1 /*
2 * Copyright (c) 2012 The WebM project authors. All Rights Reserved.
3 *
4 * Use of this source code is governed by a BSD-style license
5 * that can be found in the LICENSE file in the root of the source
6 * tree. An additional intellectual property rights grant can be found
7 * in the file PATENTS. All contributing project authors may
8 * be found in the AUTHORS file in the root of the source tree.
9 */
10
11 #include <immintrin.h> // AVX2
12
13 #include "./vpx_dsp_rtcd.h"
14 #include "vpx_dsp/txfm_common.h"
15
16 #define pair256_set_epi16(a, b) \
17 _mm256_set_epi16((int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a), \
18 (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a), \
19 (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a), \
20 (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a))
21
22 #define pair256_set_epi32(a, b) \
23 _mm256_set_epi32((int)(b), (int)(a), (int)(b), (int)(a), (int)(b), (int)(a), \
24 (int)(b), (int)(a))
25
26 #if FDCT32x32_HIGH_PRECISION
k_madd_epi32_avx2(__m256i a,__m256i b)27 static INLINE __m256i k_madd_epi32_avx2(__m256i a, __m256i b) {
28 __m256i buf0, buf1;
29 buf0 = _mm256_mul_epu32(a, b);
30 a = _mm256_srli_epi64(a, 32);
31 b = _mm256_srli_epi64(b, 32);
32 buf1 = _mm256_mul_epu32(a, b);
33 return _mm256_add_epi64(buf0, buf1);
34 }
35
k_packs_epi64_avx2(__m256i a,__m256i b)36 static INLINE __m256i k_packs_epi64_avx2(__m256i a, __m256i b) {
37 __m256i buf0 = _mm256_shuffle_epi32(a, _MM_SHUFFLE(0, 0, 2, 0));
38 __m256i buf1 = _mm256_shuffle_epi32(b, _MM_SHUFFLE(0, 0, 2, 0));
39 return _mm256_unpacklo_epi64(buf0, buf1);
40 }
41 #endif
42
FDCT32x32_2D_AVX2(const int16_t * input,int16_t * output_org,int stride)43 void FDCT32x32_2D_AVX2(const int16_t *input, int16_t *output_org, int stride) {
44 // Calculate pre-multiplied strides
45 const int str1 = stride;
46 const int str2 = 2 * stride;
47 const int str3 = 2 * stride + str1;
48 // We need an intermediate buffer between passes.
49 DECLARE_ALIGNED(32, int16_t, intermediate[32 * 32]);
50 // Constants
51 // When we use them, in one case, they are all the same. In all others
52 // it's a pair of them that we need to repeat four times. This is done
53 // by constructing the 32 bit constant corresponding to that pair.
54 const __m256i k__cospi_p16_p16 = _mm256_set1_epi16((int16_t)cospi_16_64);
55 const __m256i k__cospi_p16_m16 =
56 pair256_set_epi16(+cospi_16_64, -cospi_16_64);
57 const __m256i k__cospi_m08_p24 = pair256_set_epi16(-cospi_8_64, cospi_24_64);
58 const __m256i k__cospi_m24_m08 = pair256_set_epi16(-cospi_24_64, -cospi_8_64);
59 const __m256i k__cospi_p24_p08 = pair256_set_epi16(+cospi_24_64, cospi_8_64);
60 const __m256i k__cospi_p12_p20 = pair256_set_epi16(+cospi_12_64, cospi_20_64);
61 const __m256i k__cospi_m20_p12 = pair256_set_epi16(-cospi_20_64, cospi_12_64);
62 const __m256i k__cospi_m04_p28 = pair256_set_epi16(-cospi_4_64, cospi_28_64);
63 const __m256i k__cospi_p28_p04 = pair256_set_epi16(+cospi_28_64, cospi_4_64);
64 const __m256i k__cospi_m28_m04 = pair256_set_epi16(-cospi_28_64, -cospi_4_64);
65 const __m256i k__cospi_m12_m20 =
66 pair256_set_epi16(-cospi_12_64, -cospi_20_64);
67 const __m256i k__cospi_p30_p02 = pair256_set_epi16(+cospi_30_64, cospi_2_64);
68 const __m256i k__cospi_p14_p18 = pair256_set_epi16(+cospi_14_64, cospi_18_64);
69 const __m256i k__cospi_p22_p10 = pair256_set_epi16(+cospi_22_64, cospi_10_64);
70 const __m256i k__cospi_p06_p26 = pair256_set_epi16(+cospi_6_64, cospi_26_64);
71 const __m256i k__cospi_m26_p06 = pair256_set_epi16(-cospi_26_64, cospi_6_64);
72 const __m256i k__cospi_m10_p22 = pair256_set_epi16(-cospi_10_64, cospi_22_64);
73 const __m256i k__cospi_m18_p14 = pair256_set_epi16(-cospi_18_64, cospi_14_64);
74 const __m256i k__cospi_m02_p30 = pair256_set_epi16(-cospi_2_64, cospi_30_64);
75 const __m256i k__cospi_p31_p01 = pair256_set_epi16(+cospi_31_64, cospi_1_64);
76 const __m256i k__cospi_p15_p17 = pair256_set_epi16(+cospi_15_64, cospi_17_64);
77 const __m256i k__cospi_p23_p09 = pair256_set_epi16(+cospi_23_64, cospi_9_64);
78 const __m256i k__cospi_p07_p25 = pair256_set_epi16(+cospi_7_64, cospi_25_64);
79 const __m256i k__cospi_m25_p07 = pair256_set_epi16(-cospi_25_64, cospi_7_64);
80 const __m256i k__cospi_m09_p23 = pair256_set_epi16(-cospi_9_64, cospi_23_64);
81 const __m256i k__cospi_m17_p15 = pair256_set_epi16(-cospi_17_64, cospi_15_64);
82 const __m256i k__cospi_m01_p31 = pair256_set_epi16(-cospi_1_64, cospi_31_64);
83 const __m256i k__cospi_p27_p05 = pair256_set_epi16(+cospi_27_64, cospi_5_64);
84 const __m256i k__cospi_p11_p21 = pair256_set_epi16(+cospi_11_64, cospi_21_64);
85 const __m256i k__cospi_p19_p13 = pair256_set_epi16(+cospi_19_64, cospi_13_64);
86 const __m256i k__cospi_p03_p29 = pair256_set_epi16(+cospi_3_64, cospi_29_64);
87 const __m256i k__cospi_m29_p03 = pair256_set_epi16(-cospi_29_64, cospi_3_64);
88 const __m256i k__cospi_m13_p19 = pair256_set_epi16(-cospi_13_64, cospi_19_64);
89 const __m256i k__cospi_m21_p11 = pair256_set_epi16(-cospi_21_64, cospi_11_64);
90 const __m256i k__cospi_m05_p27 = pair256_set_epi16(-cospi_5_64, cospi_27_64);
91 const __m256i k__DCT_CONST_ROUNDING = _mm256_set1_epi32(DCT_CONST_ROUNDING);
92 const __m256i kZero = _mm256_set1_epi16(0);
93 const __m256i kOne = _mm256_set1_epi16(1);
94 // Do the two transform/transpose passes
95 int pass;
96 for (pass = 0; pass < 2; ++pass) {
97 // We process sixteen columns (transposed rows in second pass) at a time.
98 int column_start;
99 for (column_start = 0; column_start < 32; column_start += 16) {
100 __m256i step1[32];
101 __m256i step2[32];
102 __m256i step3[32];
103 __m256i out[32];
104 // Stage 1
105 // Note: even though all the loads below are aligned, using the aligned
106 // intrinsic make the code slightly slower.
107 if (0 == pass) {
108 const int16_t *in = &input[column_start];
109 // step1[i] = (in[ 0 * stride] + in[(32 - 1) * stride]) << 2;
110 // Note: the next four blocks could be in a loop. That would help the
111 // instruction cache but is actually slower.
112 {
113 const int16_t *ina = in + 0 * str1;
114 const int16_t *inb = in + 31 * str1;
115 __m256i *step1a = &step1[0];
116 __m256i *step1b = &step1[31];
117 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
118 const __m256i ina1 =
119 _mm256_loadu_si256((const __m256i *)(ina + str1));
120 const __m256i ina2 =
121 _mm256_loadu_si256((const __m256i *)(ina + str2));
122 const __m256i ina3 =
123 _mm256_loadu_si256((const __m256i *)(ina + str3));
124 const __m256i inb3 =
125 _mm256_loadu_si256((const __m256i *)(inb - str3));
126 const __m256i inb2 =
127 _mm256_loadu_si256((const __m256i *)(inb - str2));
128 const __m256i inb1 =
129 _mm256_loadu_si256((const __m256i *)(inb - str1));
130 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
131 step1a[0] = _mm256_add_epi16(ina0, inb0);
132 step1a[1] = _mm256_add_epi16(ina1, inb1);
133 step1a[2] = _mm256_add_epi16(ina2, inb2);
134 step1a[3] = _mm256_add_epi16(ina3, inb3);
135 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
136 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
137 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
138 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
139 step1a[0] = _mm256_slli_epi16(step1a[0], 2);
140 step1a[1] = _mm256_slli_epi16(step1a[1], 2);
141 step1a[2] = _mm256_slli_epi16(step1a[2], 2);
142 step1a[3] = _mm256_slli_epi16(step1a[3], 2);
143 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
144 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
145 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
146 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
147 }
148 {
149 const int16_t *ina = in + 4 * str1;
150 const int16_t *inb = in + 27 * str1;
151 __m256i *step1a = &step1[4];
152 __m256i *step1b = &step1[27];
153 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
154 const __m256i ina1 =
155 _mm256_loadu_si256((const __m256i *)(ina + str1));
156 const __m256i ina2 =
157 _mm256_loadu_si256((const __m256i *)(ina + str2));
158 const __m256i ina3 =
159 _mm256_loadu_si256((const __m256i *)(ina + str3));
160 const __m256i inb3 =
161 _mm256_loadu_si256((const __m256i *)(inb - str3));
162 const __m256i inb2 =
163 _mm256_loadu_si256((const __m256i *)(inb - str2));
164 const __m256i inb1 =
165 _mm256_loadu_si256((const __m256i *)(inb - str1));
166 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
167 step1a[0] = _mm256_add_epi16(ina0, inb0);
168 step1a[1] = _mm256_add_epi16(ina1, inb1);
169 step1a[2] = _mm256_add_epi16(ina2, inb2);
170 step1a[3] = _mm256_add_epi16(ina3, inb3);
171 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
172 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
173 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
174 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
175 step1a[0] = _mm256_slli_epi16(step1a[0], 2);
176 step1a[1] = _mm256_slli_epi16(step1a[1], 2);
177 step1a[2] = _mm256_slli_epi16(step1a[2], 2);
178 step1a[3] = _mm256_slli_epi16(step1a[3], 2);
179 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
180 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
181 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
182 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
183 }
184 {
185 const int16_t *ina = in + 8 * str1;
186 const int16_t *inb = in + 23 * str1;
187 __m256i *step1a = &step1[8];
188 __m256i *step1b = &step1[23];
189 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
190 const __m256i ina1 =
191 _mm256_loadu_si256((const __m256i *)(ina + str1));
192 const __m256i ina2 =
193 _mm256_loadu_si256((const __m256i *)(ina + str2));
194 const __m256i ina3 =
195 _mm256_loadu_si256((const __m256i *)(ina + str3));
196 const __m256i inb3 =
197 _mm256_loadu_si256((const __m256i *)(inb - str3));
198 const __m256i inb2 =
199 _mm256_loadu_si256((const __m256i *)(inb - str2));
200 const __m256i inb1 =
201 _mm256_loadu_si256((const __m256i *)(inb - str1));
202 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
203 step1a[0] = _mm256_add_epi16(ina0, inb0);
204 step1a[1] = _mm256_add_epi16(ina1, inb1);
205 step1a[2] = _mm256_add_epi16(ina2, inb2);
206 step1a[3] = _mm256_add_epi16(ina3, inb3);
207 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
208 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
209 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
210 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
211 step1a[0] = _mm256_slli_epi16(step1a[0], 2);
212 step1a[1] = _mm256_slli_epi16(step1a[1], 2);
213 step1a[2] = _mm256_slli_epi16(step1a[2], 2);
214 step1a[3] = _mm256_slli_epi16(step1a[3], 2);
215 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
216 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
217 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
218 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
219 }
220 {
221 const int16_t *ina = in + 12 * str1;
222 const int16_t *inb = in + 19 * str1;
223 __m256i *step1a = &step1[12];
224 __m256i *step1b = &step1[19];
225 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
226 const __m256i ina1 =
227 _mm256_loadu_si256((const __m256i *)(ina + str1));
228 const __m256i ina2 =
229 _mm256_loadu_si256((const __m256i *)(ina + str2));
230 const __m256i ina3 =
231 _mm256_loadu_si256((const __m256i *)(ina + str3));
232 const __m256i inb3 =
233 _mm256_loadu_si256((const __m256i *)(inb - str3));
234 const __m256i inb2 =
235 _mm256_loadu_si256((const __m256i *)(inb - str2));
236 const __m256i inb1 =
237 _mm256_loadu_si256((const __m256i *)(inb - str1));
238 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
239 step1a[0] = _mm256_add_epi16(ina0, inb0);
240 step1a[1] = _mm256_add_epi16(ina1, inb1);
241 step1a[2] = _mm256_add_epi16(ina2, inb2);
242 step1a[3] = _mm256_add_epi16(ina3, inb3);
243 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
244 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
245 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
246 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
247 step1a[0] = _mm256_slli_epi16(step1a[0], 2);
248 step1a[1] = _mm256_slli_epi16(step1a[1], 2);
249 step1a[2] = _mm256_slli_epi16(step1a[2], 2);
250 step1a[3] = _mm256_slli_epi16(step1a[3], 2);
251 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
252 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
253 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
254 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
255 }
256 } else {
257 int16_t *in = &intermediate[column_start];
258 // step1[i] = in[ 0 * 32] + in[(32 - 1) * 32];
259 // Note: using the same approach as above to have common offset is
260 // counter-productive as all offsets can be calculated at compile
261 // time.
262 // Note: the next four blocks could be in a loop. That would help the
263 // instruction cache but is actually slower.
