p20);
2162 0 : v[22] = k_madd_epi32_avx2(u[10], k32_p12_p20);
2163 0 : v[23] = k_madd_epi32_avx2(u[11], k32_p12_p20);
2164 0 : v[24] = k_madd_epi32_avx2(u[4], k32_m04_p28);
2165 0 : v[25] = k_madd_epi32_avx2(u[5], k32_m04_p28);
2166 0 : v[26] = k_madd_epi32_avx2(u[6], k32_m04_p28);
2167 0 : v[27] = k_madd_epi32_avx2(u[7], k32_m04_p28);
2168 0 : v[28] = k_madd_epi32_avx2(u[0], k32_p28_p04);
2169 0 : v[29] = k_madd_epi32_avx2(u[1], k32_p28_p04);
2170 0 : v[30] = k_madd_epi32_avx2(u[2], k32_p28_p04);
2171 0 : v[31] = k_madd_epi32_avx2(u[3], k32_p28_p04);
2172 :
2173 0 : u[0] = k_packs_epi64_avx2(v[0], v[1]);
2174 0 : u[1] = k_packs_epi64_avx2(v[2], v[3]);
2175 0 : u[2] = k_packs_epi64_avx2(v[4], v[5]);
2176 0 : u[3] = k_packs_epi64_avx2(v[6], v[7]);
2177 0 : u[4] = k_packs_epi64_avx2(v[8], v[9]);
2178 0 : u[5] = k_packs_epi64_avx2(v[10], v[11]);
2179 0 : u[6] = k_packs_epi64_avx2(v[12], v[13]);
2180 0 : u[7] = k_packs_epi64_avx2(v[14], v[15]);
2181 0 : u[8] = k_packs_epi64_avx2(v[16], v[17]);
2182 0 : u[9] = k_packs_epi64_avx2(v[18], v[19]);
2183 0 : u[10] = k_packs_epi64_avx2(v[20], v[21]);
2184 0 : u[11] = k_packs_epi64_avx2(v[22], v[23]);
2185 0 : u[12] = k_packs_epi64_avx2(v[24], v[25]);
2186 0 : u[13] = k_packs_epi64_avx2(v[26], v[27]);
2187 0 : u[14] = k_packs_epi64_avx2(v[28], v[29]);
2188 0 : u[15] = k_packs_epi64_avx2(v[30], v[31]);
2189 :
2190 0 : v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2191 0 : v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2192 0 : v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2193 0 : v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2194 0 : v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2195 0 : v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2196 0 : v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2197 0 : v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2198 0 : v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2199 0 : v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2200 0 : v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2201 0 : v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2202 0 : v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2203 0 : v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2204 0 : v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2205 0 : v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2206 :
2207 0 : lstep3[34] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2208 0 : lstep3[35] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2209 0 : lstep3[36] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2210 0 : lstep3[37] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2211 0 : lstep3[42] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2212 0 : lstep3[43] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2213 0 : lstep3[44] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2214 0 : lstep3[45] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2215 0 : lstep3[50] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2216 0 : lstep3[51] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2217 0 : lstep3[52] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2218 0 : lstep3[53] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2219 0 : lstep3[58] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2220 0 : lstep3[59] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2221 0 : lstep3[60] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2222 0 : lstep3[61] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2223 : }
2224 : // stage 7
2225 : {
2226 0 : const __m256i k32_p30_p02 =
2227 0 : pair256_set_epi32(cospi_30_64, cospi_2_64);
2228 0 : const __m256i k32_p14_p18 =
2229 0 : pair256_set_epi32(cospi_14_64, cospi_18_64);
2230 0 : const __m256i k32_p22_p10 =
2231 0 : pair256_set_epi32(cospi_22_64, cospi_10_64);
2232 0 : const __m256i k32_p06_p26 =
2233 0 : pair256_set_epi32(cospi_6_64, cospi_26_64);
2234 0 : const __m256i k32_m26_p06 =
2235 0 : pair256_set_epi32(-cospi_26_64, cospi_6_64);
2236 0 : const __m256i k32_m10_p22 =
2237 0 : pair256_set_epi32(-cospi_10_64, cospi_22_64);
2238 0 : const __m256i k32_m18_p14 =
2239 0 : pair256_set_epi32(-cospi_18_64, cospi_14_64);
2240 0 : const __m256i k32_m02_p30 =
2241 0 : pair256_set_epi32(-cospi_2_64, cospi_30_64);
2242 :
2243 0 : u[0] = _mm256_unpacklo_epi32(lstep3[16], lstep3[30]);
2244 0 : u[1] = _mm256_unpackhi_epi32(lstep3[16], lstep3[30]);
2245 0 : u[2] = _mm256_unpacklo_epi32(lstep3[17], lstep3[31]);
2246 0 : u[3] = _mm256_unpackhi_epi32(lstep3[17], lstep3[31]);
2247 0 : u[4] = _mm256_unpacklo_epi32(lstep3[18], lstep3[28]);
2248 0 : u[5] = _mm256_unpackhi_epi32(lstep3[18], lstep3[28]);
2249 0 : u[6] = _mm256_unpacklo_epi32(lstep3[19], lstep3[29]);
2250 0 : u[7] = _mm256_unpackhi_epi32(lstep3[19], lstep3[29]);
2251 0 : u[8] = _mm256_unpacklo_epi32(lstep3[20], lstep3[26]);
2252 0 : u[9] = _mm256_unpackhi_epi32(lstep3[20], lstep3[26]);
2253 0 : u[10] = _mm256_unpacklo_epi32(lstep3[21], lstep3[27]);
2254 0 : u[11] = _mm256_unpackhi_epi32(lstep3[21], lstep3[27]);
2255 0 : u[12] = _mm256_unpacklo_epi32(lstep3[22], lstep3[24]);
2256 0 : u[13] = _mm256_unpackhi_epi32(lstep3[22], lstep3[24]);
2257 0 : u[14] = _mm256_unpacklo_epi32(lstep3[23], lstep3[25]);
2258 0 : u[15] = _mm256_unpackhi_epi32(lstep3[23], lstep3[25]);
2259 :
2260 0 : v[0] = k_madd_epi32_avx2(u[0], k32_p30_p02);
2261 0 : v[1] = k_madd_epi32_avx2(u[1], k32_p30_p02);
2262 0 : v[2] = k_madd_epi32_avx2(u[2], k32_p30_p02);
2263 0 : v[3] = k_madd_epi32_avx2(u[3], k32_p30_p02);
2264 0 : v[4] = k_madd_epi32_avx2(u[4], k32_p14_p18);
2265 0 : v[5] = k_madd_epi32_avx2(u[5], k32_p14_p18);
2266 0 : v[6] = k_madd_epi32_avx2(u[6], k32_p14_p18);
2267 0 : v[7] = k_madd_epi32_avx2(u[7], k32_p14_p18);
2268 0 : v[8] = k_madd_epi32_avx2(u[8], k32_p22_p10);
2269 0 : v[9] = k_madd_epi32_avx2(u[9], k32_p22_p10);
2270 0 : v[10] = k_madd_epi32_avx2(u[10], k32_p22_p10);
2271 0 : v[11] = k_madd_epi32_avx2(u[11], k32_p22_p10);
2272 0 : v[12] = k_madd_epi32_avx2(u[12], k32_p06_p26);
2273 0 : v[13] = k_madd_epi32_avx2(u[13], k32_p06_p26);
2274 0 : v[14] = k_madd_epi32_avx2(u[14], k32_p06_p26);
2275 0 : v[15] = k_madd_epi32_avx2(u[15], k32_p06_p26);
2276 0 : v[16] = k_madd_epi32_avx2(u[12], k32_m26_p06);
2277 0 : v[17] = k_madd_epi32_avx2(u[13], k32_m26_p06);
2278 0 : v[18] = k_madd_epi32_avx2(u[14], k32_m26_p06);
2279 0 : v[19] = k_madd_epi32_avx2(u[15], k32_m26_p06);
2280 0 : v[20] = k_madd_epi32_avx2(u[8], k32_m10_p22);
2281 0 : v[21] = k_madd_epi32_avx2(u[9], k32_m10_p22);
2282 0 : v[22] = k_madd_epi32_avx2(u[10], k32_m10_p22);
2283 0 : v[23] = k_madd_epi32_avx2(u[11], k32_m10_p22);
2284 0 : v[24] = k_madd_epi32_avx2(u[4], k32_m18_p14);
2285 0 : v[25] = k_madd_epi32_avx2(u[5], k32_m18_p14);
2286 0 : v[26] = k_madd_epi32_avx2(u[6], k32_m18_p14);
2287 0 : v[27] = k_madd_epi32_avx2(u[7], k32_m18_p14);
2288 0 : v[28] = k_madd_epi32_avx2(u[0], k32_m02_p30);
2289 0 : v[29] = k_madd_epi32_avx2(u[1], k32_m02_p30);
2290 0 : v[30] = k_madd_epi32_avx2(u[2], k32_m02_p30);
2291 0 : v[31] = k_madd_epi32_avx2(u[3], k32_m02_p30);
2292 :
2293 0 : u[0] = k_packs_epi64_avx2(v[0], v[1]);
2294 0 : u[1] = k_packs_epi64_avx2(v[2], v[3]);
2295 0 : u[2] = k_packs_epi64_avx2(v[4], v[5]);
2296 0 : u[3] = k_packs_epi64_avx2(v[6], v[7]);
2297 0 : u[4] = k_packs_epi64_avx2(v[8], v[9]);
2298 0 : u[5] = k_packs_epi64_avx2(v[10], v[11]);
2299 0 : u[6] = k_packs_epi64_avx2(v[12], v[13]);
2300 0 : u[7] = k_packs_epi64_avx2(v[14], v[15]);
2301 0 : u[8] = k_packs_epi64_avx2(v[16], v[17]);
2302 0 : u[9] = k_packs_epi64_avx2(v[18], v[19]);
2303 0 : u[10] = k_packs_epi64_avx2(v[20], v[21]);
2304 0 : u[11] = k_packs_epi64_avx2(v[22], v[23]);
2305 0 : u[12] = k_packs_epi64_avx2(v[24], v[25]);
2306 0 : u[13] = k_packs_epi64_avx2(v[26], v[27]);
2307 0 : u[14] = k_packs_epi64_avx2(v[28], v[29]);
2308 0 : u[15] = k_packs_epi64_avx2(v[30], v[31]);
2309 :
2310 0 : v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2311 0 : v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2312 0 : v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2313 0 : v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2314 0 : v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2315 0 : v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2316 0 : v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2317 0 : v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2318 0 : v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2319 0 : v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2320 0 : v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2321 0 : v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2322 0 : v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2323 0 : v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2324 0 : v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2325 0 : v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2326 :
2327 0 : u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2328 0 : u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2329 0 : u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2330 0 : u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2331 0 : u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2332 0 : u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2333 0 : u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2334 0 : u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2335 0 : u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2336 0 : u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2337 0 : u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2338 0 : u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2339 0 : u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2340 0 : u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2341 0 : u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2342 0 : u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2343 :
2344 0 : v[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2345 0 : v[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2346 0 : v[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2347 0 : v[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2348 0 : v[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2349 0 : v[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2350 0 : v[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2351 0 : v[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2352 0 : v[8] = _mm256_cmpgt_epi32(kZero, u[8]);
2353 0 : v[9] = _mm256_cmpgt_epi32(kZero, u[9]);
2354 0 : v[10] = _mm256_cmpgt_epi32(kZero, u[10]);
2355 0 : v[11] = _mm256_cmpgt_epi32(kZero, u[11]);
2356 0 : v[12] = _mm256_cmpgt_epi32(kZero, u[12]);
2357 0 : v[13] = _mm256_cmpgt_epi32(kZero, u[13]);
2358 0 : v[14] = _mm256_cmpgt_epi32(kZero, u[14]);
2359 0 : v[15] = _mm256_cmpgt_epi32(kZero, u[15]);
2360 :
2361 0 : u[0] = _mm256_sub_epi32(u[0], v[0]);
2362 0 : u[1] = _mm256_sub_epi32(u[1], v[1]);
2363 0 : u[2] = _mm256_sub_epi32(u[2], v[2]);
2364 0 : u[3] = _mm256_sub_epi32(u[3], v[3]);
2365 0 : u[4] = _mm256_sub_epi32(u[4], v[4]);
2366 0 : u[5] = _mm256_sub_epi32(u[5], v[5]);
2367 0 : u[6] = _mm256_sub_epi32(u[6], v[6]);
2368 0 : u[7] = _mm256_sub_epi32(u[7], v[7]);
2369 0 : u[8] = _mm256_sub_epi32(u[8], v[8]);
2370 0 : u[9] = _mm256_sub_epi32(u[9], v[9]);
2371 0 : u[10] = _mm256_sub_epi32(u[10], v[10]);
2372 0 : u[11] = _mm256_sub_epi32(u[11], v[11]);
2373 0 : u[12] = _mm256_sub_epi32(u[12], v[12]);