264 {
265 __m256i in00 = _mm256_loadu_si256((const __m256i *)(in + 0 * 32));
266 __m256i in01 = _mm256_loadu_si256((const __m256i *)(in + 1 * 32));
267 __m256i in02 = _mm256_loadu_si256((const __m256i *)(in + 2 * 32));
268 __m256i in03 = _mm256_loadu_si256((const __m256i *)(in + 3 * 32));
269 __m256i in28 = _mm256_loadu_si256((const __m256i *)(in + 28 * 32));
270 __m256i in29 = _mm256_loadu_si256((const __m256i *)(in + 29 * 32));
271 __m256i in30 = _mm256_loadu_si256((const __m256i *)(in + 30 * 32));
272 __m256i in31 = _mm256_loadu_si256((const __m256i *)(in + 31 * 32));
273 step1[0] = _mm256_add_epi16(in00, in31);
274 step1[1] = _mm256_add_epi16(in01, in30);
275 step1[2] = _mm256_add_epi16(in02, in29);
276 step1[3] = _mm256_add_epi16(in03, in28);
277 step1[28] = _mm256_sub_epi16(in03, in28);
278 step1[29] = _mm256_sub_epi16(in02, in29);
279 step1[30] = _mm256_sub_epi16(in01, in30);
280 step1[31] = _mm256_sub_epi16(in00, in31);
281 }
282 {
283 __m256i in04 = _mm256_loadu_si256((const __m256i *)(in + 4 * 32));
284 __m256i in05 = _mm256_loadu_si256((const __m256i *)(in + 5 * 32));
285 __m256i in06 = _mm256_loadu_si256((const __m256i *)(in + 6 * 32));
286 __m256i in07 = _mm256_loadu_si256((const __m256i *)(in + 7 * 32));
287 __m256i in24 = _mm256_loadu_si256((const __m256i *)(in + 24 * 32));
288 __m256i in25 = _mm256_loadu_si256((const __m256i *)(in + 25 * 32));
289 __m256i in26 = _mm256_loadu_si256((const __m256i *)(in + 26 * 32));
290 __m256i in27 = _mm256_loadu_si256((const __m256i *)(in + 27 * 32));
291 step1[4] = _mm256_add_epi16(in04, in27);
292 step1[5] = _mm256_add_epi16(in05, in26);
293 step1[6] = _mm256_add_epi16(in06, in25);
294 step1[7] = _mm256_add_epi16(in07, in24);
295 step1[24] = _mm256_sub_epi16(in07, in24);
296 step1[25] = _mm256_sub_epi16(in06, in25);
297 step1[26] = _mm256_sub_epi16(in05, in26);
298 step1[27] = _mm256_sub_epi16(in04, in27);
299 }
300 {
301 __m256i in08 = _mm256_loadu_si256((const __m256i *)(in + 8 * 32));
302 __m256i in09 = _mm256_loadu_si256((const __m256i *)(in + 9 * 32));
303 __m256i in10 = _mm256_loadu_si256((const __m256i *)(in + 10 * 32));
304 __m256i in11 = _mm256_loadu_si256((const __m256i *)(in + 11 * 32));
305 __m256i in20 = _mm256_loadu_si256((const __m256i *)(in + 20 * 32));
306 __m256i in21 = _mm256_loadu_si256((const __m256i *)(in + 21 * 32));
307 __m256i in22 = _mm256_loadu_si256((const __m256i *)(in + 22 * 32));
308 __m256i in23 = _mm256_loadu_si256((const __m256i *)(in + 23 * 32));
309 step1[8] = _mm256_add_epi16(in08, in23);
310 step1[9] = _mm256_add_epi16(in09, in22);
311 step1[10] = _mm256_add_epi16(in10, in21);
312 step1[11] = _mm256_add_epi16(in11, in20);
313 step1[20] = _mm256_sub_epi16(in11, in20);
314 step1[21] = _mm256_sub_epi16(in10, in21);
315 step1[22] = _mm256_sub_epi16(in09, in22);
316 step1[23] = _mm256_sub_epi16(in08, in23);
317 }
318 {
319 __m256i in12 = _mm256_loadu_si256((const __m256i *)(in + 12 * 32));
320 __m256i in13 = _mm256_loadu_si256((const __m256i *)(in + 13 * 32));
321 __m256i in14 = _mm256_loadu_si256((const __m256i *)(in + 14 * 32));
322 __m256i in15 = _mm256_loadu_si256((const __m256i *)(in + 15 * 32));
323 __m256i in16 = _mm256_loadu_si256((const __m256i *)(in + 16 * 32));
324 __m256i in17 = _mm256_loadu_si256((const __m256i *)(in + 17 * 32));
325 __m256i in18 = _mm256_loadu_si256((const __m256i *)(in + 18 * 32));
326 __m256i in19 = _mm256_loadu_si256((const __m256i *)(in + 19 * 32));
327 step1[12] = _mm256_add_epi16(in12, in19);
328 step1[13] = _mm256_add_epi16(in13, in18);
329 step1[14] = _mm256_add_epi16(in14, in17);
330 step1[15] = _mm256_add_epi16(in15, in16);
331 step1[16] = _mm256_sub_epi16(in15, in16);
332 step1[17] = _mm256_sub_epi16(in14, in17);
333 step1[18] = _mm256_sub_epi16(in13, in18);
334 step1[19] = _mm256_sub_epi16(in12, in19);
335 }
336 }
337 // Stage 2
338 {
339 step2[0] = _mm256_add_epi16(step1[0], step1[15]);
340 step2[1] = _mm256_add_epi16(step1[1], step1[14]);
341 step2[2] = _mm256_add_epi16(step1[2], step1[13]);
342 step2[3] = _mm256_add_epi16(step1[3], step1[12]);
343 step2[4] = _mm256_add_epi16(step1[4], step1[11]);
344 step2[5] = _mm256_add_epi16(step1[5], step1[10]);
345 step2[6] = _mm256_add_epi16(step1[6], step1[9]);
346 step2[7] = _mm256_add_epi16(step1[7], step1[8]);
347 step2[8] = _mm256_sub_epi16(step1[7], step1[8]);
348 step2[9] = _mm256_sub_epi16(step1[6], step1[9]);
349 step2[10] = _mm256_sub_epi16(step1[5], step1[10]);
350 step2[11] = _mm256_sub_epi16(step1[4], step1[11]);
351 step2[12] = _mm256_sub_epi16(step1[3], step1[12]);
352 step2[13] = _mm256_sub_epi16(step1[2], step1[13]);
353 step2[14] = _mm256_sub_epi16(step1[1], step1[14]);
354 step2[15] = _mm256_sub_epi16(step1[0], step1[15]);
355 }
356 {
357 const __m256i s2_20_0 = _mm256_unpacklo_epi16(step1[27], step1[20]);
358 const __m256i s2_20_1 = _mm256_unpackhi_epi16(step1[27], step1[20]);
359 const __m256i s2_21_0 = _mm256_unpacklo_epi16(step1[26], step1[21]);
360 const __m256i s2_21_1 = _mm256_unpackhi_epi16(step1[26], step1[21]);
361 const __m256i s2_22_0 = _mm256_unpacklo_epi16(step1[25], step1[22]);
362 const __m256i s2_22_1 = _mm256_unpackhi_epi16(step1[25], step1[22]);
363 const __m256i s2_23_0 = _mm256_unpacklo_epi16(step1[24], step1[23]);
364 const __m256i s2_23_1 = _mm256_unpackhi_epi16(step1[24], step1[23]);
365 const __m256i s2_20_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_m16);
366 const __m256i s2_20_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_m16);
367 const __m256i s2_21_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_m16);
368 const __m256i s2_21_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_m16);
369 const __m256i s2_22_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_m16);
370 const __m256i s2_22_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_m16);
371 const __m256i s2_23_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_m16);
372 const __m256i s2_23_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_m16);
373 const __m256i s2_24_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_p16);
374 const __m256i s2_24_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_p16);
375 const __m256i s2_25_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_p16);
376 const __m256i s2_25_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_p16);
377 const __m256i s2_26_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_p16);
378 const __m256i s2_26_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_p16);
379 const __m256i s2_27_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_p16);
380 const __m256i s2_27_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_p16);
381 // dct_const_round_shift
382 const __m256i s2_20_4 =
383 _mm256_add_epi32(s2_20_2, k__DCT_CONST_ROUNDING);
384 const __m256i s2_20_5 =
385 _mm256_add_epi32(s2_20_3, k__DCT_CONST_ROUNDING);
386 const __m256i s2_21_4 =
387 _mm256_add_epi32(s2_21_2, k__DCT_CONST_ROUNDING);
388 const __m256i s2_21_5 =
389 _mm256_add_epi32(s2_21_3, k__DCT_CONST_ROUNDING);
390 const __m256i s2_22_4 =
391 _mm256_add_epi32(s2_22_2, k__DCT_CONST_ROUNDING);
392 const __m256i s2_22_5 =
393 _mm256_add_epi32(s2_22_3, k__DCT_CONST_ROUNDING);
394 const __m256i s2_23_4 =
395 _mm256_add_epi32(s2_23_2, k__DCT_CONST_ROUNDING);
396 const __m256i s2_23_5 =
397 _mm256_add_epi32(s2_23_3, k__DCT_CONST_ROUNDING);
398 const __m256i s2_24_4 =
399 _mm256_add_epi32(s2_24_2, k__DCT_CONST_ROUNDING);
400 const __m256i s2_24_5 =
401 _mm256_add_epi32(s2_24_3, k__DCT_CONST_ROUNDING);
402 const __m256i s2_25_4 =
403 _mm256_add_epi32(s2_25_2, k__DCT_CONST_ROUNDING);
404 const __m256i s2_25_5 =
405 _mm256_add_epi32(s2_25_3, k__DCT_CONST_ROUNDING);
406 const __m256i s2_26_4 =
407 _mm256_add_epi32(s2_26_2, k__DCT_CONST_ROUNDING);
408 const __m256i s2_26_5 =
409 _mm256_add_epi32(s2_26_3, k__DCT_CONST_ROUNDING);
410 const __m256i s2_27_4 =
411 _mm256_add_epi32(s2_27_2, k__DCT_CONST_ROUNDING);
412 const __m256i s2_27_5 =
413 _mm256_add_epi32(s2_27_3, k__DCT_CONST_ROUNDING);
414 const __m256i s2_20_6 = _mm256_srai_epi32(s2_20_4, DCT_CONST_BITS);
415 const __m256i s2_20_7 = _mm256_srai_epi32(s2_20_5, DCT_CONST_BITS);
416 const __m256i s2_21_6 = _mm256_srai_epi32(s2_21_4, DCT_CONST_BITS);
417 const __m256i s2_21_7 = _mm256_srai_epi32(s2_21_5, DCT_CONST_BITS);
418 const __m256i s2_22_6 = _mm256_srai_epi32(s2_22_4, DCT_CONST_BITS);
419 const __m256i s2_22_7 = _mm256_srai_epi32(s2_22_5, DCT_CONST_BITS);
420 const __m256i s2_23_6 = _mm256_srai_epi32(s2_23_4, DCT_CONST_BITS);
421 const __m256i s2_23_7 = _mm256_srai_epi32(s2_23_5, DCT_CONST_BITS);
422 const __m256i s2_24_6 = _mm256_srai_epi32(s2_24_4, DCT_CONST_BITS);
423 const __m256i s2_24_7 = _mm256_srai_epi32(s2_24_5, DCT_CONST_BITS);
424 const __m256i s2_25_6 = _mm256_srai_epi32(s2_25_4, DCT_CONST_BITS);
425 const __m256i s2_25_7 = _mm256_srai_epi32(s2_25_5, DCT_CONST_BITS);
426 const __m256i s2_26_6 = _mm256_srai_epi32(s2_26_4, DCT_CONST_BITS);
427 const __m256i s2_26_7 = _mm256_srai_epi32(s2_26_5, DCT_CONST_BITS);
428 const __m256i s2_27_6 = _mm256_srai_epi32(s2_27_4, DCT_CONST_BITS);
429 const __m256i s2_27_7 = _mm256_srai_epi32(s2_27_5, DCT_CONST_BITS);
430 // Combine
431 step2[20] = _mm256_packs_epi32(s2_20_6, s2_20_7);
432 step2[21] = _mm256_packs_epi32(s2_21_6, s2_21_7);
433 step2[22] = _mm256_packs_epi32(s2_22_6, s2_22_7);
434 step2[23] = _mm256_packs_epi32(s2_23_6, s2_23_7);
435 step2[24] = _mm256_packs_epi32(s2_24_6, s2_24_7);
436 step2[25] = _mm256_packs_epi32(s2_25_6, s2_25_7);
437 step2[26] = _mm256_packs_epi32(s2_26_6, s2_26_7);
438 step2[27] = _mm256_packs_epi32(s2_27_6, s2_27_7);
439 }
440
441 #if !FDCT32x32_HIGH_PRECISION
442 // dump the magnitude by half, hence the intermediate values are within
443 // the range of 16 bits.
444 if (1 == pass) {
445 __m256i s3_00_0 = _mm256_cmpgt_epi16(kZero, step2[0]);
446 __m256i s3_01_0 = _mm256_cmpgt_epi16(kZero, step2[1]);
447 __m256i s3_02_0 = _mm256_cmpgt_epi16(kZero, step2[2]);
448 __m256i s3_03_0 = _mm256_cmpgt_epi16(kZero, step2[3]);
449 __m256i s3_04_0 = _mm256_cmpgt_epi16(kZero, step2[4]);
450 __m256i s3_05_0 = _mm256_cmpgt_epi16(kZero, step2[5]);
451 __m256i s3_06_0 = _mm256_cmpgt_epi16(kZero, step2[6]);
452 __m256i s3_07_0 = _mm256_cmpgt_epi16(kZero, step2[7]);
453 __m256i s2_08_0 = _mm256_cmpgt_epi16(kZero, step2[8]);
454 __m256i s2_09_0 = _mm256_cmpgt_epi16(kZero, step2[9]);
455 __m256i s3_10_0 = _mm256_cmpgt_epi16(kZero, step2[10]);
456 __m256i s3_11_0 = _mm256_cmpgt_epi16(kZero, step2[11]);
457 __m256i s3_12_0 = _mm256_cmpgt_epi16(kZero, step2[12]);
458 __m256i s3_13_0 = _mm256_cmpgt_epi16(kZero, step2[13]);
459 __m256i s2_14_0 = _mm256_cmpgt_epi16(kZero, step2[14]);
460 __m256i s2_15_0 = _mm256_cmpgt_epi16(kZero, step2[15]);
461 __m256i s3_16_0 = _mm256_cmpgt_epi16(kZero, step1[16]);
462 __m256i s3_17_0 = _mm256_cmpgt_epi16(kZero, step1[17]);
463 __m256i s3_18_0 = _mm256_cmpgt_epi16(kZero, step1[18]);
464 __m256i s3_19_0 = _mm256_cmpgt_epi16(kZero, step1[19]);
465 __m256i s3_20_0 = _mm256_cmpgt_epi16(kZero, step2[20]);
466 __m256i s3_21_0 = _mm256_cmpgt_epi16(kZero, step2[21]);
467 __m256i s3_22_0 = _mm256_cmpgt_epi16(kZero, step2[22]);
468 __m256i s3_23_0 = _mm256_cmpgt_epi16(kZero, step2[23]);
469 __m256i s3_24_0 = _mm256_cmpgt_epi16(kZero, step2[24]);
470 __m256i s3_25_0 = _mm256_cmpgt_epi16(kZero, step2[25]);
471 __m256i s3_26_0 = _mm256_cmpgt_epi16(kZero, step2[26]);
472 __m256i s3_27_0 = _mm256_cmpgt_epi16(kZero, step2[27]);
473 __m256i s3_28_0 = _mm256_cmpgt_epi16(kZero, step1[28]);
474 __m256i s3_29_0 = _mm256_cmpgt_epi16(kZero, step1[29]);
475 __m256i s3_30_0 = _mm256_cmpgt_epi16(kZero, step1[30]);
476 __m256i s3_31_0 = _mm256_cmpgt_epi16(kZero, step1[31]);
477
478 step2[0] = _mm256_sub_epi16(step2[0], s3_00_0);
479 step2[1] = _mm256_sub_epi16(step2[1], s3_01_0);
480 step2[2] = _mm256_sub_epi16(step2[2], s3_02_0);
481 step2[3] = _mm256_sub_epi16(step2[3], s3_03_0);
482 step2[4] = _mm256_sub_epi16(step2[4], s3_04_0);
483 step2[5] = _mm256_sub_epi16(step2[5], s3_05_0);
484 step2[6] = _mm256_sub_epi16(step2[6], s3_06_0);
485 step2[7] = _mm256_sub_epi16(step2[7], s3_07_0);
486 step2[8] = _mm256_sub_epi16(step2[8], s2_08_0);
487 step2[9] = _mm256_sub_epi16(step2[9], s2_09_0);
488 step2[10] = _mm256_sub_epi16(step2[10], s3_10_0);
489 step2[11] = _mm256_sub_epi16(step2[11], s3_11_0);
490 step2[12] = _mm256_sub_epi16(step2[12], s3_12_0);
491 step2[13] = _mm256_sub_epi16(step2[13], s3_13_0);
492 step2[14] = _mm256_sub_epi16(step2[14], s2_14_0);
493 step2[15] = _mm256_sub_epi16(step2[15], s2_15_0);
494 step1[16] = _mm256_sub_epi16(step1[16], s3_16_0);
495 step1[17] = _mm256_sub_epi16(step1[17], s3_17_0);
496 step1[18] = _mm256_sub_epi16(step1[18], s3_18_0);
497 step1[19] = _mm256_sub_epi16(step1[19], s3_19_0);
498 step2[20] = _mm256_sub_epi16(step2[20], s3_20_0);
499 step2[21] = _mm256_sub_epi16(step2[21], s3_21_0);
500 step2[22] = _mm256_sub_epi16(step2[22], s3_22_0);
501 step2[23] = _mm256_sub_epi16(step2[23], s3_23_0);
502 step2[24] = _mm256_sub_epi16(step2[24], s3_24_0);
503 step2[25] = _mm256_sub_epi16(step2[25], s3_25_0);
504 step2[26] = _mm256_sub_epi16(step2[26], s3_26_0);
505 step2[27] = _mm256_sub_epi16(step2[27], s3_27_0);
506 step1[28] = _mm256_sub_epi16(step1[28], s3_28_0);
507 step1[29] = _mm256_sub_epi16(step1[29], s3_29_0);
508 step1[30] = _mm256_sub_epi16(step1[30], s3_30_0);
509 step1[31] = _mm256_sub_epi16(step1[31], s3_31_0);
510
511 step2[0] = _mm256_add_epi16(step2[0], kOne);
512 step2[1] = _mm256_add_epi16(step2[1], kOne);
513 step2[2] = _mm256_add_epi16(step2[2], kOne);
514 step2[3] = _mm256_add_epi16(step2[3], kOne);
515 step2[4] = _mm256_add_epi16(step2[4], kOne);
516 step2[5] = _mm256_add_epi16(step2[5], kOne);
517 step2[6] = _mm256_add_epi16(step2[6], kOne);
518 step2[7] = _mm256_add_epi16(step2[7], kOne);
519 step2[8] = _mm256_add_epi16(step2[8], kOne);
520 step2[9] = _mm256_add_epi16(step2[9], kOne);
521 step2[10] = _mm256_add_epi16(step2[10], kOne);
522 step2[11] = _mm256_add_epi16(step2[11], kOne);
523 step2[12] = _mm256_add_epi16(step2[12], kOne);
524 step2[13] = _mm256_add_epi16(step2[13], kOne);
525 step2[14] = _mm256_add_epi16(step2[14], kOne);
526 step2[15] = _mm256_add_epi16(step2[15], kOne);
527 step1[16] = _mm256_add_epi16(step1[16], kOne);
528 step1[17] = _mm256_add_epi16(step1[17], kOne);
529 step1[18] = _mm256_add_epi16(step1[18], kOne);
530 step1[19] = _mm256_add_epi16(step1[19], kOne);
531 step2[20] = _mm256_add_epi16(step2[20], kOne);
532 step2[21] = _mm256_add_epi16(step2[21], kOne);
533 step2[22] = _mm256_add_epi16(step2[22], kOne);
534 step2[23] = _mm256_add_epi16(step2[23], kOne);
535 step2[24] = _mm256_add_epi16(step2[24], kOne);
536 step2[25] = _mm256_add_epi16(step2[25], kOne);
537 step2[26] = _mm256_add_epi16(step2[26], kOne);
538 step2[27] = _mm256_add_epi16(step2[27], kOne);
539 step1[28] = _mm256_add_epi16(step1[28], kOne);
540 step1[29] = _mm256_add_epi16(step1[29], kOne);
541 step1[30] = _mm256_add_epi16(step1[30], kOne);
542 step1[31] = _mm256_add_epi16(step1[31], kOne);
543
544 step2[0] = _mm256_srai_epi16(step2[0], 2);
545 step2[1] = _mm256_srai_epi16(step2[1], 2);
546 step2[2] = _mm256_srai_epi16(step2[2], 2);
547 step2[3] = _mm256_srai_epi16(step2[3], 2);
548 step2[4] = _mm256_srai_epi16(step2[4], 2);
549 step2[5] = _mm256_srai_epi16(step2[5], 2);
550 step2[6] = _mm256_srai_epi16(step2[6], 2);
551 step2[7] = _mm256_srai_epi16(step2[7], 2);
552 step2[8] = _mm256_srai_epi16(step2[8], 2);
553 step2[9] = _mm256_srai_epi16(step2[9], 2);
554 step2[10] = _mm256_srai_epi16(step2[10], 2);
555 step2[11] = _mm256_srai_epi16(step2[11], 2);
556 step2[12] = _mm256_srai_epi16(step2[12], 2);
557 step2[13] = _mm256_srai_epi16(step2[13], 2);
558 step2[14] = _mm256_srai_epi16(step2[14], 2);
559 step2[15] = _mm256_srai_epi16(step2[15], 2);
560 step1[16] = _mm256_srai_epi16(step1[16], 2);
561 step1[17] = _mm256_srai_epi16(step1[17], 2);
562 step1[18] = _mm256_srai_epi16(step1[18], 2);
563 step1[19] = _mm256_srai_epi16(step1[19], 2);
564 step2[20] = _mm256_srai_epi16(step2[20], 2);
565 step2[21] = _mm256_srai_epi16(step2[21], 2);
566 step2[22] = _mm256_srai_epi16(step2[22], 2);
567 step2[23] = _mm256_srai_epi16(step2[23], 2);
568 step2[24] = _mm256_srai_epi16(step2[24], 2);
569 step2[25] = _mm256_srai_epi16(step2[25], 2);
570 step2[26] = _mm256_srai_epi16(step2[26], 2);
571 step2[27] = _mm256_srai_epi16(step2[27], 2);
572 step1[28] = _mm256_srai_epi16(step1[28], 2);
573 step1[29] = _mm256_srai_epi16(step1[29], 2);
574 step1[30] = _mm256_srai_epi16(step1[30], 2);
575 step1[31] = _mm256_srai_epi16(step1[31], 2);
576 }
577 #endif
578
579 #if FDCT32x32_HIGH_PRECISION
580 if (pass == 0) {
581 #endif
582 // Stage 3
583 {
584 step3[0] = _mm256_add_epi16(step2[(8 - 1)], step2[0]);
585 step3[1] = _mm256_add_epi16(step2[(8 - 2)], step2[1]);
586 step3[2] = _mm256_add_epi16(step2[(8 - 3)], step2[2]);
587 step3[3] = _mm256_add_epi16(step2[(8 - 4)], step2[3]);
588 step3[4] = _mm256_sub_epi16(step2[(8 - 5)], step2[4]);
589 step3[5] = _mm256_sub_epi16(step2[(8 - 6)], step2[5]);
590 step3[6] = _mm256_sub_epi16(step2[(8 - 7)], step2[6]);
591 step3[7] = _mm256_sub_epi16(step2[(8 - 8)], step2[7]);
592 }
593 {
594 const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]);
595 const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]);
596 const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]);
597 const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]);
598 const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16);
599 const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16);
600 const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16);
601 const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16);
602 const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16);
603 const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16);
604 const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16);
605 const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16);
606 // dct_const_round_shift
607 const __m256i s3_10_4 =
608 _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING);
609 const __m256i s3_10_5 =
610 _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING);
611 const __m256i s3_11_4 =
612 _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING);
613 const __m256i s3_11_5 =
614 _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING);
615 const __m256i s3_12_4 =
616 _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING);
617 const __m256i s3_12_5 =
618 _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING);
619 const __m256i s3_13_4 =
620 _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING);
621 const __m256i s3_13_5 =
622 _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING);
623 const __m256i s3_10_6 = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS);
624 const __m256i s3_10_7 = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS);
625 const __m256i s3_11_6 = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS);
626 const __m256i s3_11_7 = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS);
627 const __m256i s3_12_6 = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS);
628 const __m256i s3_12_7 = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS);
629 const __m256i s3_13_6 = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS);
630 const __m256i s3_13_7 = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS);
631 // Combine
632 step3[10] = _mm256_packs_epi32(s3_10_6, s3_10_7);
633 step3[11] = _mm256_packs_epi32(s3_11_6, s3_11_7);
634 step3[12] = _mm256_packs_epi32(s3_12_6, s3_12_7);
635 step3[13] = _mm256_packs_epi32(s3_13_6, s3_13_7);
636 }
637 {
638 step3[16] = _mm256_add_epi16(step2[23], step1[16]);
639 step3[17] = _mm256_add_epi16(step2[22], step1[17]);
640 step3[18] = _mm256_add_epi16(step2[21], step1[18]);
641 step3[19] = _mm256_add_epi16(step2[20], step1[19]);
642 step3[20] = _mm256_sub_epi16(step1[19], step2[20]);
643 step3[21] = _mm256_sub_epi16(step1[18], step2[21]);
644 step3[22] = _mm256_sub_epi16(step1[17], step2[22]);
645 step3[23] = _mm256_sub_epi16(step1[16], step2[23]);
646 step3[24] = _mm256_sub_epi16(step1[31], step2[24]);
647 step3[25] = _mm256_sub_epi16(step1[30], step2[25]);
648 step3[26] = _mm256_sub_epi16(step1[29], step2[26]);
649 step3[27] = _mm256_sub_epi16(step1[28], step2[27]);
650 step3[28] = _mm256_add_epi16(step2[27], step1[28]);
651 step3[29] = _mm256_add_epi16(step2[26], step1[29]);
652 step3[30] = _mm256_add_epi16(step2[25], step1[30]);
653 step3[31] = _mm256_add_epi16(step2[24], step1[31]);
654 }
655
656 // Stage 4
657 {
658 step1[0] = _mm256_add_epi16(step3[3], step3[0]);
659 step1[1] = _mm256_add_epi16(step3[2], step3[1]);
660 step1[2] = _mm256_sub_epi16(step3[1], step3[2]);
661 step1[3] = _mm256_sub_epi16(step3[0], step3[3]);
662 step1[8] = _mm256_add_epi16(step3[11], step2[8]);
663 step1[9] = _mm256_add_epi16(step3[10], step2[9]);
664 step1[10] = _mm256_sub_epi16(step2[9], step3[10]);
665 step1[11] = _mm256_sub_epi16(step2[8], step3[11]);
666 step1[12] = _mm256_sub_epi16(step2[15], step3[12]);
667 step1[13] = _mm256_sub_epi16(step2[14], step3[13]);
668 step1[14] = _mm256_add_epi16(step3[13], step2[14]);
669 step1[15] = _mm256_add_epi16(step3[12], step2[15]);
670 }
671 {
672 const __m256i s1_05_0 = _mm256_unpacklo_epi16(step3[6], step3[5]);
673 const __m256i s1_05_1 = _mm256_unpackhi_epi16(step3[6], step3[5]);
674 const __m256i s1_05_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_m16);
675 const __m256i s1_05_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_m16);
676 const __m256i s1_06_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_p16);
677 const __m256i s1_06_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_p16);
678 // dct_const_round_shift
679 const __m256i s1_05_4 =
680 _mm256_add_epi32(s1_05_2, k__DCT_CONST_ROUNDING);
681 const __m256i s1_05_5 =
682 _mm256_add_epi32(s1_05_3, k__DCT_CONST_ROUNDING);
683 const __m256i s1_06_4 =
684 _mm256_add_epi32(s1_06_2, k__DCT_CONST_ROUNDING);
685 const __m256i s1_06_5 =
686 _mm256_add_epi32(s1_06_3, k__DCT_CONST_ROUNDING);
687 const __m256i s1_05_6 = _mm256_srai_epi32(s1_05_4, DCT_CONST_BITS);
688 const __m256i s1_05_7 = _mm256_srai_epi32(s1_05_5, DCT_CONST_BITS);
689 const __m256i s1_06_6 = _mm256_srai_epi32(s1_06_4, DCT_CONST_BITS);
690 const __m256i s1_06_7 = _mm256_srai_epi32(s1_06_5, DCT_CONST_BITS);
691 // Combine
692 step1[5] = _mm256_packs_epi32(s1_05_6, s1_05_7);
693 step1[6] = _mm256_packs_epi32(s1_06_6, s1_06_7);
694 }
695 {
696 const __m256i s1_18_0 = _mm256_unpacklo_epi16(step3[18], step3[29]);
697 const __m256i s1_18_1 = _mm256_unpackhi_epi16(step3[18], step3[29]);
698 const __m256i s1_19_0 = _mm256_unpacklo_epi16(step3[19], step3[28]);
699 const __m256i s1_19_1 = _mm256_unpackhi_epi16(step3[19], step3[28]);
700 const __m256i s1_20_0 = _mm256_unpacklo_epi16(step3[20], step3[27]);
701 const __m256i s1_20_1 = _mm256_unpackhi_epi16(step3[20], step3[27]);
702 const __m256i s1_21_0 = _mm256_unpacklo_epi16(step3[21], step3[26]);
703 const __m256i s1_21_1 = _mm256_unpackhi_epi16(step3[21], step3[26]);
704 const __m256i s1_18_2 = _mm256_madd_epi16(s1_18_0, k__cospi_m08_p24);
705 const __m256i s1_18_3 = _mm256_madd_epi16(s1_18_1, k__cospi_m08_p24);
706 const __m256i s1_19_2 = _mm256_madd_epi16(s1_19_0, k__cospi_m08_p24);
707 const __m256i s1_19_3 = _mm256_madd_epi16(s1_19_1, k__cospi_m08_p24);
708 const __m256i s1_20_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m24_m08);
709 const __m256i s1_20_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m24_m08);
710 const __m256i s1_21_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m24_m08);
711 const __m256i s1_21_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m24_m08);