2374 0 : u[13] = _mm256_sub_epi32(u[13], v[13]);
2375 0 : u[14] = _mm256_sub_epi32(u[14], v[14]);
2376 0 : u[15] = _mm256_sub_epi32(u[15], v[15]);
2377 :
2378 0 : v[0] = _mm256_add_epi32(u[0], K32One);
2379 0 : v[1] = _mm256_add_epi32(u[1], K32One);
2380 0 : v[2] = _mm256_add_epi32(u[2], K32One);
2381 0 : v[3] = _mm256_add_epi32(u[3], K32One);
2382 0 : v[4] = _mm256_add_epi32(u[4], K32One);
2383 0 : v[5] = _mm256_add_epi32(u[5], K32One);
2384 0 : v[6] = _mm256_add_epi32(u[6], K32One);
2385 0 : v[7] = _mm256_add_epi32(u[7], K32One);
2386 0 : v[8] = _mm256_add_epi32(u[8], K32One);
2387 0 : v[9] = _mm256_add_epi32(u[9], K32One);
2388 0 : v[10] = _mm256_add_epi32(u[10], K32One);
2389 0 : v[11] = _mm256_add_epi32(u[11], K32One);
2390 0 : v[12] = _mm256_add_epi32(u[12], K32One);
2391 0 : v[13] = _mm256_add_epi32(u[13], K32One);
2392 0 : v[14] = _mm256_add_epi32(u[14], K32One);
2393 0 : v[15] = _mm256_add_epi32(u[15], K32One);
2394 :
2395 0 : u[0] = _mm256_srai_epi32(v[0], 2);
2396 0 : u[1] = _mm256_srai_epi32(v[1], 2);
2397 0 : u[2] = _mm256_srai_epi32(v[2], 2);
2398 0 : u[3] = _mm256_srai_epi32(v[3], 2);
2399 0 : u[4] = _mm256_srai_epi32(v[4], 2);
2400 0 : u[5] = _mm256_srai_epi32(v[5], 2);
2401 0 : u[6] = _mm256_srai_epi32(v[6], 2);
2402 0 : u[7] = _mm256_srai_epi32(v[7], 2);
2403 0 : u[8] = _mm256_srai_epi32(v[8], 2);
2404 0 : u[9] = _mm256_srai_epi32(v[9], 2);
2405 0 : u[10] = _mm256_srai_epi32(v[10], 2);
2406 0 : u[11] = _mm256_srai_epi32(v[11], 2);
2407 0 : u[12] = _mm256_srai_epi32(v[12], 2);
2408 0 : u[13] = _mm256_srai_epi32(v[13], 2);
2409 0 : u[14] = _mm256_srai_epi32(v[14], 2);
2410 0 : u[15] = _mm256_srai_epi32(v[15], 2);
2411 :
2412 0 : out[2] = _mm256_packs_epi32(u[0], u[1]);
2413 0 : out[18] = _mm256_packs_epi32(u[2], u[3]);
2414 0 : out[10] = _mm256_packs_epi32(u[4], u[5]);
2415 0 : out[26] = _mm256_packs_epi32(u[6], u[7]);
2416 0 : out[6] = _mm256_packs_epi32(u[8], u[9]);
2417 0 : out[22] = _mm256_packs_epi32(u[10], u[11]);
2418 0 : out[14] = _mm256_packs_epi32(u[12], u[13]);
2419 0 : out[30] = _mm256_packs_epi32(u[14], u[15]);
2420 : }
2421 : {
2422 0 : lstep1[32] = _mm256_add_epi32(lstep3[34], lstep2[32]);
2423 0 : lstep1[33] = _mm256_add_epi32(lstep3[35], lstep2[33]);
2424 0 : lstep1[34] = _mm256_sub_epi32(lstep2[32], lstep3[34]);
2425 0 : lstep1[35] = _mm256_sub_epi32(lstep2[33], lstep3[35]);
2426 0 : lstep1[36] = _mm256_sub_epi32(lstep2[38], lstep3[36]);
2427 0 : lstep1[37] = _mm256_sub_epi32(lstep2[39], lstep3[37]);
2428 0 : lstep1[38] = _mm256_add_epi32(lstep3[36], lstep2[38]);
2429 0 : lstep1[39] = _mm256_add_epi32(lstep3[37], lstep2[39]);
2430 0 : lstep1[40] = _mm256_add_epi32(lstep3[42], lstep2[40]);
2431 0 : lstep1[41] = _mm256_add_epi32(lstep3[43], lstep2[41]);
2432 0 : lstep1[42] = _mm256_sub_epi32(lstep2[40], lstep3[42]);
2433 0 : lstep1[43] = _mm256_sub_epi32(lstep2[41], lstep3[43]);
2434 0 : lstep1[44] = _mm256_sub_epi32(lstep2[46], lstep3[44]);
2435 0 : lstep1[45] = _mm256_sub_epi32(lstep2[47], lstep3[45]);
2436 0 : lstep1[46] = _mm256_add_epi32(lstep3[44], lstep2[46]);
2437 0 : lstep1[47] = _mm256_add_epi32(lstep3[45], lstep2[47]);
2438 0 : lstep1[48] = _mm256_add_epi32(lstep3[50], lstep2[48]);
2439 0 : lstep1[49] = _mm256_add_epi32(lstep3[51], lstep2[49]);
2440 0 : lstep1[50] = _mm256_sub_epi32(lstep2[48], lstep3[50]);
2441 0 : lstep1[51] = _mm256_sub_epi32(lstep2[49], lstep3[51]);
2442 0 : lstep1[52] = _mm256_sub_epi32(lstep2[54], lstep3[52]);
2443 0 : lstep1[53] = _mm256_sub_epi32(lstep2[55], lstep3[53]);
2444 0 : lstep1[54] = _mm256_add_epi32(lstep3[52], lstep2[54]);
2445 0 : lstep1[55] = _mm256_add_epi32(lstep3[53], lstep2[55]);
2446 0 : lstep1[56] = _mm256_add_epi32(lstep3[58], lstep2[56]);
2447 0 : lstep1[57] = _mm256_add_epi32(lstep3[59], lstep2[57]);
2448 0 : lstep1[58] = _mm256_sub_epi32(lstep2[56], lstep3[58]);
2449 0 : lstep1[59] = _mm256_sub_epi32(lstep2[57], lstep3[59]);
2450 0 : lstep1[60] = _mm256_sub_epi32(lstep2[62], lstep3[60]);
2451 0 : lstep1[61] = _mm256_sub_epi32(lstep2[63], lstep3[61]);
2452 0 : lstep1[62] = _mm256_add_epi32(lstep3[60], lstep2[62]);
2453 0 : lstep1[63] = _mm256_add_epi32(lstep3[61], lstep2[63]);
2454 : }
2455 : // stage 8
2456 : {
2457 0 : const __m256i k32_p31_p01 =
2458 0 : pair256_set_epi32(cospi_31_64, cospi_1_64);
2459 0 : const __m256i k32_p15_p17 =
2460 0 : pair256_set_epi32(cospi_15_64, cospi_17_64);
2461 0 : const __m256i k32_p23_p09 =
2462 0 : pair256_set_epi32(cospi_23_64, cospi_9_64);
2463 0 : const __m256i k32_p07_p25 =
2464 0 : pair256_set_epi32(cospi_7_64, cospi_25_64);
2465 0 : const __m256i k32_m25_p07 =
2466 0 : pair256_set_epi32(-cospi_25_64, cospi_7_64);
2467 0 : const __m256i k32_m09_p23 =
2468 0 : pair256_set_epi32(-cospi_9_64, cospi_23_64);
2469 0 : const __m256i k32_m17_p15 =
2470 0 : pair256_set_epi32(-cospi_17_64, cospi_15_64);
2471 0 : const __m256i k32_m01_p31 =
2472 0 : pair256_set_epi32(-cospi_1_64, cospi_31_64);
2473 :
2474 0 : u[0] = _mm256_unpacklo_epi32(lstep1[32], lstep1[62]);
2475 0 : u[1] = _mm256_unpackhi_epi32(lstep1[32], lstep1[62]);
2476 0 : u[2] = _mm256_unpacklo_epi32(lstep1[33], lstep1[63]);
2477 0 : u[3] = _mm256_unpackhi_epi32(lstep1[33], lstep1[63]);
2478 0 : u[4] = _mm256_unpacklo_epi32(lstep1[34], lstep1[60]);
2479 0 : u[5] = _mm256_unpackhi_epi32(lstep1[34], lstep1[60]);
2480 0 : u[6] = _mm256_unpacklo_epi32(lstep1[35], lstep1[61]);
2481 0 : u[7] = _mm256_unpackhi_epi32(lstep1[35], lstep1[61]);
2482 0 : u[8] = _mm256_unpacklo_epi32(lstep1[36], lstep1[58]);
2483 0 : u[9] = _mm256_unpackhi_epi32(lstep1[36], lstep1[58]);
2484 0 : u[10] = _mm256_unpacklo_epi32(lstep1[37], lstep1[59]);
2485 0 : u[11] = _mm256_unpackhi_epi32(lstep1[37], lstep1[59]);
2486 0 : u[12] = _mm256_unpacklo_epi32(lstep1[38], lstep1[56]);