712 const __m256i s1_26_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m08_p24);
713 const __m256i s1_26_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m08_p24);
714 const __m256i s1_27_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m08_p24);
715 const __m256i s1_27_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m08_p24);
716 const __m256i s1_28_2 = _mm256_madd_epi16(s1_19_0, k__cospi_p24_p08);
717 const __m256i s1_28_3 = _mm256_madd_epi16(s1_19_1, k__cospi_p24_p08);
718 const __m256i s1_29_2 = _mm256_madd_epi16(s1_18_0, k__cospi_p24_p08);
719 const __m256i s1_29_3 = _mm256_madd_epi16(s1_18_1, k__cospi_p24_p08);
720 // dct_const_round_shift
721 const __m256i s1_18_4 =
722 _mm256_add_epi32(s1_18_2, k__DCT_CONST_ROUNDING);
723 const __m256i s1_18_5 =
724 _mm256_add_epi32(s1_18_3, k__DCT_CONST_ROUNDING);
725 const __m256i s1_19_4 =
726 _mm256_add_epi32(s1_19_2, k__DCT_CONST_ROUNDING);
727 const __m256i s1_19_5 =
728 _mm256_add_epi32(s1_19_3, k__DCT_CONST_ROUNDING);
729 const __m256i s1_20_4 =
730 _mm256_add_epi32(s1_20_2, k__DCT_CONST_ROUNDING);
731 const __m256i s1_20_5 =
732 _mm256_add_epi32(s1_20_3, k__DCT_CONST_ROUNDING);
733 const __m256i s1_21_4 =
734 _mm256_add_epi32(s1_21_2, k__DCT_CONST_ROUNDING);
735 const __m256i s1_21_5 =
736 _mm256_add_epi32(s1_21_3, k__DCT_CONST_ROUNDING);
737 const __m256i s1_26_4 =
738 _mm256_add_epi32(s1_26_2, k__DCT_CONST_ROUNDING);
739 const __m256i s1_26_5 =
740 _mm256_add_epi32(s1_26_3, k__DCT_CONST_ROUNDING);
741 const __m256i s1_27_4 =
742 _mm256_add_epi32(s1_27_2, k__DCT_CONST_ROUNDING);
743 const __m256i s1_27_5 =
744 _mm256_add_epi32(s1_27_3, k__DCT_CONST_ROUNDING);
745 const __m256i s1_28_4 =
746 _mm256_add_epi32(s1_28_2, k__DCT_CONST_ROUNDING);
747 const __m256i s1_28_5 =
748 _mm256_add_epi32(s1_28_3, k__DCT_CONST_ROUNDING);
749 const __m256i s1_29_4 =
750 _mm256_add_epi32(s1_29_2, k__DCT_CONST_ROUNDING);
751 const __m256i s1_29_5 =
752 _mm256_add_epi32(s1_29_3, k__DCT_CONST_ROUNDING);
753 const __m256i s1_18_6 = _mm256_srai_epi32(s1_18_4, DCT_CONST_BITS);
754 const __m256i s1_18_7 = _mm256_srai_epi32(s1_18_5, DCT_CONST_BITS);
755 const __m256i s1_19_6 = _mm256_srai_epi32(s1_19_4, DCT_CONST_BITS);
756 const __m256i s1_19_7 = _mm256_srai_epi32(s1_19_5, DCT_CONST_BITS);
757 const __m256i s1_20_6 = _mm256_srai_epi32(s1_20_4, DCT_CONST_BITS);
758 const __m256i s1_20_7 = _mm256_srai_epi32(s1_20_5, DCT_CONST_BITS);
759 const __m256i s1_21_6 = _mm256_srai_epi32(s1_21_4, DCT_CONST_BITS);
760 const __m256i s1_21_7 = _mm256_srai_epi32(s1_21_5, DCT_CONST_BITS);
761 const __m256i s1_26_6 = _mm256_srai_epi32(s1_26_4, DCT_CONST_BITS);
762 const __m256i s1_26_7 = _mm256_srai_epi32(s1_26_5, DCT_CONST_BITS);
763 const __m256i s1_27_6 = _mm256_srai_epi32(s1_27_4, DCT_CONST_BITS);
764 const __m256i s1_27_7 = _mm256_srai_epi32(s1_27_5, DCT_CONST_BITS);
765 const __m256i s1_28_6 = _mm256_srai_epi32(s1_28_4, DCT_CONST_BITS);
766 const __m256i s1_28_7 = _mm256_srai_epi32(s1_28_5, DCT_CONST_BITS);
767 const __m256i s1_29_6 = _mm256_srai_epi32(s1_29_4, DCT_CONST_BITS);
768 const __m256i s1_29_7 = _mm256_srai_epi32(s1_29_5, DCT_CONST_BITS);
769 // Combine
770 step1[18] = _mm256_packs_epi32(s1_18_6, s1_18_7);
771 step1[19] = _mm256_packs_epi32(s1_19_6, s1_19_7);
772 step1[20] = _mm256_packs_epi32(s1_20_6, s1_20_7);
773 step1[21] = _mm256_packs_epi32(s1_21_6, s1_21_7);
774 step1[26] = _mm256_packs_epi32(s1_26_6, s1_26_7);
775 step1[27] = _mm256_packs_epi32(s1_27_6, s1_27_7);
776 step1[28] = _mm256_packs_epi32(s1_28_6, s1_28_7);
777 step1[29] = _mm256_packs_epi32(s1_29_6, s1_29_7);
778 }
779 // Stage 5
780 {
781 step2[4] = _mm256_add_epi16(step1[5], step3[4]);
782 step2[5] = _mm256_sub_epi16(step3[4], step1[5]);
783 step2[6] = _mm256_sub_epi16(step3[7], step1[6]);
784 step2[7] = _mm256_add_epi16(step1[6], step3[7]);
785 }
786 {
787 const __m256i out_00_0 = _mm256_unpacklo_epi16(step1[0], step1[1]);
788 const __m256i out_00_1 = _mm256_unpackhi_epi16(step1[0], step1[1]);
789 const __m256i out_08_0 = _mm256_unpacklo_epi16(step1[2], step1[3]);
790 const __m256i out_08_1 = _mm256_unpackhi_epi16(step1[2], step1[3]);
791 const __m256i out_00_2 =
792 _mm256_madd_epi16(out_00_0, k__cospi_p16_p16);
793 const __m256i out_00_3 =
794 _mm256_madd_epi16(out_00_1, k__cospi_p16_p16);
795 const __m256i out_16_2 =
796 _mm256_madd_epi16(out_00_0, k__cospi_p16_m16);
797 const __m256i out_16_3 =
798 _mm256_madd_epi16(out_00_1, k__cospi_p16_m16);
799 const __m256i out_08_2 =
800 _mm256_madd_epi16(out_08_0, k__cospi_p24_p08);
801 const __m256i out_08_3 =
802 _mm256_madd_epi16(out_08_1, k__cospi_p24_p08);
803 const __m256i out_24_2 =
804 _mm256_madd_epi16(out_08_0, k__cospi_m08_p24);
805 const __m256i out_24_3 =
806 _mm256_madd_epi16(out_08_1, k__cospi_m08_p24);
807 // dct_const_round_shift
808 const __m256i out_00_4 =
809 _mm256_add_epi32(out_00_2, k__DCT_CONST_ROUNDING);
810 const __m256i out_00_5 =
811 _mm256_add_epi32(out_00_3, k__DCT_CONST_ROUNDING);
812 const __m256i out_16_4 =
813 _mm256_add_epi32(out_16_2, k__DCT_CONST_ROUNDING);
814 const __m256i out_16_5 =
815 _mm256_add_epi32(out_16_3, k__DCT_CONST_ROUNDING);
816 const __m256i out_08_4 =
817 _mm256_add_epi32(out_08_2, k__DCT_CONST_ROUNDING);
818 const __m256i out_08_5 =
819 _mm256_add_epi32(out_08_3, k__DCT_CONST_ROUNDING);
820 const __m256i out_24_4 =
821 _mm256_add_epi32(out_24_2, k__DCT_CONST_ROUNDING);
822 const __m256i out_24_5 =
823 _mm256_add_epi32(out_24_3, k__DCT_CONST_ROUNDING);
824 const __m256i out_00_6 = _mm256_srai_epi32(out_00_4, DCT_CONST_BITS);
825 const __m256i out_00_7 = _mm256_srai_epi32(out_00_5, DCT_CONST_BITS);
826 const __m256i out_16_6 = _mm256_srai_epi32(out_16_4, DCT_CONST_BITS);
827 const __m256i out_16_7 = _mm256_srai_epi32(out_16_5, DCT_CONST_BITS);
828 const __m256i out_08_6 = _mm256_srai_epi32(out_08_4, DCT_CONST_BITS);
829 const __m256i out_08_7 = _mm256_srai_epi32(out_08_5, DCT_CONST_BITS);
830 const __m256i out_24_6 = _mm256_srai_epi32(out_24_4, DCT_CONST_BITS);
831 const __m256i out_24_7 = _mm256_srai_epi32(out_24_5, DCT_CONST_BITS);
832 // Combine
833 out[0] = _mm256_packs_epi32(out_00_6, out_00_7);
834 out[16] = _mm256_packs_epi32(out_16_6, out_16_7);
835 out[8] = _mm256_packs_epi32(out_08_6, out_08_7);
836 out[24] = _mm256_packs_epi32(out_24_6, out_24_7);
837 }
838 {
839 const __m256i s2_09_0 = _mm256_unpacklo_epi16(step1[9], step1[14]);
840 const __m256i s2_09_1 = _mm256_unpackhi_epi16(step1[9], step1[14]);
841 const __m256i s2_10_0 = _mm256_unpacklo_epi16(step1[10], step1[13]);
842 const __m256i s2_10_1 = _mm256_unpackhi_epi16(step1[10], step1[13]);
843 const __m256i s2_09_2 = _mm256_madd_epi16(s2_09_0, k__cospi_m08_p24);
844 const __m256i s2_09_3 = _mm256_madd_epi16(s2_09_1, k__cospi_m08_p24);
845 const __m256i s2_10_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m24_m08);
846 const __m256i s2_10_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m24_m08);
847 const __m256i s2_13_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m08_p24);
848 const __m256i s2_13_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m08_p24);
849 const __m256i s2_14_2 = _mm256_madd_epi16(s2_09_0, k__cospi_p24_p08);
850 const __m256i s2_14_3 = _mm256_madd_epi16(s2_09_1, k__cospi_p24_p08);
851 // dct_const_round_shift
852 const __m256i s2_09_4 =
853 _mm256_add_epi32(s2_09_2, k__DCT_CONST_ROUNDING);
854 const __m256i s2_09_5 =
855 _mm256_add_epi32(s2_09_3, k__DCT_CONST_ROUNDING);
856 const __m256i s2_10_4 =
857 _mm256_add_epi32(s2_10_2, k__DCT_CONST_ROUNDING);
858 const __m256i s2_10_5 =
859 _mm256_add_epi32(s2_10_3, k__DCT_CONST_ROUNDING);
860 const __m256i s2_13_4 =
861 _mm256_add_epi32(s2_13_2, k__DCT_CONST_ROUNDING);
862 const __m256i s2_13_5 =
863 _mm256_add_epi32(s2_13_3, k__DCT_CONST_ROUNDING);
864 const __m256i s2_14_4 =
865 _mm256_add_epi32(s2_14_2, k__DCT_CONST_ROUNDING);
866 const __m256i s2_14_5 =
867 _mm256_add_epi32(s2_14_3, k__DCT_CONST_ROUNDING);
868 const __m256i s2_09_6 = _mm256_srai_epi32(s2_09_4, DCT_CONST_BITS);
869 const __m256i s2_09_7 = _mm256_srai_epi32(s2_09_5, DCT_CONST_BITS);
870 const __m256i s2_10_6 = _mm256_srai_epi32(s2_10_4, DCT_CONST_BITS);
871 const __m256i s2_10_7 = _mm256_srai_epi32(s2_10_5, DCT_CONST_BITS);
872 const __m256i s2_13_6 = _mm256_srai_epi32(s2_13_4, DCT_CONST_BITS);
873 const __m256i s2_13_7 = _mm256_srai_epi32(s2_13_5, DCT_CONST_BITS);
874 const __m256i s2_14_6 = _mm256_srai_epi32(s2_14_4, DCT_CONST_BITS);
875 const __m256i s2_14_7 = _mm256_srai_epi32(s2_14_5, DCT_CONST_BITS);
876 // Combine
877 step2[9] = _mm256_packs_epi32(s2_09_6, s2_09_7);
878 step2[10] = _mm256_packs_epi32(s2_10_6, s2_10_7);
879 step2[13] = _mm256_packs_epi32(s2_13_6, s2_13_7);
880 step2[14] = _mm256_packs_epi32(s2_14_6, s2_14_7);
881 }
882 {
883 step2[16] = _mm256_add_epi16(step1[19], step3[16]);
884 step2[17] = _mm256_add_epi16(step1[18], step3[17]);
885 step2[18] = _mm256_sub_epi16(step3[17], step1[18]);
886 step2[19] = _mm256_sub_epi16(step3[16], step1[19]);
887 step2[20] = _mm256_sub_epi16(step3[23], step1[20]);
888 step2[21] = _mm256_sub_epi16(step3[22], step1[21]);
889 step2[22] = _mm256_add_epi16(step1[21], step3[22]);
890 step2[23] = _mm256_add_epi16(step1[20], step3[23]);
891 step2[24] = _mm256_add_epi16(step1[27], step3[24]);
892 step2[25] = _mm256_add_epi16(step1[26], step3[25]);
893 step2[26] = _mm256_sub_epi16(step3[25], step1[26]);
894 step2[27] = _mm256_sub_epi16(step3[24], step1[27]);
895 step2[28] = _mm256_sub_epi16(step3[31], step1[28]);
896 step2[29] = _mm256_sub_epi16(step3[30], step1[29]);
897 step2[30] = _mm256_add_epi16(step1[29], step3[30]);
898 step2[31] = _mm256_add_epi16(step1[28], step3[31]);
899 }
900 // Stage 6
901 {
902 const __m256i out_04_0 = _mm256_unpacklo_epi16(step2[4], step2[7]);
903 const __m256i out_04_1 = _mm256_unpackhi_epi16(step2[4], step2[7]);
904 const __m256i out_20_0 = _mm256_unpacklo_epi16(step2[5], step2[6]);
905 const __m256i out_20_1 = _mm256_unpackhi_epi16(step2[5], step2[6]);
906 const __m256i out_12_0 = _mm256_unpacklo_epi16(step2[5], step2[6]);
907 const __m256i out_12_1 = _mm256_unpackhi_epi16(step2[5], step2[6]);
908 const __m256i out_28_0 = _mm256_unpacklo_epi16(step2[4], step2[7]);
909 const __m256i out_28_1 = _mm256_unpackhi_epi16(step2[4], step2[7]);
910 const __m256i out_04_2 =
911 _mm256_madd_epi16(out_04_0, k__cospi_p28_p04);
912 const __m256i out_04_3 =
913 _mm256_madd_epi16(out_04_1, k__cospi_p28_p04);
914 const __m256i out_20_2 =
915 _mm256_madd_epi16(out_20_0, k__cospi_p12_p20);
916 const __m256i out_20_3 =
917 _mm256_madd_epi16(out_20_1, k__cospi_p12_p20);
918 const __m256i out_12_2 =
919 _mm256_madd_epi16(out_12_0, k__cospi_m20_p12);
920 const __m256i out_12_3 =
921 _mm256_madd_epi16(out_12_1, k__cospi_m20_p12);
922 const __m256i out_28_2 =
923 _mm256_madd_epi16(out_28_0, k__cospi_m04_p28);
924 const __m256i out_28_3 =
925 _mm256_madd_epi16(out_28_1, k__cospi_m04_p28);
926 // dct_const_round_shift
927 const __m256i out_04_4 =
928 _mm256_add_epi32(out_04_2, k__DCT_CONST_ROUNDING);
929 const __m256i out_04_5 =
930 _mm256_add_epi32(out_04_3, k__DCT_CONST_ROUNDING);
931 const __m256i out_20_4 =
932 _mm256_add_epi32(out_20_2, k__DCT_CONST_ROUNDING);
933 const __m256i out_20_5 =
934 _mm256_add_epi32(out_20_3, k__DCT_CONST_ROUNDING);
935 const __m256i out_12_4 =
936 _mm256_add_epi32(out_12_2, k__DCT_CONST_ROUNDING);
937 const __m256i out_12_5 =
938 _mm256_add_epi32(out_12_3, k__DCT_CONST_ROUNDING);
939 const __m256i out_28_4 =
940 _mm256_add_epi32(out_28_2, k__DCT_CONST_ROUNDING);
941 const __m256i out_28_5 =
942 _mm256_add_epi32(out_28_3, k__DCT_CONST_ROUNDING);
943 const __m256i out_04_6 = _mm256_srai_epi32(out_04_4, DCT_CONST_BITS);
944 const __m256i out_04_7 = _mm256_srai_epi32(out_04_5, DCT_CONST_BITS);
945 const __m256i out_20_6 = _mm256_srai_epi32(out_20_4, DCT_CONST_BITS);
946 const __m256i out_20_7 = _mm256_srai_epi32(out_20_5, DCT_CONST_BITS);
947 const __m256i out_12_6 = _mm256_srai_epi32(out_12_4, DCT_CONST_BITS);
948 const __m256i out_12_7 = _mm256_srai_epi32(out_12_5, DCT_CONST_BITS);
949 const __m256i out_28_6 = _mm256_srai_epi32(out_28_4, DCT_CONST_BITS);
950 const __m256i out_28_7 = _mm256_srai_epi32(out_28_5, DCT_CONST_BITS);
951 // Combine
952 out[4] = _mm256_packs_epi32(out_04_6, out_04_7);
953 out[20] = _mm256_packs_epi32(out_20_6, out_20_7);
954 out[12] = _mm256_packs_epi32(out_12_6, out_12_7);
955 out[28] = _mm256_packs_epi32(out_28_6, out_28_7);
956 }
957 {
958 step3[8] = _mm256_add_epi16(step2[9], step1[8]);
959 step3[9] = _mm256_sub_epi16(step1[8], step2[9]);
960 step3[10] = _mm256_sub_epi16(step1[11], step2[10]);
961 step3[11] = _mm256_add_epi16(step2[10], step1[11]);
962 step3[12] = _mm256_add_epi16(step2[13], step1[12]);
963 step3[13] = _mm256_sub_epi16(step1[12], step2[13]);
964 step3[14] = _mm256_sub_epi16(step1[15], step2[14]);
965 step3[15] = _mm256_add_epi16(step2[14], step1[15]);
966 }
967 {
968 const __m256i s3_17_0 = _mm256_unpacklo_epi16(step2[17], step2[30]);
969 const __m256i s3_17_1 = _mm256_unpackhi_epi16(step2[17], step2[30]);
970 const __m256i s3_18_0 = _mm256_unpacklo_epi16(step2[18], step2[29]);
971 const __m256i s3_18_1 = _mm256_unpackhi_epi16(step2[18], step2[29]);
972 const __m256i s3_21_0 = _mm256_unpacklo_epi16(step2[21], step2[26]);
973 const __m256i s3_21_1 = _mm256_unpackhi_epi16(step2[21], step2[26]);
974 const __m256i s3_22_0 = _mm256_unpacklo_epi16(step2[22], step2[25]);
975 const __m256i s3_22_1 = _mm256_unpackhi_epi16(step2[22], step2[25]);
976 const __m256i s3_17_2 = _mm256_madd_epi16(s3_17_0, k__cospi_m04_p28);
977 const __m256i s3_17_3 = _mm256_madd_epi16(s3_17_1, k__cospi_m04_p28);
978 const __m256i s3_18_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m28_m04);
979 const __m256i s3_18_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m28_m04);
980 const __m256i s3_21_2 = _mm256_madd_epi16(s3_21_0, k__cospi_m20_p12);
981 const __m256i s3_21_3 = _mm256_madd_epi16(s3_21_1, k__cospi_m20_p12);
982 const __m256i s3_22_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m12_m20);
983 const __m256i s3_22_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m12_m20);
984 const __m256i s3_25_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m20_p12);
985 const __m256i s3_25_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m20_p12);
986 const __m256i s3_26_2 = _mm256_madd_epi16(s3_21_0, k__cospi_p12_p20);
987 const __m256i s3_26_3 = _mm256_madd_epi16(s3_21_1, k__cospi_p12_p20);
988 const __m256i s3_29_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m04_p28);
989 const __m256i s3_29_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m04_p28);
990 const __m256i s3_30_2 = _mm256_madd_epi16(s3_17_0, k__cospi_p28_p04);
991 const __m256i s3_30_3 = _mm256_madd_epi16(s3_17_1, k__cospi_p28_p04);
992 // dct_const_round_shift
993 const __m256i s3_17_4 =
994 _mm256_add_epi32(s3_17_2, k__DCT_CONST_ROUNDING);
995 const __m256i s3_17_5 =
996 _mm256_add_epi32(s3_17_3, k__DCT_CONST_ROUNDING);
997 const __m256i s3_18_4 =
998 _mm256_add_epi32(s3_18_2, k__DCT_CONST_ROUNDING);
999 const __m256i s3_18_5 =
1000 _mm256_add_epi32(s3_18_3, k__DCT_CONST_ROUNDING);
1001 const __m256i s3_21_4 =
1002 _mm256_add_epi32(s3_21_2, k__DCT_CONST_ROUNDING);
1003 const __m256i s3_21_5 =
1004 _mm256_add_epi32(s3_21_3, k__DCT_CONST_ROUNDING);
1005 const __m256i s3_22_4 =
1006 _mm256_add_epi32(s3_22_2, k__DCT_CONST_ROUNDING);
1007 const __m256i s3_22_5 =
1008 _mm256_add_epi32(s3_22_3, k__DCT_CONST_ROUNDING);
1009 const __m256i s3_17_6 = _mm256_srai_epi32(s3_17_4, DCT_CONST_BITS);
1010 const __m256i s3_17_7 = _mm256_srai_epi32(s3_17_5, DCT_CONST_BITS);
1011 const __m256i s3_18_6 = _mm256_srai_epi32(s3_18_4, DCT_CONST_BITS);
1012 const __m256i s3_18_7 = _mm256_srai_epi32(s3_18_5, DCT_CONST_BITS);
1013 const __m256i s3_21_6 = _mm256_srai_epi32(s3_21_4, DCT_CONST_BITS);
1014 const __m256i s3_21_7 = _mm256_srai_epi32(s3_21_5, DCT_CONST_BITS);
1015 const __m256i s3_22_6 = _mm256_srai_epi32(s3_22_4, DCT_CONST_BITS);
1016 const __m256i s3_22_7 = _mm256_srai_epi32(s3_22_5, DCT_CONST_BITS);
1017 const __m256i s3_25_4 =
1018 _mm256_add_epi32(s3_25_2, k__DCT_CONST_ROUNDING);
1019 const __m256i s3_25_5 =
1020 _mm256_add_epi32(s3_25_3, k__DCT_CONST_ROUNDING);
1021 const __m256i s3_26_4 =
1022 _mm256_add_epi32(s3_26_2, k__DCT_CONST_ROUNDING);
1023 const __m256i s3_26_5 =
1024 _mm256_add_epi32(s3_26_3, k__DCT_CONST_ROUNDING);
1025 const __m256i s3_29_4 =
1026 _mm256_add_epi32(s3_29_2, k__DCT_CONST_ROUNDING);
1027 const __m256i s3_29_5 =
1028 _mm256_add_epi32(s3_29_3, k__DCT_CONST_ROUNDING);
1029 const __m256i s3_30_4 =
1030 _mm256_add_epi32(s3_30_2, k__DCT_CONST_ROUNDING);
1031 const __m256i s3_30_5 =
1032 _mm256_add_epi32(s3_30_3, k__DCT_CONST_ROUNDING);
1033 const __m256i s3_25_6 = _mm256_srai_epi32(s3_25_4, DCT_CONST_BITS);
1034 const __m256i s3_25_7 = _mm256_srai_epi32(s3_25_5, DCT_CONST_BITS);
1035 const __m256i s3_26_6 = _mm256_srai_epi32(s3_26_4, DCT_CONST_BITS);
1036 const __m256i s3_26_7 = _mm256_srai_epi32(s3_26_5, DCT_CONST_BITS);
1037 const __m256i s3_29_6 = _mm256_srai_epi32(s3_29_4, DCT_CONST_BITS);
1038 const __m256i s3_29_7 = _mm256_srai_epi32(s3_29_5, DCT_CONST_BITS);
1039 const __m256i s3_30_6 = _mm256_srai_epi32(s3_30_4, DCT_CONST_BITS);
1040 const __m256i s3_30_7 = _mm256_srai_epi32(s3_30_5, DCT_CONST_BITS);
1041 // Combine
1042 step3[17] = _mm256_packs_epi32(s3_17_6, s3_17_7);
1043 step3[18] = _mm256_packs_epi32(s3_18_6, s3_18_7);
1044 step3[21] = _mm256_packs_epi32(s3_21_6, s3_21_7);
1045 step3[22] = _mm256_packs_epi32(s3_22_6, s3_22_7);
1046 // Combine
1047 step3[25] = _mm256_packs_epi32(s3_25_6, s3_25_7);
1048 step3[26] = _mm256_packs_epi32(s3_26_6, s3_26_7);
1049 step3[29] = _mm256_packs_epi32(s3_29_6, s3_29_7);
1050 step3[30] = _mm256_packs_epi32(s3_30_6, s3_30_7);
1051 }
1052 // Stage 7
1053 {
1054 const __m256i out_02_0 = _mm256_unpacklo_epi16(step3[8], step3[15]);
1055 const __m256i out_02_1 = _mm256_unpackhi_epi16(step3[8], step3[15]);
1056 const __m256i out_18_0 = _mm256_unpacklo_epi16(step3[9], step3[14]);
1057 const __m256i out_18_1 = _mm256_unpackhi_epi16(step3[9], step3[14]);
1058 const __m256i out_10_0 = _mm256_unpacklo_epi16(step3[10], step3[13]);
1059 const __m256i out_10_1 = _mm256_unpackhi_epi16(step3[10], step3[13]);
1060 const __m256i out_26_0 = _mm256_unpacklo_epi16(step3[11], step3[12]);
1061 const __m256i out_26_1 = _mm256_unpackhi_epi16(step3[11], step3[12]);
1062 const __m256i out_02_2 =
1063 _mm256_madd_epi16(out_02_0, k__cospi_p30_p02);
1064 const __m256i out_02_3 =
1065 _mm256_madd_epi16(out_02_1, k__cospi_p30_p02);
1066 const __m256i out_18_2 =
1067 _mm256_madd_epi16(out_18_0, k__cospi_p14_p18);
1068 const __m256i out_18_3 =
1069 _mm256_madd_epi16(out_18_1, k__cospi_p14_p18);
1070 const __m256i out_10_2 =
1071 _mm256_madd_epi16(out_10_0, k__cospi_p22_p10);
1072 const __m256i out_10_3 =
1073 _mm256_madd_epi16(out_10_1, k__cospi_p22_p10);
1074 const __m256i out_26_2 =
1075 _mm256_madd_epi16(out_26_0, k__cospi_p06_p26);
1076 const __m256i out_26_3 =
1077 _mm256_madd_epi16(out_26_1, k__cospi_p06_p26);
1078 const __m256i out_06_2 =
1079 _mm256_madd_epi16(out_26_0, k__cospi_m26_p06);
1080 const __m256i out_06_3 =
1081 _mm256_madd_epi16(out_26_1, k__cospi_m26_p06);
1082 const __m256i out_22_2 =
1083 _mm256_madd_epi16(out_10_0, k__cospi_m10_p22);
1084 const __m256i out_22_3 =
1085 _mm256_madd_epi16(out_10_1, k__cospi_m10_p22);
1086 const __m256i out_14_2 =
1087 _mm256_madd_epi16(out_18_0, k__cospi_m18_p14);
1088 const __m256i out_14_3 =
1089 _mm256_madd_epi16(out_18_1, k__cospi_m18_p14);
1090 const __m256i out_30_2 =
1091 _mm256_madd_epi16(out_02_0, k__cospi_m02_p30);
1092 const __m256i out_30_3 =
1093 _mm256_madd_epi16(out_02_1, k__cospi_m02_p30);
1094 // dct_const_round_shift
1095 const __m256i out_02_4 =
1096 _mm256_add_epi32(out_02_2, k__DCT_CONST_ROUNDING);
1097 const __m256i out_02_5 =
1098 _mm256_add_epi32(out_02_3, k__DCT_CONST_ROUNDING);
1099 const __m256i out_18_4 =
1100 _mm256_add_epi32(out_18_2, k__DCT_CONST_ROUNDING);
1101 const __m256i out_18_5 =
1102 _mm256_add_epi32(out_18_3, k__DCT_CONST_ROUNDING);
1103 const __m256i out_10_4 =
1104 _mm256_add_epi32(out_10_2, k__DCT_CONST_ROUNDING);
1105 const __m256i out_10_5 =
1106 _mm256_add_epi32(out_10_3, k__DCT_CONST_ROUNDING);
1107 const __m256i out_26_4 =
1108 _mm256_add_epi32(out_26_2, k__DCT_CONST_ROUNDING);
1109 const __m256i out_26_5 =
1110 _mm256_add_epi32(out_26_3, k__DCT_CONST_ROUNDING);
1111 const __m256i out_06_4 =
1112 _mm256_add_epi32(out_06_2, k__DCT_CONST_ROUNDING);
1113 const __m256i out_06_5 =
1114 _mm256_add_epi32(out_06_3, k__DCT_CONST_ROUNDING);
1115 const __m256i out_22_4 =
1116 _mm256_add_epi32(out_22_2, k__DCT_CONST_ROUNDING);
1117 const __m256i out_22_5 =
1118 _mm256_add_epi32(out_22_3, k__DCT_CONST_ROUNDING);
1119 const __m256i out_14_4 =
1120 _mm256_add_epi32(out_14_2, k__DCT_CONST_ROUNDING);
1121 const __m256i out_14_5 =
1122 _mm256_add_epi32(out_14_3, k__DCT_CONST_ROUNDING);
1123 const __m256i out_30_4 =
1124 _mm256_add_epi32(out_30_2, k__DCT_CONST_ROUNDING);
1125 const __m256i out_30_5 =
1126 _mm256_add_epi32(out_30_3, k__DCT_CONST_ROUNDING);
1127 const __m256i out_02_6 = _mm256_srai_epi32(out_02_4, DCT_CONST_BITS);
1128 const __m256i out_02_7 = _mm256_srai_epi32(out_02_5, DCT_CONST_BITS);
1129 const __m256i out_18_6 = _mm256_srai_epi32(out_18_4, DCT_CONST_BITS);
1130 const __m256i out_18_7 = _mm256_srai_epi32(out_18_5, DCT_CONST_BITS);
1131 const __m256i out_10_6 = _mm256_srai_epi32(out_10_4, DCT_CONST_BITS);
1132 const __m256i out_10_7 = _mm256_srai_epi32(out_10_5, DCT_CONST_BITS);
1133 const __m256i out_26_6 = _mm256_srai_epi32(out_26_4, DCT_CONST_BITS);
1134 const __m256i out_26_7 = _mm256_srai_epi32(out_26_5, DCT_CONST_BITS);
1135 const __m256i out_06_6 = _mm256_srai_epi32(out_06_4, DCT_CONST_BITS);
1136 const __m256i out_06_7 = _mm256_srai_epi32(out_06_5, DCT_CONST_BITS);
1137 const __m256i out_22_6 = _mm256_srai_epi32(out_22_4, DCT_CONST_BITS);
1138 const __m256i out_22_7 = _mm256_srai_epi32(out_22_5, DCT_CONST_BITS);
1139 const __m256i out_14_6 = _mm256_srai_epi32(out_14_4, DCT_CONST_BITS);
1140 const __m256i out_14_7 = _mm256_srai_epi32(out_14_5, DCT_CONST_BITS);
1141 const __m256i out_30_6 = _mm256_srai_epi32(out_30_4, DCT_CONST_BITS);
1142 const __m256i out_30_7 = _mm256_srai_epi32(out_30_5, DCT_CONST_BITS);
1143 // Combine
1144 out[2] = _mm256_packs_epi32(out_02_6, out_02_7);
1145 out[18] = _mm256_packs_epi32(out_18_6, out_18_7);
1146 out[10] = _mm256_packs_epi32(out_10_6, out_10_7);
1147 out[26] = _mm256_packs_epi32(out_26_6, out_26_7);
1148 out[6] = _mm256_packs_epi32(out_06_6, out_06_7);
1149 out[22] = _mm256_packs_epi32(out_22_6, out_22_7);
1150 out[14] = _mm256_packs_epi32(out_14_6, out_14_7);
1151 out[30] = _mm256_packs_epi32(out_30_6, out_30_7);
1152 }
1153 {
1154 step1[16] = _mm256_add_epi16(step3[17], step2[16]);
1155 step1[17] = _mm256_sub_epi16(step2[16], step3[17]);
1156 step1[18] = _mm256_sub_epi16(step2[19], step3[18]);
1157 step1[19] = _mm256_add_epi16(step3[18], step2[19]);
1158 step1[20] = _mm256_add_epi16(step3[21], step2[20]);
1159 step1[21] = _mm256_sub_epi16(step2[20], step3[21]);
1160 step1[22] = _mm256_sub_epi16(step2[23], step3[22]);
1161 step1[23] = _mm256_add_epi16(step3[22], step2[23]);
1162 step1[24] = _mm256_add_epi16(step3[25], step2[24]);
1163 step1[25] = _mm256_sub_epi16(step2[24], step3[25]);
1164 step1[26] = _mm256_sub_epi16(step2[27], step3[26]);
1165 step1[27] = _mm256_add_epi16(step3[26], step2[27]);
1166 step1[28] = _mm256_add_epi16(step3[29], step2[28]);
1167 step1[29] = _mm256_sub_epi16(step2[28], step3[29]);
1168 step1[30] = _mm256_sub_epi16(step2[31], step3[30]);
1169 step1[31] = _mm256_add_epi16(step3[30], step2[31]);
1170 }
1171 // Final stage --- outputs indices are bit-reversed.