2487 0 : u[13] = _mm256_unpackhi_epi32(lstep1[38], lstep1[56]);
2488 0 : u[14] = _mm256_unpacklo_epi32(lstep1[39], lstep1[57]);
2489 0 : u[15] = _mm256_unpackhi_epi32(lstep1[39], lstep1[57]);
2490 :
2491 0 : v[0] = k_madd_epi32_avx2(u[0], k32_p31_p01);
2492 0 : v[1] = k_madd_epi32_avx2(u[1], k32_p31_p01);
2493 0 : v[2] = k_madd_epi32_avx2(u[2], k32_p31_p01);
2494 0 : v[3] = k_madd_epi32_avx2(u[3], k32_p31_p01);
2495 0 : v[4] = k_madd_epi32_avx2(u[4], k32_p15_p17);
2496 0 : v[5] = k_madd_epi32_avx2(u[5], k32_p15_p17);
2497 0 : v[6] = k_madd_epi32_avx2(u[6], k32_p15_p17);
2498 0 : v[7] = k_madd_epi32_avx2(u[7], k32_p15_p17);
2499 0 : v[8] = k_madd_epi32_avx2(u[8], k32_p23_p09);
2500 0 : v[9] = k_madd_epi32_avx2(u[9], k32_p23_p09);
2501 0 : v[10] = k_madd_epi32_avx2(u[10], k32_p23_p09);
2502 0 : v[11] = k_madd_epi32_avx2(u[11], k32_p23_p09);
2503 0 : v[12] = k_madd_epi32_avx2(u[12], k32_p07_p25);
2504 0 : v[13] = k_madd_epi32_avx2(u[13], k32_p07_p25);
2505 0 : v[14] = k_madd_epi32_avx2(u[14], k32_p07_p25);
2506 0 : v[15] = k_madd_epi32_avx2(u[15], k32_p07_p25);
2507 0 : v[16] = k_madd_epi32_avx2(u[12], k32_m25_p07);
2508 0 : v[17] = k_madd_epi32_avx2(u[13], k32_m25_p07);
2509 0 : v[18] = k_madd_epi32_avx2(u[14], k32_m25_p07);
2510 0 : v[19] = k_madd_epi32_avx2(u[15], k32_m25_p07);
2511 0 : v[20] = k_madd_epi32_avx2(u[8], k32_m09_p23);
2512 0 : v[21] = k_madd_epi32_avx2(u[9], k32_m09_p23);
2513 0 : v[22] = k_madd_epi32_avx2(u[10], k32_m09_p23);
2514 0 : v[23] = k_madd_epi32_avx2(u[11], k32_m09_p23);
2515 0 : v[24] = k_madd_epi32_avx2(u[4], k32_m17_p15);
2516 0 : v[25] = k_madd_epi32_avx2(u[5], k32_m17_p15);
2517 0 : v[26] = k_madd_epi32_avx2(u[6], k32_m17_p15);
2518 0 : v[27] = k_madd_epi32_avx2(u[7], k32_m17_p15);
2519 0 : v[28] = k_madd_epi32_avx2(u[0], k32_m01_p31);
2520 0 : v[29] = k_madd_epi32_avx2(u[1], k32_m01_p31);
2521 0 : v[30] = k_madd_epi32_avx2(u[2], k32_m01_p31);
2522 0 : v[31] = k_madd_epi32_avx2(u[3], k32_m01_p31);
2523 :
2524 0 : u[0] = k_packs_epi64_avx2(v[0], v[1]);
2525 0 : u[1] = k_packs_epi64_avx2(v[2], v[3]);
2526 0 : u[2] = k_packs_epi64_avx2(v[4], v[5]);
2527 0 : u[3] = k_packs_epi64_avx2(v[6], v[7]);
2528 0 : u[4] = k_packs_epi64_avx2(v[8], v[9]);
2529 0 : u[5] = k_packs_epi64_avx2(v[10], v[11]);
2530 0 : u[6] = k_packs_epi64_avx2(v[12], v[13]);
2531 0 : u[7] = k_packs_epi64_avx2(v[14], v[15]);
2532 0 : u[8] = k_packs_epi64_avx2(v[16], v[17]);
2533 0 : u[9] = k_packs_epi64_avx2(v[18], v[19]);
2534 0 : u[10] = k_packs_epi64_avx2(v[20], v[21]);
2535 0 : u[11] = k_packs_epi64_avx2(v[22], v[23]);
2536 0 : u[12] = k_packs_epi64_avx2(v[24], v[25]);
2537 0 : u[13] = k_packs_epi64_avx2(v[26], v[27]);
2538 0 : u[14] = k_packs_epi64_avx2(v[28], v[29]);
2539 0 : u[15] = k_packs_epi64_avx2(v[30], v[31]);
2540 :
2541 0 : v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2542 0 : v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2543 0 : v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2544 0 : v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2545 0 : v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2546 0 : v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2547 0 : v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2548 0 : v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2549 0 : v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2550 0 : v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2551 0 : v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2552 0 : v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2553 0 : v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2554 0 : v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2555 0 : v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2556 0 : v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2557 :
2558 0 : u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2559 0 : u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2560 0 : u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2561 0 : u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2562 0 : u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2563 0 : u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2564 0 : u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2565 0 : u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2566 0 : u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2567 0 : u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2568 0 : u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2569 0 : u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2570 0 : u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2571 0 : u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2572 0 : u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2573 0 : u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2574 :
2575 0 : v[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2576 0 : v[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2577 0 : v[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2578 0 : v[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2579 0 : v[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2580 0 : v[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2581 0 : v[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2582 0 : v[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2583 0 : v[8] = _mm256_cmpgt_epi32(kZero, u[8]);
2584 0 : v[9] = _mm256_cmpgt_epi32(kZero, u[9]);
2585 0 : v[10] = _mm256_cmpgt_epi32(kZero, u[10]);
2586 0 : v[11] = _mm256_cmpgt_epi32(kZero, u[11]);
2587 0 : v[12] = _mm256_cmpgt_epi32(kZero, u[12]);
2588 0 : v[13] = _mm256_cmpgt_epi32(kZero, u[13]);
2589 0 : v[14] = _mm256_cmpgt_epi32(kZero, u[14]);
2590 0 : v[15] = _mm256_cmpgt_epi32(kZero, u[15]);
2591 :
2592 0 : u[0] = _mm256_sub_epi32(u[0], v[0]);
2593 0 : u[1] = _mm256_sub_epi32(u[1], v[1]);
2594 0 : u[2] = _mm256_sub_epi32(u[2], v[2]);
2595 0 : u[3] = _mm256_sub_epi32(u[3], v[3]);
2596 0 : u[4] = _mm256_sub_epi32(u[4], v[4]);
2597 0 : u[5] = _mm256_sub_epi32(u[5], v[5]);
2598 0 : u[6] = _mm256_sub_epi32(u[6], v[6]);
2599 0 : u[7] = _mm256_sub_epi32(u[7], v[7]);
2600 0 : u[8] = _mm256_sub_epi32(u[8], v[8]);
2601 0 : u[9] = _mm256_sub_epi32(u[9], v[9]);
2602 0 : u[10] = _mm256_sub_epi32(u[10], v[10]);
2603 0 : u[11] = _mm256_sub_epi32(u[11], v[11]);
2604 0 : u[12] = _mm256_sub_epi32(u[12], v[12]);
2605 0 : u[13] = _mm256_sub_epi32(u[13], v[13]);
2606 0 : u[14] = _mm256_sub_epi32(u[14], v[14]);
2607 0 : u[15] = _mm256_sub_epi32(u[15], v[15]);
2608 :
2609 0 : v[0] = _mm256_add_epi32(u[0], K32One);
2610 0 : v[1] = _mm256_add_epi32(u[1], K32One);
2611 0 : v[2] = _mm256_add_epi32(u[2], K32One);
2612 0 : v[3] = _mm256_add_epi32(u[3], K32One);
2613 0 : v[4] = _mm256_add_epi32(u[4], K32One);
2614 0 : v[5] = _mm256_add_epi32(u[5], K32One);
2615 0 : v[6] = _mm256_add_epi32(u[6], K32One);
2616 0 : v[7] = _mm256_add_epi32(u[7], K32One);
2617 0 : v[8] = _mm256_add_epi32(u[8], K32One);
2618 0 : v[9] = _mm256_add_epi32(u[9], K32One);
2619 0 : v[10] = _mm256_add_epi32(u[10], K32One);
2620 0 : v[11] = _mm256_add_epi32(u[11], K32One);
2621 0 : v[12] = _mm256_add_epi32(u[12], K32One);
2622 0 : v[13] = _mm256_add_epi32(u[13], K32One);
2623 0 : v[14] = _mm256_add_epi32(u[14], K32One);
2624 0 : v[15] = _mm256_add_epi32(u[15], K32One);
2625 :
2626 0 : u[0] = _mm256_srai_epi32(v[0], 2);
2627 0 : u[1] = _mm256_srai_epi32(v[1], 2);
2628 0 : u[2] = _mm256_srai_epi32(v[2], 2);
2629 0 : u[3] = _mm256_srai_epi32(v[3], 2);
2630 0 : u[4] = _mm256_srai_epi32(v[4], 2);
2631 0 : u[5] = _mm256_srai_epi32(v[5], 2);
2632 0 : u[6] = _mm256_srai_epi32(v[6], 2);
2633 0 : u[7] = _mm256_srai_epi32(v[7], 2);
2634 0 : u[8] = _mm256_srai_epi32(v[8], 2);
2635 0 : u[9] = _mm256_srai_epi32(v[9], 2);
2636 0 : u[10] = _mm256_srai_epi32(v[10], 2);
2637 0 : u[11] = _mm256_srai_epi32(v[11], 2);
2638 0 : u[12] = _mm256_srai_epi32(v[12], 2);
2639 0 : u[13] = _mm256_srai_epi32(v[13], 2);
2640 0 : u[14] = _mm256_srai_epi32(v[14], 2);
2641 0 : u[15] = _mm256_srai_epi32(v[15], 2);
2642 :
2643 0 : out[1] = _mm256_packs_epi32(u[0], u[1]);
2644 0 : out[17] = _mm256_packs_epi32(u[2], u[3]);
2645 0 : out[9] = _mm256_packs_epi32(u[4], u[5]);
2646 0 : out[25] = _mm256_packs_epi32(u[6], u[7]);
2647 0 : out[7] = _mm256_packs_epi32(u[8], u[9]);
2648 0 : out[23] = _mm256_packs_epi32(u[10], u[11]);
2649 0 : out[15] = _mm256_packs_epi32(u[12], u[13]);
2650 0 : out[31] = _mm256_packs_epi32(u[14], u[15]);
2651 : }
2652 : {
2653 0 : const __m256i k32_p27_p05 =
2654 0 : pair256_set_epi32(cospi_27_64, cospi_5_64);
2655 0 : const __m256i k32_p11_p21 =
2656 0 : pair256_set_epi32(cospi_11_64, cospi_21_64);
2657 0 : const __m256i k32_p19_p13 =
2658 0 : pair256_set_epi32(cospi_19_64, cospi_13_64);
2659 0 : const __m256i k32_p03_p29 =
2660 0 : pair256_set_epi32(cospi_3_64, cospi_29_64);
2661 0 : const __m256i k32_m29_p03 =
2662 0 : pair256_set_epi32(-cospi_29_64, cospi_3_64);
2663 0 : const __m256i k32_m13_p19 =
2664 0 : pair256_set_epi32(-cospi_13_64, cospi_19_64);
2665 0 : const __m256i k32_m21_p11 =
2666 0 : pair256_set_epi32(-cospi_21_64, cospi_11_64);
2667 0 : const __m256i k32_m05_p27 =
2668 0 : pair256_set_epi32(-cospi_5_64, cospi_27_64);
2669 :
2670 0 : u[0] = _mm256_unpacklo_epi32(lstep1[40], lstep1[54]);
2671 0 : u[1] = _mm256_unpackhi_epi32(lstep1[40], lstep1[54]);
2672 0 : u[2] = _mm256_unpacklo_epi32(lstep1[41], lstep1[55]);
2673 0 : u[3] = _mm256_unpackhi_epi32(lstep1[41], lstep1[55]);
2674 0 : u[4] = _mm256_unpacklo_epi32(lstep1[42], lstep1[52]);
2675 0 : u[5] = _mm256_unpackhi_epi32(lstep1[42], lstep1[52]);
2676 0 : u[6] = _mm256_unpacklo_epi32(lstep1[43], lstep1[53]);
2677 0 : u[7] = _mm256_unpackhi_epi32(lstep1[43], lstep1[53]);
2678 0 : u[8] = _mm256_unpacklo_epi32(lstep1[44], lstep1[50]);
2679 0 : u[9] = _mm256_unpackhi_epi32(lstep1[44], lstep1[50]);
2680 0 : u[10] = _mm256_unpacklo_epi32(lstep1[45], lstep1[51]);
2681 0 : u[11] = _mm256_unpackhi_epi32(lstep1[45], lstep1[51]);
2682 0 : u[12] = _mm256_unpacklo_epi32(lstep1[46], lstep1[48]);
2683 0 : u[13] = _mm256_unpackhi_epi32(lstep1[46], lstep1[48]);
2684 0 : u[14] = _mm256_unpacklo_epi32(lstep1[47], lstep1[49]);
2685 0 : u[15] = _mm256_unpackhi_epi32(lstep1[47], lstep1[49]);
2686 :
2687 0 : v[0] = k_madd_epi32_avx2(u[0], k32_p27_p05);
2688 0 : v[1] = k_madd_epi32_avx2(u[1], k32_p27_p05);
2689 0 : v[2] = k_madd_epi32_avx2(u[2], k32_p27_p05);
2690 0 : v[3] = k_madd_epi32_avx2(u[3], k32_p27_p05);
2691 0 : v[4] = k_madd_epi32_avx2(u[4], k32_p11_p21);
2692 0 : v[5] = k_madd_epi32_avx2(u[5], k32_p11_p21);
2693 0 : v[6] = k_madd_epi32_avx2(u[6], k32_p11_p21);
2694 0 : v[7] = k_madd_epi32_avx2(u[7], k32_p11_p21);
2695 0 : v[8] = k_madd_epi32_avx2(u[8], k32_p19_p13);
2696 0 : v[9] = k_madd_epi32_avx2(u[9], k32_p19_p13);
2697 0 : v[10] = k_madd_epi32_avx2(u[10], k32_p19_p13);
2698 0 : v[11] = k_madd_epi32_avx2(u[11], k32_p19_p13);
2699 0 : v[12] = k_madd_epi32_avx2(u[12], k32_p03_p29);
2700 0 : v[13] = k_madd_epi32_avx2(u[13], k32_p03_p29);
2701 0 : v[14] = k_madd_epi32_avx2(u[14], k32_p03_p29);
2702 0 : v[15] = k_madd_epi32_avx2(u[15], k32_p03_p29);
2703 0 : v[16] = k_madd_epi32_avx2(u[12], k32_m29_p03);
2704 0 : v[17] = k_madd_epi32_avx2(u[13], k32_m29_p03);
2705 0 : v[18] = k_madd_epi32_avx2(u[14], k32_m29_p03);
2706 0 : v[19] = k_madd_epi32_avx2(u[15], k32_m29_p03);
2707 0 : v[20] = k_madd_epi32_avx2(u[8], k32_m13_p19);
2708 0 : v[21] = k_madd_epi32_avx2(u[9], k32_m13_p19);
2709 0 : v[22] = k_madd_epi32_avx2(u[10], k32_m13_p19);
2710 0 : v[23] = k_madd_epi32_avx2(u[11], k32_m13_p19);