1172 {
1173 const __m256i out_01_0 = _mm256_unpacklo_epi16(step1[16], step1[31]);
1174 const __m256i out_01_1 = _mm256_unpackhi_epi16(step1[16], step1[31]);
1175 const __m256i out_17_0 = _mm256_unpacklo_epi16(step1[17], step1[30]);
1176 const __m256i out_17_1 = _mm256_unpackhi_epi16(step1[17], step1[30]);
1177 const __m256i out_09_0 = _mm256_unpacklo_epi16(step1[18], step1[29]);
1178 const __m256i out_09_1 = _mm256_unpackhi_epi16(step1[18], step1[29]);
1179 const __m256i out_25_0 = _mm256_unpacklo_epi16(step1[19], step1[28]);
1180 const __m256i out_25_1 = _mm256_unpackhi_epi16(step1[19], step1[28]);
1181 const __m256i out_01_2 =
1182 _mm256_madd_epi16(out_01_0, k__cospi_p31_p01);
1183 const __m256i out_01_3 =
1184 _mm256_madd_epi16(out_01_1, k__cospi_p31_p01);
1185 const __m256i out_17_2 =
1186 _mm256_madd_epi16(out_17_0, k__cospi_p15_p17);
1187 const __m256i out_17_3 =
1188 _mm256_madd_epi16(out_17_1, k__cospi_p15_p17);
1189 const __m256i out_09_2 =
1190 _mm256_madd_epi16(out_09_0, k__cospi_p23_p09);
1191 const __m256i out_09_3 =
1192 _mm256_madd_epi16(out_09_1, k__cospi_p23_p09);
1193 const __m256i out_25_2 =
1194 _mm256_madd_epi16(out_25_0, k__cospi_p07_p25);
1195 const __m256i out_25_3 =
1196 _mm256_madd_epi16(out_25_1, k__cospi_p07_p25);
1197 const __m256i out_07_2 =
1198 _mm256_madd_epi16(out_25_0, k__cospi_m25_p07);
1199 const __m256i out_07_3 =
1200 _mm256_madd_epi16(out_25_1, k__cospi_m25_p07);
1201 const __m256i out_23_2 =
1202 _mm256_madd_epi16(out_09_0, k__cospi_m09_p23);
1203 const __m256i out_23_3 =
1204 _mm256_madd_epi16(out_09_1, k__cospi_m09_p23);
1205 const __m256i out_15_2 =
1206 _mm256_madd_epi16(out_17_0, k__cospi_m17_p15);
1207 const __m256i out_15_3 =
1208 _mm256_madd_epi16(out_17_1, k__cospi_m17_p15);
1209 const __m256i out_31_2 =
1210 _mm256_madd_epi16(out_01_0, k__cospi_m01_p31);
1211 const __m256i out_31_3 =
1212 _mm256_madd_epi16(out_01_1, k__cospi_m01_p31);
1213 // dct_const_round_shift
1214 const __m256i out_01_4 =
1215 _mm256_add_epi32(out_01_2, k__DCT_CONST_ROUNDING);
1216 const __m256i out_01_5 =
1217 _mm256_add_epi32(out_01_3, k__DCT_CONST_ROUNDING);
1218 const __m256i out_17_4 =
1219 _mm256_add_epi32(out_17_2, k__DCT_CONST_ROUNDING);
1220 const __m256i out_17_5 =
1221 _mm256_add_epi32(out_17_3, k__DCT_CONST_ROUNDING);
1222 const __m256i out_09_4 =
1223 _mm256_add_epi32(out_09_2, k__DCT_CONST_ROUNDING);
1224 const __m256i out_09_5 =
1225 _mm256_add_epi32(out_09_3, k__DCT_CONST_ROUNDING);
1226 const __m256i out_25_4 =
1227 _mm256_add_epi32(out_25_2, k__DCT_CONST_ROUNDING);
1228 const __m256i out_25_5 =
1229 _mm256_add_epi32(out_25_3, k__DCT_CONST_ROUNDING);
1230 const __m256i out_07_4 =
1231 _mm256_add_epi32(out_07_2, k__DCT_CONST_ROUNDING);
1232 const __m256i out_07_5 =
1233 _mm256_add_epi32(out_07_3, k__DCT_CONST_ROUNDING);
1234 const __m256i out_23_4 =
1235 _mm256_add_epi32(out_23_2, k__DCT_CONST_ROUNDING);
1236 const __m256i out_23_5 =
1237 _mm256_add_epi32(out_23_3, k__DCT_CONST_ROUNDING);
1238 const __m256i out_15_4 =
1239 _mm256_add_epi32(out_15_2, k__DCT_CONST_ROUNDING);
1240 const __m256i out_15_5 =
1241 _mm256_add_epi32(out_15_3, k__DCT_CONST_ROUNDING);
1242 const __m256i out_31_4 =
1243 _mm256_add_epi32(out_31_2, k__DCT_CONST_ROUNDING);
1244 const __m256i out_31_5 =
1245 _mm256_add_epi32(out_31_3, k__DCT_CONST_ROUNDING);
1246 const __m256i out_01_6 = _mm256_srai_epi32(out_01_4, DCT_CONST_BITS);
1247 const __m256i out_01_7 = _mm256_srai_epi32(out_01_5, DCT_CONST_BITS);
1248 const __m256i out_17_6 = _mm256_srai_epi32(out_17_4, DCT_CONST_BITS);
1249 const __m256i out_17_7 = _mm256_srai_epi32(out_17_5, DCT_CONST_BITS);
1250 const __m256i out_09_6 = _mm256_srai_epi32(out_09_4, DCT_CONST_BITS);
1251 const __m256i out_09_7 = _mm256_srai_epi32(out_09_5, DCT_CONST_BITS);
1252 const __m256i out_25_6 = _mm256_srai_epi32(out_25_4, DCT_CONST_BITS);
1253 const __m256i out_25_7 = _mm256_srai_epi32(out_25_5, DCT_CONST_BITS);
1254 const __m256i out_07_6 = _mm256_srai_epi32(out_07_4, DCT_CONST_BITS);
1255 const __m256i out_07_7 = _mm256_srai_epi32(out_07_5, DCT_CONST_BITS);
1256 const __m256i out_23_6 = _mm256_srai_epi32(out_23_4, DCT_CONST_BITS);
1257 const __m256i out_23_7 = _mm256_srai_epi32(out_23_5, DCT_CONST_BITS);
1258 const __m256i out_15_6 = _mm256_srai_epi32(out_15_4, DCT_CONST_BITS);
1259 const __m256i out_15_7 = _mm256_srai_epi32(out_15_5, DCT_CONST_BITS);
1260 const __m256i out_31_6 = _mm256_srai_epi32(out_31_4, DCT_CONST_BITS);
1261 const __m256i out_31_7 = _mm256_srai_epi32(out_31_5, DCT_CONST_BITS);
1262 // Combine
1263 out[1] = _mm256_packs_epi32(out_01_6, out_01_7);
1264 out[17] = _mm256_packs_epi32(out_17_6, out_17_7);
1265 out[9] = _mm256_packs_epi32(out_09_6, out_09_7);
1266 out[25] = _mm256_packs_epi32(out_25_6, out_25_7);
1267 out[7] = _mm256_packs_epi32(out_07_6, out_07_7);
1268 out[23] = _mm256_packs_epi32(out_23_6, out_23_7);
1269 out[15] = _mm256_packs_epi32(out_15_6, out_15_7);
1270 out[31] = _mm256_packs_epi32(out_31_6, out_31_7);
1271 }
1272 {
1273 const __m256i out_05_0 = _mm256_unpacklo_epi16(step1[20], step1[27]);
1274 const __m256i out_05_1 = _mm256_unpackhi_epi16(step1[20], step1[27]);
1275 const __m256i out_21_0 = _mm256_unpacklo_epi16(step1[21], step1[26]);
1276 const __m256i out_21_1 = _mm256_unpackhi_epi16(step1[21], step1[26]);
1277 const __m256i out_13_0 = _mm256_unpacklo_epi16(step1[22], step1[25]);
1278 const __m256i out_13_1 = _mm256_unpackhi_epi16(step1[22], step1[25]);
1279 const __m256i out_29_0 = _mm256_unpacklo_epi16(step1[23], step1[24]);
1280 const __m256i out_29_1 = _mm256_unpackhi_epi16(step1[23], step1[24]);
1281 const __m256i out_05_2 =
1282 _mm256_madd_epi16(out_05_0, k__cospi_p27_p05);
1283 const __m256i out_05_3 =
1284 _mm256_madd_epi16(out_05_1, k__cospi_p27_p05);
1285 const __m256i out_21_2 =
1286 _mm256_madd_epi16(out_21_0, k__cospi_p11_p21);
1287 const __m256i out_21_3 =
1288 _mm256_madd_epi16(out_21_1, k__cospi_p11_p21);
1289 const __m256i out_13_2 =
1290 _mm256_madd_epi16(out_13_0, k__cospi_p19_p13);
1291 const __m256i out_13_3 =
1292 _mm256_madd_epi16(out_13_1, k__cospi_p19_p13);
1293 const __m256i out_29_2 =
1294 _mm256_madd_epi16(out_29_0, k__cospi_p03_p29);
1295 const __m256i out_29_3 =
1296 _mm256_madd_epi16(out_29_1, k__cospi_p03_p29);
1297 const __m256i out_03_2 =
1298 _mm256_madd_epi16(out_29_0, k__cospi_m29_p03);
1299 const __m256i out_03_3 =
1300 _mm256_madd_epi16(out_29_1, k__cospi_m29_p03);
1301 const __m256i out_19_2 =
1302 _mm256_madd_epi16(out_13_0, k__cospi_m13_p19);
1303 const __m256i out_19_3 =
1304 _mm256_madd_epi16(out_13_1, k__cospi_m13_p19);
1305 const __m256i out_11_2 =
1306 _mm256_madd_epi16(out_21_0, k__cospi_m21_p11);
1307 const __m256i out_11_3 =
1308 _mm256_madd_epi16(out_21_1, k__cospi_m21_p11);
1309 const __m256i out_27_2 =
1310 _mm256_madd_epi16(out_05_0, k__cospi_m05_p27);
1311 const __m256i out_27_3 =
1312 _mm256_madd_epi16(out_05_1, k__cospi_m05_p27);
1313 // dct_const_round_shift
1314 const __m256i out_05_4 =
1315 _mm256_add_epi32(out_05_2, k__DCT_CONST_ROUNDING);
1316 const __m256i out_05_5 =
1317 _mm256_add_epi32(out_05_3, k__DCT_CONST_ROUNDING);
1318 const __m256i out_21_4 =
1319 _mm256_add_epi32(out_21_2, k__DCT_CONST_ROUNDING);
1320 const __m256i out_21_5 =
1321 _mm256_add_epi32(out_21_3, k__DCT_CONST_ROUNDING);
1322 const __m256i out_13_4 =
1323 _mm256_add_epi32(out_13_2, k__DCT_CONST_ROUNDING);
1324 const __m256i out_13_5 =
1325 _mm256_add_epi32(out_13_3, k__DCT_CONST_ROUNDING);
1326 const __m256i out_29_4 =
1327 _mm256_add_epi32(out_29_2, k__DCT_CONST_ROUNDING);
1328 const __m256i out_29_5 =
1329 _mm256_add_epi32(out_29_3, k__DCT_CONST_ROUNDING);
1330 const __m256i out_03_4 =
1331 _mm256_add_epi32(out_03_2, k__DCT_CONST_ROUNDING);
1332 const __m256i out_03_5 =
1333 _mm256_add_epi32(out_03_3, k__DCT_CONST_ROUNDING);
1334 const __m256i out_19_4 =
1335 _mm256_add_epi32(out_19_2, k__DCT_CONST_ROUNDING);
1336 const __m256i out_19_5 =
1337 _mm256_add_epi32(out_19_3, k__DCT_CONST_ROUNDING);
1338 const __m256i out_11_4 =
1339 _mm256_add_epi32(out_11_2, k__DCT_CONST_ROUNDING);
1340 const __m256i out_11_5 =
1341 _mm256_add_epi32(out_11_3, k__DCT_CONST_ROUNDING);
1342 const __m256i out_27_4 =
1343 _mm256_add_epi32(out_27_2, k__DCT_CONST_ROUNDING);
1344 const __m256i out_27_5 =
1345 _mm256_add_epi32(out_27_3, k__DCT_CONST_ROUNDING);
1346 const __m256i out_05_6 = _mm256_srai_epi32(out_05_4, DCT_CONST_BITS);
1347 const __m256i out_05_7 = _mm256_srai_epi32(out_05_5, DCT_CONST_BITS);
1348 const __m256i out_21_6 = _mm256_srai_epi32(out_21_4, DCT_CONST_BITS);
1349 const __m256i out_21_7 = _mm256_srai_epi32(out_21_5, DCT_CONST_BITS);
1350 const __m256i out_13_6 = _mm256_srai_epi32(out_13_4, DCT_CONST_BITS);
1351 const __m256i out_13_7 = _mm256_srai_epi32(out_13_5, DCT_CONST_BITS);
1352 const __m256i out_29_6 = _mm256_srai_epi32(out_29_4, DCT_CONST_BITS);
1353 const __m256i out_29_7 = _mm256_srai_epi32(out_29_5, DCT_CONST_BITS);
1354 const __m256i out_03_6 = _mm256_srai_epi32(out_03_4, DCT_CONST_BITS);
1355 const __m256i out_03_7 = _mm256_srai_epi32(out_03_5, DCT_CONST_BITS);
1356 const __m256i out_19_6 = _mm256_srai_epi32(out_19_4, DCT_CONST_BITS);
1357 const __m256i out_19_7 = _mm256_srai_epi32(out_19_5, DCT_CONST_BITS);
1358 const __m256i out_11_6 = _mm256_srai_epi32(out_11_4, DCT_CONST_BITS);
1359 const __m256i out_11_7 = _mm256_srai_epi32(out_11_5, DCT_CONST_BITS);
1360 const __m256i out_27_6 = _mm256_srai_epi32(out_27_4, DCT_CONST_BITS);
1361 const __m256i out_27_7 = _mm256_srai_epi32(out_27_5, DCT_CONST_BITS);
1362 // Combine
1363 out[5] = _mm256_packs_epi32(out_05_6, out_05_7);
1364 out[21] = _mm256_packs_epi32(out_21_6, out_21_7);
1365 out[13] = _mm256_packs_epi32(out_13_6, out_13_7);
1366 out[29] = _mm256_packs_epi32(out_29_6, out_29_7);
1367 out[3] = _mm256_packs_epi32(out_03_6, out_03_7);
1368 out[19] = _mm256_packs_epi32(out_19_6, out_19_7);
1369 out[11] = _mm256_packs_epi32(out_11_6, out_11_7);
1370 out[27] = _mm256_packs_epi32(out_27_6, out_27_7);
1371 }
1372 #if FDCT32x32_HIGH_PRECISION
1373 } else {
1374 __m256i lstep1[64], lstep2[64], lstep3[64];
1375 __m256i u[32], v[32], sign[16];
1376 const __m256i K32One = _mm256_set_epi32(1, 1, 1, 1, 1, 1, 1, 1);
1377 // start using 32-bit operations
1378 // stage 3
1379 {
1380 // expanding to 32-bit length priori to addition operations
1381 lstep2[0] = _mm256_unpacklo_epi16(step2[0], kZero);
1382 lstep2[1] = _mm256_unpackhi_epi16(step2[0], kZero);
1383 lstep2[2] = _mm256_unpacklo_epi16(step2[1], kZero);
1384 lstep2[3] = _mm256_unpackhi_epi16(step2[1], kZero);
1385 lstep2[4] = _mm256_unpacklo_epi16(step2[2], kZero);
1386 lstep2[5] = _mm256_unpackhi_epi16(step2[2], kZero);
1387 lstep2[6] = _mm256_unpacklo_epi16(step2[3], kZero);
1388 lstep2[7] = _mm256_unpackhi_epi16(step2[3], kZero);
1389 lstep2[8] = _mm256_unpacklo_epi16(step2[4], kZero);
1390 lstep2[9] = _mm256_unpackhi_epi16(step2[4], kZero);
1391 lstep2[10] = _mm256_unpacklo_epi16(step2[5], kZero);
1392 lstep2[11] = _mm256_unpackhi_epi16(step2[5], kZero);
1393 lstep2[12] = _mm256_unpacklo_epi16(step2[6], kZero);
1394 lstep2[13] = _mm256_unpackhi_epi16(step2[6], kZero);
1395 lstep2[14] = _mm256_unpacklo_epi16(step2[7], kZero);
1396 lstep2[15] = _mm256_unpackhi_epi16(step2[7], kZero);
1397 lstep2[0] = _mm256_madd_epi16(lstep2[0], kOne);
1398 lstep2[1] = _mm256_madd_epi16(lstep2[1], kOne);
1399 lstep2[2] = _mm256_madd_epi16(lstep2[2], kOne);
1400 lstep2[3] = _mm256_madd_epi16(lstep2[3], kOne);
1401 lstep2[4] = _mm256_madd_epi16(lstep2[4], kOne);
1402 lstep2[5] = _mm256_madd_epi16(lstep2[5], kOne);
1403 lstep2[6] = _mm256_madd_epi16(lstep2[6], kOne);