2711 0 : v[24] = k_madd_epi32_avx2(u[4], k32_m21_p11);
2712 0 : v[25] = k_madd_epi32_avx2(u[5], k32_m21_p11);
2713 0 : v[26] = k_madd_epi32_avx2(u[6], k32_m21_p11);
2714 0 : v[27] = k_madd_epi32_avx2(u[7], k32_m21_p11);
2715 0 : v[28] = k_madd_epi32_avx2(u[0], k32_m05_p27);
2716 0 : v[29] = k_madd_epi32_avx2(u[1], k32_m05_p27);
2717 0 : v[30] = k_madd_epi32_avx2(u[2], k32_m05_p27);
2718 0 : v[31] = k_madd_epi32_avx2(u[3], k32_m05_p27);
2719 :
2720 0 : u[0] = k_packs_epi64_avx2(v[0], v[1]);
2721 0 : u[1] = k_packs_epi64_avx2(v[2], v[3]);
2722 0 : u[2] = k_packs_epi64_avx2(v[4], v[5]);
2723 0 : u[3] = k_packs_epi64_avx2(v[6], v[7]);
2724 0 : u[4] = k_packs_epi64_avx2(v[8], v[9]);
2725 0 : u[5] = k_packs_epi64_avx2(v[10], v[11]);
2726 0 : u[6] = k_packs_epi64_avx2(v[12], v[13]);
2727 0 : u[7] = k_packs_epi64_avx2(v[14], v[15]);
2728 0 : u[8] = k_packs_epi64_avx2(v[16], v[17]);
2729 0 : u[9] = k_packs_epi64_avx2(v[18], v[19]);
2730 0 : u[10] = k_packs_epi64_avx2(v[20], v[21]);
2731 0 : u[11] = k_packs_epi64_avx2(v[22], v[23]);
2732 0 : u[12] = k_packs_epi64_avx2(v[24], v[25]);
2733 0 : u[13] = k_packs_epi64_avx2(v[26], v[27]);
2734 0 : u[14] = k_packs_epi64_avx2(v[28], v[29]);
2735 0 : u[15] = k_packs_epi64_avx2(v[30], v[31]);
2736 :
2737 0 : v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2738 0 : v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2739 0 : v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2740 0 : v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2741 0 : v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2742 0 : v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2743 0 : v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2744 0 : v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2745 0 : v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2746 0 : v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2747 0 : v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2748 0 : v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2749 0 : v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2750 0 : v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2751 0 : v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2752 0 : v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2753 :
2754 0 : u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2755 0 : u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2756 0 : u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2757 0 : u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2758 0 : u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2759 0 : u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2760 0 : u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2761 0 : u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2762 0 : u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2763 0 : u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2764 0 : u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2765 0 : u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2766 0 : u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2767 0 : u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2768 0 : u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2769 0 : u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2770 :
2771 0 : v[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2772 0 : v[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2773 0 : v[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2774 0 : v[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2775 0 : v[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2776 0 : v[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2777 0 : v[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2778 0 : v[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2779 0 : v[8] = _mm256_cmpgt_epi32(kZero, u[8]);
2780 0 : v[9] = _mm256_cmpgt_epi32(kZero, u[9]);
2781 0 : v[10] = _mm256_cmpgt_epi32(kZero, u[10]);
2782 0 : v[11] = _mm256_cmpgt_epi32(kZero, u[11]);
2783 0 : v[12] = _mm256_cmpgt_epi32(kZero, u[12]);
2784 0 : v[13] = _mm256_cmpgt_epi32(kZero, u[13]);
2785 0 : v[14] = _mm256_cmpgt_epi32(kZero, u[14]);
2786 0 : v[15] = _mm256_cmpgt_epi32(kZero, u[15]);
2787 :
2788 0 : u[0] = _mm256_sub_epi32(u[0], v[0]);
2789 0 : u[1] = _mm256_sub_epi32(u[1], v[1]);
2790 0 : u[2] = _mm256_sub_epi32(u[2], v[2]);
2791 0 : u[3] = _mm256_sub_epi32(u[3], v[3]);
2792 0 : u[4] = _mm256_sub_epi32(u[4], v[4]);
2793 0 : u[5] = _mm256_sub_epi32(u[5], v[5]);
2794 0 : u[6] = _mm256_sub_epi32(u[6], v[6]);
2795 0 : u[7] = _mm256_sub_epi32(u[7], v[7]);
2796 0 : u[8] = _mm256_sub_epi32(u[8], v[8]);
2797 0 : u[9] = _mm256_sub_epi32(u[9], v[9]);
2798 0 : u[10] = _mm256_sub_epi32(u[10], v[10]);
2799 0 : u[11] = _mm256_sub_epi32(u[11], v[11]);
2800 0 : u[12] = _mm256_sub_epi32(u[12], v[12]);
2801 0 : u[13] = _mm256_sub_epi32(u[13], v[13]);
2802 0 : u[14] = _mm256_sub_epi32(u[14], v[14]);
2803 0 : u[15] = _mm256_sub_epi32(u[15], v[15]);
2804 :
2805 0 : v[0] = _mm256_add_epi32(u[0], K32One);
2806 0 : v[1] = _mm256_add_epi32(u[1], K32One);
2807 0 : v[2] = _mm256_add_epi32(u[2], K32One);
2808 0 : v[3] = _mm256_add_epi32(u[3], K32One);
2809 0 : v[4] = _mm256_add_epi32(u[4], K32One);
2810 0 : v[5] = _mm256_add_epi32(u[5], K32One);
2811 0 : v[6] = _mm256_add_epi32(u[6], K32One);
2812 0 : v[7] = _mm256_add_epi32(u[7], K32One);
2813 0 : v[8] = _mm256_add_epi32(u[8], K32One);
2814 0 : v[9] = _mm256_add_epi32(u[9], K32One);
2815 0 : v[10] = _mm256_add_epi32(u[10], K32One);
2816 0 : v[11] = _mm256_add_epi32(u[11], K32One);
2817 0 : v[12] = _mm256_add_epi32(u[12], K32One);
2818 0 : v[13] = _mm256_add_epi32(u[13], K32One);
2819 0 : v[14] = _mm256_add_epi32(u[14], K32One);
2820 0 : v[15] = _mm256_add_epi32(u[15], K32One);
2821 :
2822 0 : u[0] = _mm256_srai_epi32(v[0], 2);
2823 0 : u[1] = _mm256_srai_epi32(v[1], 2);
2824 0 : u[2] = _mm256_srai_epi32(v[2], 2);
2825 0 : u[3] = _mm256_srai_epi32(v[3], 2);
2826 0 : u[4] = _mm256_srai_epi32(v[4], 2);
2827 0 : u[5] = _mm256_srai_epi32(v[5], 2);
2828 0 : u[6] = _mm256_srai_epi32(v[6], 2);
2829 0 : u[7] = _mm256_srai_epi32(v[7], 2);
2830 0 : u[8] = _mm256_srai_epi32(v[8], 2);
2831 0 : u[9] = _mm256_srai_epi32(v[9], 2);
2832 0 : u[10] = _mm256_srai_epi32(v[10], 2);
2833 0 : u[11] = _mm256_srai_epi32(v[11], 2);
2834 0 : u[12] = _mm256_srai_epi32(v[12], 2);
2835 0 : u[13] = _mm256_srai_epi32(v[13], 2);
2836 0 : u[14] = _mm256_srai_epi32(v[14], 2);
2837 0 : u[15] = _mm256_srai_epi32(v[15], 2);
2838 :
2839 0 : out[5] = _mm256_packs_epi32(u[0], u[1]);
2840 0 : out[21] = _mm256_packs_epi32(u[2], u[3]);
2841 0 : out[13] = _mm256_packs_epi32(u[4], u[5]);
2842 0 : out[29] = _mm256_packs_epi32(u[6], u[7]);
2843 0 : out[3] = _mm256_packs_epi32(u[8], u[9]);
2844 0 : out[19] = _mm256_packs_epi32(u[10], u[11]);
2845 0 : out[11] = _mm256_packs_epi32(u[12], u[13]);
2846 0 : out[27] = _mm256_packs_epi32(u[14], u[15]);
2847 : }
2848 : }
2849 : #endif
2850 : // Transpose the results, do it as four 8x8 transposes.
2851 : {
2852 : int transpose_block;
2853 : int16_t *output_currStep, *output_nextStep;
2854 0 : if (0 == pass) {
2855 0 : output_currStep = &intermediate[column_start * 32];
2856 0 : output_nextStep = &intermediate[(column_start + 8) * 32];
2857 : } else {
2858 0 : output_currStep = &output_org[column_start * 32];
2859 0 : output_nextStep = &output_org[(column_start + 8) * 32];
2860 : }
2861 0 : for (transpose_block = 0; transpose_block < 4; ++transpose_block) {
2862 0 : __m256i *this_out = &out[8 * transpose_block];
2863 : // 00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
2864 : // 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
2865 : // 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
2866 : // 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
2867 : // 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95
2868 : // 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
2869 : // 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135
2870 : // 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155
2871 0 : const __m256i tr0_0 = _mm256_unpacklo_epi16(this_out[0], this_out[1]);
2872 0 : const __m256i tr0_1 = _mm256_unpacklo_epi16(this_out[2], this_out[3]);
2873 0 : const __m256i tr0_2 = _mm256_unpackhi_epi16(this_out[0], this_out[1]);
2874 0 : const __m256i tr0_3 = _mm256_unpackhi_epi16(this_out[2], this_out[3]);
2875 0 : const __m256i tr0_4 = _mm256_unpacklo_epi16(this_out[4], this_out[5]);
2876 0 : const __m256i tr0_5 = _mm256_unpacklo_epi16(this_out[6], this_out[7]);
2877 0 : const __m256i tr0_6 = _mm256_unpackhi_epi16(this_out[4], this_out[5]);
2878 0 : const __m256i tr0_7 = _mm256_unpackhi_epi16(this_out[6], this_out[7]);
2879 : // 00 20 01 21 02 22 03 23 08 28 09 29 10 30 11 31
2880 : // 40 60 41 61 42 62 43 63 48 68 49 69 50 70 51 71
2881 : // 04 24 05 25 06 26 07 27 12 32 13 33 14 34 15 35
2882 : // 44 64 45 65 46 66 47 67 52 72 53 73 54 74 55 75
2883 : // 80 100 81 101 82 102 83 103 88 108 89 109 90 110 91 101
2884 : // 120 140 121 141 122 142 123 143 128 148 129 149 130 150 131 151
2885 : // 84 104 85 105 86 106 87 107 92 112 93 113 94 114 95 115
2886 : // 124 144 125 145 126 146 127 147 132 152 133 153 134 154 135 155
2887 :
2888 0 : const __m256i tr1_0 = _mm256_unpacklo_epi32(tr0_0, tr0_1);
2889 0 : const __m256i tr1_1 = _mm256_unpacklo_epi32(tr0_2, tr0_3);
2890 0 : const __m256i tr1_2 = _mm256_unpackhi_epi32(tr0_0, tr0_1);
2891 0 : const __m256i tr1_3 = _mm256_unpackhi_epi32(tr0_2, tr0_3);
2892 0 : const __m256i tr1_4 = _mm256_unpacklo_epi32(tr0_4, tr0_5);
2893 0 : const __m256i tr1_5 = _mm256_unpacklo_epi32(tr0_6, tr0_7);
2894 0 : const __m256i tr1_6 = _mm256_unpackhi_epi32(tr0_4, tr0_5);
2895 0 : const __m256i tr1_7 = _mm256_unpackhi_epi32(tr0_6, tr0_7);
2896 : // 00 20 40 60 01 21 41 61 08 28 48 68 09 29 49 69
2897 : // 04 24 44 64 05 25 45 65 12 32 52 72 13 33 53 73
2898 : // 02 22 42 62 03 23 43 63 10 30 50 70 11 31 51 71
2899 : // 06 26 46 66 07 27 47 67 14 34 54 74 15 35 55 75
2900 : // 80 100 120 140 81 101 121 141 88 108 128 148 89 109 129 149
2901 : // 84 104 124 144 85 105 125 145 92 112 132 152 93 113 133 153
2902 : // 82 102 122 142 83 103 123 143 90 110 130 150 91 101 131 151
2903 : // 86 106 126 146 87 107 127 147 94 114 134 154 95 115 135 155
2904 0 : __m256i tr2_0 = _mm256_unpacklo_epi64(tr1_0, tr1_4);
2905 0 : __m256i tr2_1 = _mm256_unpackhi_epi64(tr1_0, tr1_4);
2906 0 : __m256i tr2_2 = _mm256_unpacklo_epi64(tr1_2, tr1_6);
2907 0 : __m256i tr2_3 = _mm256_unpackhi_epi64(tr1_2, tr1_6);
2908 0 : __m256i tr2_4 = _mm256_unpacklo_epi64(tr1_1, tr1_5);
2909 0 : __m256i tr2_5 = _mm256_unpackhi_epi64(tr1_1, tr1_5);
2910 0 : __m256i tr2_6 = _mm256_unpacklo_epi64(tr1_3, tr1_7);
2911 0 : __m256i tr2_7 = _mm256_unpackhi_epi64(tr1_3, tr1_7);
2912 : // 00 20 40 60 80 100 120 140 08 28 48 68 88 108 128 148
2913 : // 01 21 41 61 81 101 121 141 09 29 49 69 89 109 129 149
2914 : // 02 22 42 62 82 102 122 142 10 30 50 70 90 110 130 150
2915 : // 03 23 43 63 83 103 123 143 11 31 51 71 91 101 131 151
2916 : // 04 24 44 64 84 104 124 144 12 32 52 72 92 112 132 152
2917 : // 05 25 45 65 85 105 125 145 13 33 53 73 93 113 133 153
2918 : // 06 26 46 66 86 106 126 146 14 34 54 74 94 114 134 154
2919 : // 07 27 47 67 87 107 127 147 15 35 55 75 95 115 135 155
2920 0 : if (0 == pass) {
2921 : // output[j] = (output[j] + 1 + (output[j] > 0)) >> 2;
2922 : // TODO(cd): see quality impact of only doing
2923 : // output[j] = (output[j] + 1) >> 2;
2924 : // which would remove the code between here ...