1404 lstep2[7] = _mm256_madd_epi16(lstep2[7], kOne);
1405 lstep2[8] = _mm256_madd_epi16(lstep2[8], kOne);
1406 lstep2[9] = _mm256_madd_epi16(lstep2[9], kOne);
1407 lstep2[10] = _mm256_madd_epi16(lstep2[10], kOne);
1408 lstep2[11] = _mm256_madd_epi16(lstep2[11], kOne);
1409 lstep2[12] = _mm256_madd_epi16(lstep2[12], kOne);
1410 lstep2[13] = _mm256_madd_epi16(lstep2[13], kOne);
1411 lstep2[14] = _mm256_madd_epi16(lstep2[14], kOne);
1412 lstep2[15] = _mm256_madd_epi16(lstep2[15], kOne);
1413
1414 lstep3[0] = _mm256_add_epi32(lstep2[14], lstep2[0]);
1415 lstep3[1] = _mm256_add_epi32(lstep2[15], lstep2[1]);
1416 lstep3[2] = _mm256_add_epi32(lstep2[12], lstep2[2]);
1417 lstep3[3] = _mm256_add_epi32(lstep2[13], lstep2[3]);
1418 lstep3[4] = _mm256_add_epi32(lstep2[10], lstep2[4]);
1419 lstep3[5] = _mm256_add_epi32(lstep2[11], lstep2[5]);
1420 lstep3[6] = _mm256_add_epi32(lstep2[8], lstep2[6]);
1421 lstep3[7] = _mm256_add_epi32(lstep2[9], lstep2[7]);
1422 lstep3[8] = _mm256_sub_epi32(lstep2[6], lstep2[8]);
1423 lstep3[9] = _mm256_sub_epi32(lstep2[7], lstep2[9]);
1424 lstep3[10] = _mm256_sub_epi32(lstep2[4], lstep2[10]);
1425 lstep3[11] = _mm256_sub_epi32(lstep2[5], lstep2[11]);
1426 lstep3[12] = _mm256_sub_epi32(lstep2[2], lstep2[12]);
1427 lstep3[13] = _mm256_sub_epi32(lstep2[3], lstep2[13]);
1428 lstep3[14] = _mm256_sub_epi32(lstep2[0], lstep2[14]);
1429 lstep3[15] = _mm256_sub_epi32(lstep2[1], lstep2[15]);
1430 }
1431 {
1432 const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]);
1433 const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]);
1434 const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]);
1435 const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]);
1436 const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16);
1437 const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16);
1438 const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16);
1439 const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16);
1440 const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16);
1441 const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16);
1442 const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16);
1443 const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16);
1444 // dct_const_round_shift
1445 const __m256i s3_10_4 =
1446 _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING);
1447 const __m256i s3_10_5 =
1448 _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING);
1449 const __m256i s3_11_4 =
1450 _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING);
1451 const __m256i s3_11_5 =
1452 _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING);
1453 const __m256i s3_12_4 =
1454 _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING);
1455 const __m256i s3_12_5 =
1456 _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING);
1457 const __m256i s3_13_4 =
1458 _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING);
1459 const __m256i s3_13_5 =
1460 _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING);
1461 lstep3[20] = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS);
1462 lstep3[21] = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS);
1463 lstep3[22] = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS);
1464 lstep3[23] = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS);
1465 lstep3[24] = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS);
1466 lstep3[25] = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS);
1467 lstep3[26] = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS);
1468 lstep3[27] = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS);
1469 }
1470 {
1471 lstep2[40] = _mm256_unpacklo_epi16(step2[20], kZero);
1472 lstep2[41] = _mm256_unpackhi_epi16(step2[20], kZero);
1473 lstep2[42] = _mm256_unpacklo_epi16(step2[21], kZero);
1474 lstep2[43] = _mm256_unpackhi_epi16(step2[21], kZero);
1475 lstep2[44] = _mm256_unpacklo_epi16(step2[22], kZero);
1476 lstep2[45] = _mm256_unpackhi_epi16(step2[22], kZero);
1477 lstep2[46] = _mm256_unpacklo_epi16(step2[23], kZero);
1478 lstep2[47] = _mm256_unpackhi_epi16(step2[23], kZero);
1479 lstep2[48] = _mm256_unpacklo_epi16(step2[24], kZero);
1480 lstep2[49] = _mm256_unpackhi_epi16(step2[24], kZero);
1481 lstep2[50] = _mm256_unpacklo_epi16(step2[25], kZero);
1482 lstep2[51] = _mm256_unpackhi_epi16(step2[25], kZero);
1483 lstep2[52] = _mm256_unpacklo_epi16(step2[26], kZero);
1484 lstep2[53] = _mm256_unpackhi_epi16(step2[26], kZero);
1485 lstep2[54] = _mm256_unpacklo_epi16(step2[27], kZero);
1486 lstep2[55] = _mm256_unpackhi_epi16(step2[27], kZero);
1487 lstep2[40] = _mm256_madd_epi16(lstep2[40], kOne);
1488 lstep2[41] = _mm256_madd_epi16(lstep2[41], kOne);
1489 lstep2[42] = _mm256_madd_epi16(lstep2[42], kOne);
1490 lstep2[43] = _mm256_madd_epi16(lstep2[43], kOne);
1491 lstep2[44] = _mm256_madd_epi16(lstep2[44], kOne);
1492 lstep2[45] = _mm256_madd_epi16(lstep2[45], kOne);
1493 lstep2[46] = _mm256_madd_epi16(lstep2[46], kOne);
1494 lstep2[47] = _mm256_madd_epi16(lstep2[47], kOne);
1495 lstep2[48] = _mm256_madd_epi16(lstep2[48], kOne);
1496 lstep2[49] = _mm256_madd_epi16(lstep2[49], kOne);
1497 lstep2[50] = _mm256_madd_epi16(lstep2[50], kOne);
1498 lstep2[51] = _mm256_madd_epi16(lstep2[51], kOne);
1499 lstep2[52] = _mm256_madd_epi16(lstep2[52], kOne);
1500 lstep2[53] = _mm256_madd_epi16(lstep2[53], kOne);
1501 lstep2[54] = _mm256_madd_epi16(lstep2[54], kOne);
1502 lstep2[55] = _mm256_madd_epi16(lstep2[55], kOne);
1503
1504 lstep1[32] = _mm256_unpacklo_epi16(step1[16], kZero);
1505 lstep1[33] = _mm256_unpackhi_epi16(step1[16], kZero);
1506 lstep1[34] = _mm256_unpacklo_epi16(step1[17], kZero);
1507 lstep1[35] = _mm256_unpackhi_epi16(step1[17], kZero);
1508 lstep1[36] = _mm256_unpacklo_epi16(step1[18], kZero);
1509 lstep1[37] = _mm256_unpackhi_epi16(step1[18], kZero);
1510 lstep1[38] = _mm256_unpacklo_epi16(step1[19], kZero);
1511 lstep1[39] = _mm256_unpackhi_epi16(step1[19], kZero);
1512 lstep1[56] = _mm256_unpacklo_epi16(step1[28], kZero);
1513 lstep1[57] = _mm256_unpackhi_epi16(step1[28], kZero);
1514 lstep1[58] = _mm256_unpacklo_epi16(step1[29], kZero);
1515 lstep1[59] = _mm256_unpackhi_epi16(step1[29], kZero);
1516 lstep1[60] = _mm256_unpacklo_epi16(step1[30], kZero);
1517 lstep1[61] = _mm256_unpackhi_epi16(step1[30], kZero);
1518 lstep1[62] = _mm256_unpacklo_epi16(step1[31], kZero);
1519 lstep1[63] = _mm256_unpackhi_epi16(step1[31], kZero);
1520 lstep1[32] = _mm256_madd_epi16(lstep1[32], kOne);
1521 lstep1[33] = _mm256_madd_epi16(lstep1[33], kOne);
1522 lstep1[34] = _mm256_madd_epi16(lstep1[34], kOne);
1523 lstep1[35] = _mm256_madd_epi16(lstep1[35], kOne);
1524 lstep1[36] = _mm256_madd_epi16(lstep1[36], kOne);
1525 lstep1[37] = _mm256_madd_epi16(lstep1[37], kOne);
1526 lstep1[38] = _mm256_madd_epi16(lstep1[38], kOne);
1527 lstep1[39] = _mm256_madd_epi16(lstep1[39], kOne);
1528 lstep1[56] = _mm256_madd_epi16(lstep1[56], kOne);
1529 lstep1[57] = _mm256_madd_epi16(lstep1[57], kOne);
1530 lstep1[58] = _mm256_madd_epi16(lstep1[58], kOne);
1531 lstep1[59] = _mm256_madd_epi16(lstep1[59], kOne);
1532 lstep1[60] = _mm256_madd_epi16(lstep1[60], kOne);
1533 lstep1[61] = _mm256_madd_epi16(lstep1[61], kOne);
1534 lstep1[62] = _mm256_madd_epi16(lstep1[62], kOne);
1535 lstep1[63] = _mm256_madd_epi16(lstep1[63], kOne);
1536
1537 lstep3[32] = _mm256_add_epi32(lstep2[46], lstep1[32]);
1538 lstep3[33] = _mm256_add_epi32(lstep2[47], lstep1[33]);
1539
1540 lstep3[34] = _mm256_add_epi32(lstep2[44], lstep1[34]);
1541 lstep3[35] = _mm256_add_epi32(lstep2[45], lstep1[35]);
1542 lstep3[36] = _mm256_add_epi32(lstep2[42], lstep1[36]);
1543 lstep3[37] = _mm256_add_epi32(lstep2[43], lstep1[37]);
1544 lstep3[38] = _mm256_add_epi32(lstep2[40], lstep1[38]);
1545 lstep3[39] = _mm256_add_epi32(lstep2[41], lstep1[39]);
1546 lstep3[40] = _mm256_sub_epi32(lstep1[38], lstep2[40]);
1547 lstep3[41] = _mm256_sub_epi32(lstep1[39], lstep2[41]);
1548 lstep3[42] = _mm256_sub_epi32(lstep1[36], lstep2[42]);
1549 lstep3[43] = _mm256_sub_epi32(lstep1[37], lstep2[43]);
1550 lstep3[44] = _mm256_sub_epi32(lstep1[34], lstep2[44]);
1551 lstep3[45] = _mm256_sub_epi32(lstep1[35], lstep2[45]);
1552 lstep3[46] = _mm256_sub_epi32(lstep1[32], lstep2[46]);
1553 lstep3[47] = _mm256_sub_epi32(lstep1[33], lstep2[47]);
1554 lstep3[48] = _mm256_sub_epi32(lstep1[62], lstep2[48]);
1555 lstep3[49] = _mm256_sub_epi32(lstep1[63], lstep2[49]);
1556 lstep3[50] = _mm256_sub_epi32(lstep1[60], lstep2[50]);
1557 lstep3[51] = _mm256_sub_epi32(lstep1[61], lstep2[51]);
1558 lstep3[52] = _mm256_sub_epi32(lstep1[58], lstep2[52]);
1559 lstep3[53] = _mm256_sub_epi32(lstep1[59], lstep2[53]);
1560 lstep3[54] = _mm256_sub_epi32(lstep1[56], lstep2[54]);
1561 lstep3[55] = _mm256_sub_epi32(lstep1[57], lstep2[55]);
1562 lstep3[56] = _mm256_add_epi32(lstep2[54], lstep1[56]);
1563 lstep3[57] = _mm256_add_epi32(lstep2[55], lstep1[57]);
1564 lstep3[58] = _mm256_add_epi32(lstep2[52], lstep1[58]);
1565 lstep3[59] = _mm256_add_epi32(lstep2[53], lstep1[59]);
1566 lstep3[60] = _mm256_add_epi32(lstep2[50], lstep1[60]);
1567 lstep3[61] = _mm256_add_epi32(lstep2[51], lstep1[61]);
1568 lstep3[62] = _mm256_add_epi32(lstep2[48], lstep1[62]);
1569 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 lstep2[16] = _mm256_unpacklo_epi16(step2[8], kZero);
1576 lstep2[17] = _mm256_unpackhi_epi16(step2[8], kZero);
1577 lstep2[18] = _mm256_unpacklo_epi16(step2[9], kZero);
1578 lstep2[19] = _mm256_unpackhi_epi16(step2[9], kZero);
1579 lstep2[28] = _mm256_unpacklo_epi16(step2[14], kZero);
1580 lstep2[29] = _mm256_unpackhi_epi16(step2[14], kZero);
1581 lstep2[30] = _mm256_unpacklo_epi16(step2[15], kZero);
1582 lstep2[31] = _mm256_unpackhi_epi16(step2[15], kZero);
1583 lstep2[16] = _mm256_madd_epi16(lstep2[16], kOne);
1584 lstep2[17] = _mm256_madd_epi16(lstep2[17], kOne);
1585 lstep2[18] = _mm256_madd_epi16(lstep2[18], kOne);
1586 lstep2[19] = _mm256_madd_epi16(lstep2[19], kOne);
1587 lstep2[28] = _mm256_madd_epi16(lstep2[28], kOne);
1588 lstep2[29] = _mm256_madd_epi16(lstep2[29], kOne);
1589 lstep2[30] = _mm256_madd_epi16(lstep2[30], kOne);
1590 lstep2[31] = _mm256_madd_epi16(lstep2[31], kOne);
1591
1592 lstep1[0] = _mm256_add_epi32(lstep3[6], lstep3[0]);
1593 lstep1[1] = _mm256_add_epi32(lstep3[7], lstep3[1]);
1594 lstep1[2] = _mm256_add_epi32(lstep3[4], lstep3[2]);
1595 lstep1[3] = _mm256_add_epi32(lstep3[5], lstep3[3]);
1596 lstep1[4] = _mm256_sub_epi32(lstep3[2], lstep3[4]);
1597 lstep1[5] = _mm256_sub_epi32(lstep3[3], lstep3[5]);
1598 lstep1[6] = _mm256_sub_epi32(lstep3[0], lstep3[6]);
1599 lstep1[7] = _mm256_sub_epi32(lstep3[1], lstep3[7]);
1600 lstep1[16] = _mm256_add_epi32(lstep3[22], lstep2[16]);
1601 lstep1[17] = _mm256_add_epi32(lstep3[23], lstep2[17]);
1602 lstep1[18] = _mm256_add_epi32(lstep3[20], lstep2[18]);
1603 lstep1[19] = _mm256_add_epi32(lstep3[21], lstep2[19]);
1604 lstep1[20] = _mm256_sub_epi32(lstep2[18], lstep3[20]);
1605 lstep1[21] = _mm256_sub_epi32(lstep2[19], lstep3[21]);
1606 lstep1[22] = _mm256_sub_epi32(lstep2[16], lstep3[22]);
1607 lstep1[23] = _mm256_sub_epi32(lstep2[17], lstep3[23]);
1608 lstep1[24] = _mm256_sub_epi32(lstep2[30], lstep3[24]);
1609 lstep1[25] = _mm256_sub_epi32(lstep2[31], lstep3[25]);
1610 lstep1[26] = _mm256_sub_epi32(lstep2[28], lstep3[26]);
1611 lstep1[27] = _mm256_sub_epi32(lstep2[29], lstep3[27]);
1612 lstep1[28] = _mm256_add_epi32(lstep3[26], lstep2[28]);
1613 lstep1[29] = _mm256_add_epi32(lstep3[27], lstep2[29]);
1614 lstep1[30] = _mm256_add_epi32(lstep3[24], lstep2[30]);
1615 lstep1[31] = _mm256_add_epi32(lstep3[25], lstep2[31]);
1616 }
1617 {
1618 // to be continued...