2925 0 : __m256i tr2_0_0 = _mm256_cmpgt_epi16(tr2_0, kZero);
2926 0 : __m256i tr2_1_0 = _mm256_cmpgt_epi16(tr2_1, kZero);
2927 0 : __m256i tr2_2_0 = _mm256_cmpgt_epi16(tr2_2, kZero);
2928 0 : __m256i tr2_3_0 = _mm256_cmpgt_epi16(tr2_3, kZero);
2929 0 : __m256i tr2_4_0 = _mm256_cmpgt_epi16(tr2_4, kZero);
2930 0 : __m256i tr2_5_0 = _mm256_cmpgt_epi16(tr2_5, kZero);
2931 0 : __m256i tr2_6_0 = _mm256_cmpgt_epi16(tr2_6, kZero);
2932 0 : __m256i tr2_7_0 = _mm256_cmpgt_epi16(tr2_7, kZero);
2933 0 : tr2_0 = _mm256_sub_epi16(tr2_0, tr2_0_0);
2934 0 : tr2_1 = _mm256_sub_epi16(tr2_1, tr2_1_0);
2935 0 : tr2_2 = _mm256_sub_epi16(tr2_2, tr2_2_0);
2936 0 : tr2_3 = _mm256_sub_epi16(tr2_3, tr2_3_0);
2937 0 : tr2_4 = _mm256_sub_epi16(tr2_4, tr2_4_0);
2938 0 : tr2_5 = _mm256_sub_epi16(tr2_5, tr2_5_0);
2939 0 : tr2_6 = _mm256_sub_epi16(tr2_6, tr2_6_0);
2940 0 : tr2_7 = _mm256_sub_epi16(tr2_7, tr2_7_0);
2941 : // ... and here.
2942 : // PS: also change code in vp9/encoder/vp9_dct.c
2943 0 : tr2_0 = _mm256_add_epi16(tr2_0, kOne);
2944 0 : tr2_1 = _mm256_add_epi16(tr2_1, kOne);
2945 0 : tr2_2 = _mm256_add_epi16(tr2_2, kOne);
2946 0 : tr2_3 = _mm256_add_epi16(tr2_3, kOne);
2947 0 : tr2_4 = _mm256_add_epi16(tr2_4, kOne);
2948 0 : tr2_5 = _mm256_add_epi16(tr2_5, kOne);
2949 0 : tr2_6 = _mm256_add_epi16(tr2_6, kOne);
2950 0 : tr2_7 = _mm256_add_epi16(tr2_7, kOne);
2951 0 : tr2_0 = _mm256_srai_epi16(tr2_0, 2);
2952 0 : tr2_1 = _mm256_srai_epi16(tr2_1, 2);
2953 0 : tr2_2 = _mm256_srai_epi16(tr2_2, 2);
2954 0 : tr2_3 = _mm256_srai_epi16(tr2_3, 2);
2955 0 : tr2_4 = _mm256_srai_epi16(tr2_4, 2);
2956 0 : tr2_5 = _mm256_srai_epi16(tr2_5, 2);
2957 0 : tr2_6 = _mm256_srai_epi16(tr2_6, 2);
2958 0 : tr2_7 = _mm256_srai_epi16(tr2_7, 2);
2959 : }
2960 : // Note: even though all these stores are aligned, using the aligned
2961 : // intrinsic make the code slightly slower.
2962 0 : _mm_storeu_si128((__m128i *)(output_currStep + 0 * 32),
2963 : _mm256_castsi256_si128(tr2_0));
2964 0 : _mm_storeu_si128((__m128i *)(output_currStep + 1 * 32),
2965 : _mm256_castsi256_si128(tr2_1));
2966 0 : _mm_storeu_si128((__m128i *)(output_currStep + 2 * 32),
2967 : _mm256_castsi256_si128(tr2_2));
2968 0 : _mm_storeu_si128((__m128i *)(output_currStep + 3 * 32),
2969 : _mm256_castsi256_si128(tr2_3));
2970 0 : _mm_storeu_si128((__m128i *)(output_currStep + 4 * 32),
2971 : _mm256_castsi256_si128(tr2_4));
2972 0 : _mm_storeu_si128((__m128i *)(output_currStep + 5 * 32),
2973 : _mm256_castsi256_si128(tr2_5));
2974 0 : _mm_storeu_si128((__m128i *)(output_currStep + 6 * 32),
2975 : _mm256_castsi256_si128(tr2_6));
2976 0 : _mm_storeu_si128((__m128i *)(output_currStep + 7 * 32),
2977 : _mm256_castsi256_si128(tr2_7));
2978 :
2979 0 : _mm_storeu_si128((__m128i *)(output_nextStep + 0 * 32),
2980 0 : _mm256_extractf128_si256(tr2_0, 1));
2981 0 : _mm_storeu_si128((__m128i *)(output_nextStep + 1 * 32),
2982 0 : _mm256_extractf128_si256(tr2_1, 1));
2983 0 : _mm_storeu_si128((__m128i *)(output_nextStep + 2 * 32),
2984 0 : _mm256_extractf128_si256(tr2_2, 1));
2985 0 : _mm_storeu_si128((__m128i *)(output_nextStep + 3 * 32),
2986 0 : _mm256_extractf128_si256(tr2_3, 1));
2987 0 : _mm_storeu_si128((__m128i *)(output_nextStep + 4 * 32),
2988 0 : _mm256_extractf128_si256(tr2_4, 1));
2989 0 : _mm_storeu_si128((__m128i *)(output_nextStep + 5 * 32),
2990 0 : _mm256_extractf128_si256(tr2_5, 1));
2991 0 : _mm_storeu_si128((__m128i *)(output_nextStep + 6 * 32),
2992 0 : _mm256_extractf128_si256(tr2_6, 1));
2993 0 : _mm_storeu_si128((__m128i *)(output_nextStep + 7 * 32),
2994 0 : _mm256_extractf128_si256(tr2_7, 1));
2995 : // Process next 8x8
2996 0 : output_currStep += 8;
2997 0 : output_nextStep += 8;
2998 : }
2999 : }
3000 : }
3001 : }
3002 0 : } // NOLINT
|