1619 //
1620 const __m256i k32_p16_p16 =
1621 pair256_set_epi32(cospi_16_64, cospi_16_64);
1622 const __m256i k32_p16_m16 =
1623 pair256_set_epi32(cospi_16_64, -cospi_16_64);
1624
1625 u[0] = _mm256_unpacklo_epi32(lstep3[12], lstep3[10]);
1626 u[1] = _mm256_unpackhi_epi32(lstep3[12], lstep3[10]);
1627 u[2] = _mm256_unpacklo_epi32(lstep3[13], lstep3[11]);
1628 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 v[0] = k_madd_epi32_avx2(u[0], k32_p16_m16);
1633 v[1] = k_madd_epi32_avx2(u[1], k32_p16_m16);
1634 v[2] = k_madd_epi32_avx2(u[2], k32_p16_m16);
1635 v[3] = k_madd_epi32_avx2(u[3], k32_p16_m16);
1636 v[4] = k_madd_epi32_avx2(u[0], k32_p16_p16);
1637 v[5] = k_madd_epi32_avx2(u[1], k32_p16_p16);
1638 v[6] = k_madd_epi32_avx2(u[2], k32_p16_p16);
1639 v[7] = k_madd_epi32_avx2(u[3], k32_p16_p16);
1640
1641 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1642 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1643 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1644 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1645
1646 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1647 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1648 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1649 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1650
1651 lstep1[10] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1652 lstep1[11] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1653 lstep1[12] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1654 lstep1[13] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1655 }
1656 {
1657 const __m256i k32_m08_p24 =
1658 pair256_set_epi32(-cospi_8_64, cospi_24_64);
1659 const __m256i k32_m24_m08 =
1660 pair256_set_epi32(-cospi_24_64, -cospi_8_64);
1661 const __m256i k32_p24_p08 =
1662 pair256_set_epi32(cospi_24_64, cospi_8_64);
1663
1664 u[0] = _mm256_unpacklo_epi32(lstep3[36], lstep3[58]);
1665 u[1] = _mm256_unpackhi_epi32(lstep3[36], lstep3[58]);
1666 u[2] = _mm256_unpacklo_epi32(lstep3[37], lstep3[59]);
1667 u[3] = _mm256_unpackhi_epi32(lstep3[37], lstep3[59]);
1668 u[4] = _mm256_unpacklo_epi32(lstep3[38], lstep3[56]);
1669 u[5] = _mm256_unpackhi_epi32(lstep3[38], lstep3[56]);
1670 u[6] = _mm256_unpacklo_epi32(lstep3[39], lstep3[57]);
1671 u[7] = _mm256_unpackhi_epi32(lstep3[39], lstep3[57]);
1672 u[8] = _mm256_unpacklo_epi32(lstep3[40], lstep3[54]);
1673 u[9] = _mm256_unpackhi_epi32(lstep3[40], lstep3[54]);
1674 u[10] = _mm256_unpacklo_epi32(lstep3[41], lstep3[55]);
1675 u[11] = _mm256_unpackhi_epi32(lstep3[41], lstep3[55]);
1676 u[12] = _mm256_unpacklo_epi32(lstep3[42], lstep3[52]);
1677 u[13] = _mm256_unpackhi_epi32(lstep3[42], lstep3[52]);
1678 u[14] = _mm256_unpacklo_epi32(lstep3[43], lstep3[53]);
1679 u[15] = _mm256_unpackhi_epi32(lstep3[43], lstep3[53]);
1680
1681 v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24);
1682 v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24);
1683 v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24);
1684 v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24);
1685 v[4] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1686 v[5] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1687 v[6] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1688 v[7] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1689 v[8] = k_madd_epi32_avx2(u[8], k32_m24_m08);
1690 v[9] = k_madd_epi32_avx2(u[9], k32_m24_m08);
1691 v[10] = k_madd_epi32_avx2(u[10], k32_m24_m08);
1692 v[11] = k_madd_epi32_avx2(u[11], k32_m24_m08);
1693 v[12] = k_madd_epi32_avx2(u[12], k32_m24_m08);
1694 v[13] = k_madd_epi32_avx2(u[13], k32_m24_m08);
1695 v[14] = k_madd_epi32_avx2(u[14], k32_m24_m08);
1696 v[15] = k_madd_epi32_avx2(u[15], k32_m24_m08);
1697 v[16] = k_madd_epi32_avx2(u[12], k32_m08_p24);
1698 v[17] = k_madd_epi32_avx2(u[13], k32_m08_p24);
1699 v[18] = k_madd_epi32_avx2(u[14], k32_m08_p24);
1700 v[19] = k_madd_epi32_avx2(u[15], k32_m08_p24);
1701 v[20] = k_madd_epi32_avx2(u[8], k32_m08_p24);
1702 v[21] = k_madd_epi32_avx2(u[9], k32_m08_p24);
1703 v[22] = k_madd_epi32_avx2(u[10], k32_m08_p24);
1704 v[23] = k_madd_epi32_avx2(u[11], k32_m08_p24);
1705 v[24] = k_madd_epi32_avx2(u[4], k32_p24_p08);
1706 v[25] = k_madd_epi32_avx2(u[5], k32_p24_p08);
1707 v[26] = k_madd_epi32_avx2(u[6], k32_p24_p08);
1708 v[27] = k_madd_epi32_avx2(u[7], k32_p24_p08);
1709 v[28] = k_madd_epi32_avx2(u[0], k32_p24_p08);
1710 v[29] = k_madd_epi32_avx2(u[1], k32_p24_p08);
1711 v[30] = k_madd_epi32_avx2(u[2], k32_p24_p08);
1712 v[31] = k_madd_epi32_avx2(u[3], k32_p24_p08);
1713
1714 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1715 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1716 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1717 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1718 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1719 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1720 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1721 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1722 u[8] = k_packs_epi64_avx2(v[16], v[17]);
1723 u[9] = k_packs_epi64_avx2(v[18], v[19]);
1724 u[10] = k_packs_epi64_avx2(v[20], v[21]);
1725 u[11] = k_packs_epi64_avx2(v[22], v[23]);
1726 u[12] = k_packs_epi64_avx2(v[24], v[25]);
1727 u[13] = k_packs_epi64_avx2(v[26], v[27]);
1728 u[14] = k_packs_epi64_avx2(v[28], v[29]);
1729 u[15] = k_packs_epi64_avx2(v[30], v[31]);
1730
1731 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1732 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1733 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1734 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1735 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1736 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1737 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1738 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1739 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
1740 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
1741 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
1742 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
1743 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
1744 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
1745 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
1746 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
1747
1748 lstep1[36] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1749 lstep1[37] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1750 lstep1[38] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1751 lstep1[39] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1752 lstep1[40] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
1753 lstep1[41] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
1754 lstep1[42] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
1755 lstep1[43] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
1756 lstep1[52] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
1757 lstep1[53] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
1758 lstep1[54] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
1759 lstep1[55] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
1760 lstep1[56] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
1761 lstep1[57] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
1762 lstep1[58] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
1763 lstep1[59] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
1764 }
1765 // stage 5
1766 {
1767 lstep2[8] = _mm256_add_epi32(lstep1[10], lstep3[8]);
1768 lstep2[9] = _mm256_add_epi32(lstep1[11], lstep3[9]);
1769 lstep2[10] = _mm256_sub_epi32(lstep3[8], lstep1[10]);
1770 lstep2[11] = _mm256_sub_epi32(lstep3[9], lstep1[11]);
1771 lstep2[12] = _mm256_sub_epi32(lstep3[14], lstep1[12]);
1772 lstep2[13] = _mm256_sub_epi32(lstep3[15], lstep1[13]);
1773 lstep2[14] = _mm256_add_epi32(lstep1[12], lstep3[14]);
1774 lstep2[15] = _mm256_add_epi32(lstep1[13], lstep3[15]);
1775 }
1776 {
1777 const __m256i k32_p16_p16 =
1778 pair256_set_epi32(cospi_16_64, cospi_16_64);
1779 const __m256i k32_p16_m16 =
1780 pair256_set_epi32(cospi_16_64, -cospi_16_64);
1781 const __m256i k32_p24_p08 =
1782 pair256_set_epi32(cospi_24_64, cospi_8_64);
1783 const __m256i k32_m08_p24 =
1784 pair256_set_epi32(-cospi_8_64, cospi_24_64);
1785
1786 u[0] = _mm256_unpacklo_epi32(lstep1[0], lstep1[2]);
1787 u[1] = _mm256_unpackhi_epi32(lstep1[0], lstep1[2]);
1788 u[2] = _mm256_unpacklo_epi32(lstep1[1], lstep1[3]);
1789 u[3] = _mm256_unpackhi_epi32(lstep1[1], lstep1[3]);
1790 u[4] = _mm256_unpacklo_epi32(lstep1[4], lstep1[6]);
1791 u[5] = _mm256_unpackhi_epi32(lstep1[4], lstep1[6]);
1792 u[6] = _mm256_unpacklo_epi32(lstep1[5], lstep1[7]);
1793 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 v[0] = k_madd_epi32_avx2(u[0], k32_p16_p16);
1798 v[1] = k_madd_epi32_avx2(u[1], k32_p16_p16);
1799 v[2] = k_madd_epi32_avx2(u[2], k32_p16_p16);
1800 v[3] = k_madd_epi32_avx2(u[3], k32_p16_p16);
1801 v[4] = k_madd_epi32_avx2(u[0], k32_p16_m16);
1802 v[5] = k_madd_epi32_avx2(u[1], k32_p16_m16);
1803 v[6] = k_madd_epi32_avx2(u[2], k32_p16_m16);
1804 v[7] = k_madd_epi32_avx2(u[3], k32_p16_m16);
1805 v[8] = k_madd_epi32_avx2(u[4], k32_p24_p08);
1806 v[9] = k_madd_epi32_avx2(u[5], k32_p24_p08);
1807 v[10] = k_madd_epi32_avx2(u[6], k32_p24_p08);
1808 v[11] = k_madd_epi32_avx2(u[7], k32_p24_p08);
1809 v[12] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1810 v[13] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1811 v[14] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1812 v[15] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1813
1814 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1815 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1816 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1817 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1818 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1819 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1820 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1821 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1822
1823 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1824 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1825 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1826 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1827 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1828 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1829 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1830 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1831
1832 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1833 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1834 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1835 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1836 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
1837 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
1838 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
1839 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
1840
1841 sign[0] = _mm256_cmpgt_epi32(kZero, u[0]);
1842 sign[1] = _mm256_cmpgt_epi32(kZero, u[1]);
1843 sign[2] = _mm256_cmpgt_epi32(kZero, u[2]);
1844 sign[3] = _mm256_cmpgt_epi32(kZero, u[3]);
1845 sign[4] = _mm256_cmpgt_epi32(kZero, u[4]);
1846 sign[5] = _mm256_cmpgt_epi32(kZero, u[5]);
1847 sign[6] = _mm256_cmpgt_epi32(kZero, u[6]);
1848 sign[7] = _mm256_cmpgt_epi32(kZero, u[7]);
1849
1850 u[0] = _mm256_sub_epi32(u[0], sign[0]);
1851 u[1] = _mm256_sub_epi32(u[1], sign[1]);
1852 u[2] = _mm256_sub_epi32(u[2], sign[2]);
1853 u[3] = _mm256_sub_epi32(u[3], sign[3]);
1854 u[4] = _mm256_sub_epi32(u[4], sign[4]);
1855 u[5] = _mm256_sub_epi32(u[5], sign[5]);
1856 u[6] = _mm256_sub_epi32(u[6], sign[6]);
1857 u[7] = _mm256_sub_epi32(u[7], sign[7]);
1858
1859 u[0] = _mm256_add_epi32(u[0], K32One);
1860 u[1] = _mm256_add_epi32(u[1], K32One);
1861 u[2] = _mm256_add_epi32(u[2], K32One);
1862 u[3] = _mm256_add_epi32(u[3], K32One);
1863 u[4] = _mm256_add_epi32(u[4], K32One);
1864 u[5] = _mm256_add_epi32(u[5], K32One);
1865 u[6] = _mm256_add_epi32(u[6], K32One);
1866 u[7] = _mm256_add_epi32(u[7], K32One);
1867
1868 u[0] = _mm256_srai_epi32(u[0], 2);
1869 u[1] = _mm256_srai_epi32(u[1], 2);
1870 u[2] = _mm256_srai_epi32(u[2], 2);
1871 u[3] = _mm256_srai_epi32(u[3], 2);
1872 u[4] = _mm256_srai_epi32(u[4], 2);
1873 u[5] = _mm256_srai_epi32(u[5], 2);
1874 u[6] = _mm256_srai_epi32(u[6], 2);
1875 u[7] = _mm256_srai_epi32(u[7], 2);
1876
1877 // Combine
1878 out[0] = _mm256_packs_epi32(u[0], u[1]);
1879 out[16] = _mm256_packs_epi32(u[2], u[3]);
1880 out[8] = _mm256_packs_epi32(u[4], u[5]);
1881 out[24] = _mm256_packs_epi32(u[6], u[7]);
1882 }
1883 {
1884 const __m256i k32_m08_p24 =
1885 pair256_set_epi32(-cospi_8_64, cospi_24_64);
1886 const __m256i k32_m24_m08 =
1887 pair256_set_epi32(-cospi_24_64, -cospi_8_64);
1888 const __m256i k32_p24_p08 =
1889 pair256_set_epi32(cospi_24_64, cospi_8_64);
1890
1891 u[0] = _mm256_unpacklo_epi32(lstep1[18], lstep1[28]);
1892 u[1] = _mm256_unpackhi_epi32(lstep1[18], lstep1[28]);
1893 u[2] = _mm256_unpacklo_epi32(lstep1[19], lstep1[29]);
1894 u[3] = _mm256_unpackhi_epi32(lstep1[19], lstep1[29]);
1895 u[4] = _mm256_unpacklo_epi32(lstep1[20], lstep1[26]);
1896 u[5] = _mm256_unpackhi_epi32(lstep1[20], lstep1[26]);
1897 u[6] = _mm256_unpacklo_epi32(lstep1[21], lstep1[27]);
1898 u[7] = _mm256_unpackhi_epi32(lstep1[21], lstep1[27]);
1899
1900 v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24);
1901 v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24);
1902 v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24);
1903 v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24);
1904 v[4] = k_madd_epi32_avx2(u[4], k32_m24_m08);
1905 v[5] = k_madd_epi32_avx2(u[5], k32_m24_m08);
1906 v[6] = k_madd_epi32_avx2(u[6], k32_m24_m08);
1907 v[7] = k_madd_epi32_avx2(u[7], k32_m24_m08);
1908 v[8] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1909 v[9] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1910 v[10] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1911 v[11] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1912 v[12] = k_madd_epi32_avx2(u[0], k32_p24_p08);
1913 v[13] = k_madd_epi32_avx2(u[1], k32_p24_p08);
1914 v[14] = k_madd_epi32_avx2(u[2], k32_p24_p08);
1915 v[15] = k_madd_epi32_avx2(u[3], k32_p24_p08);
1916
1917 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1918 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1919 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1920 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1921 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1922 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1923 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1924 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1925
1926 u[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1927 u[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1928 u[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1929 u[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1930 u[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1931 u[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1932 u[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1933 u[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1934
1935 lstep2[18] = _mm256_srai_epi32(u[0], DCT_CONST_BITS);
1936 lstep2[19] = _mm256_srai_epi32(u[1], DCT_CONST_BITS);
1937 lstep2[20] = _mm256_srai_epi32(u[2], DCT_CONST_BITS);
1938 lstep2[21] = _mm256_srai_epi32(u[3], DCT_CONST_BITS);
1939 lstep2[26] = _mm256_srai_epi32(u[4], DCT_CONST_BITS);
1940 lstep2[27] = _mm256_srai_epi32(u[5], DCT_CONST_BITS);
1941 lstep2[28] = _mm256_srai_epi32(u[6], DCT_CONST_BITS);
1942 lstep2[29] = _mm256_srai_epi32(u[7], DCT_CONST_BITS);
1943 }
1944 {
1945 lstep2[32] = _mm256_add_epi32(lstep1[38], lstep3[32]);
1946 lstep2[33] = _mm256_add_epi32(lstep1[39], lstep3[33]);
1947 lstep2[34] = _mm256_add_epi32(lstep1[36], lstep3[34]);
1948 lstep2[35] = _mm256_add_epi32(lstep1[37], lstep3[35]);
1949 lstep2[36] = _mm256_sub_epi32(lstep3[34], lstep1[36]);
1950 lstep2[37] = _mm256_sub_epi32(lstep3[35], lstep1[37]);
1951 lstep2[38] = _mm256_sub_epi32(lstep3[32], lstep1[38]);
1952 lstep2[39] = _mm256_sub_epi32(lstep3[33], lstep1[39]);
1953 lstep2[40] = _mm256_sub_epi32(lstep3[46], lstep1[40]);
1954 lstep2[41] = _mm256_sub_epi32(lstep3[47], lstep1[41]);
1955 lstep2[42] = _mm256_sub_epi32(lstep3[44], lstep1[42]);
1956 lstep2[43] = _mm256_sub_epi32(lstep3[45], lstep1[43]);
1957 lstep2[44] = _mm256_add_epi32(lstep1[42], lstep3[44]);
1958 lstep2[45] = _mm256_add_epi32(lstep1[43], lstep3[45]);
1959 lstep2[46] = _mm256_add_epi32(lstep1[40], lstep3[46]);
1960 lstep2[47] = _mm256_add_epi32(lstep1[41], lstep3[47]);
1961 lstep2[48] = _mm256_add_epi32(lstep1[54], lstep3[48]);
1962 lstep2[49] = _mm256_add_epi32(lstep1[55], lstep3[49]);
1963 lstep2[50] = _mm256_add_epi32(lstep1[52], lstep3[50]);
1964 lstep2[51] = _mm256_add_epi32(lstep1[53], lstep3[51]);
1965 lstep2[52] = _mm256_sub_epi32(lstep3[50], lstep1[52]);
1966 lstep2[53] = _mm256_sub_epi32(lstep3[51], lstep1[53]);
1967 lstep2[54] = _mm256_sub_epi32(lstep3[48], lstep1[54]);
1968 lstep2[55] = _mm256_sub_epi32(lstep3[49], lstep1[55]);
1969 lstep2[56] = _mm256_sub_epi32(lstep3[62], lstep1[56]);
1970 lstep2[57] = _mm256_sub_epi32(lstep3[63], lstep1[57]);
1971 lstep2[58] = _mm256_sub_epi32(lstep3[60], lstep1[58]);
1972 lstep2[59] = _mm256_sub_epi32(lstep3[61], lstep1[59]);
1973 lstep2[60] = _mm256_add_epi32(lstep1[58], lstep3[60]);
1974 lstep2[61] = _mm256_add_epi32(lstep1[59], lstep3[61]);
1975 lstep2[62] = _mm256_add_epi32(lstep1[56], lstep3[62]);
1976 lstep2[63] = _mm256_add_epi32(lstep1[57], lstep3[63]);
1977 }
1978 // stage 6
1979 {
1980 const __m256i k32_p28_p04 =
1981 pair256_set_epi32(cospi_28_64, cospi_4_64);
1982 const __m256i k32_p12_p20 =
1983 pair256_set_epi32(cospi_12_64, cospi_20_64);
1984 const __m256i k32_m20_p12 =
1985 pair256_set_epi32(-cospi_20_64, cospi_12_64);
1986 const __m256i k32_m04_p28 =
1987 pair256_set_epi32(-cospi_4_64, cospi_28_64);
1988
1989 u[0] = _mm256_unpacklo_epi32(lstep2[8], lstep2[14]);
1990 u[1] = _mm256_unpackhi_epi32(lstep2[8], lstep2[14]);
1991 u[2] = _mm256_unpacklo_epi32(lstep2[9], lstep2[15]);
1992 u[3] = _mm256_unpackhi_epi32(lstep2[9], lstep2[15]);
1993 u[4] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]);
1994 u[5] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]);
1995 u[6] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]);
1996 u[7] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]);
1997 u[8] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]);
1998 u[9] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]);
1999 u[10] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]);
2000 u[11] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]);
2001 u[12] = _mm256_unpacklo_epi32(lstep2[8], lstep2[14]);
2002 u[13] = _mm256_unpackhi_epi32(lstep2[8], lstep2[14]);
2003 u[14] = _mm256_unpacklo_epi32(lstep2[9], lstep2[15]);
2004 u[15] = _mm256_unpackhi_epi32(lstep2[9], lstep2[15]);
2005
2006 v[0] = k_madd_epi32_avx2(u[0], k32_p28_p04);
2007 v[1] = k_madd_epi32_avx2(u[1], k32_p28_p04);
2008 v[2] = k_madd_epi32_avx2(u[2], k32_p28_p04);
2009 v[3] = k_madd_epi32_avx2(u[3], k32_p28_p04);
2010 v[4] = k_madd_epi32_avx2(u[4], k32_p12_p20);
2011 v[5] = k_madd_epi32_avx2(u[5], k32_p12_p20);
2012 v[6] = k_madd_epi32_avx2(u[6], k32_p12_p20);
2013 v[7] = k_madd_epi32_avx2(u[7], k32_p12_p20);
2014 v[8] = k_madd_epi32_avx2(u[8], k32_m20_p12);
2015 v[9] = k_madd_epi32_avx2(u[9], k32_m20_p12);
2016 v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12);
2017 v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12);
2018 v[12] = k_madd_epi32_avx2(u[12], k32_m04_p28);
2019 v[13] = k_madd_epi32_avx2(u[13], k32_m04_p28);
2020 v[14] = k_madd_epi32_avx2(u[14], k32_m04_p28);
2021 v[15] = k_madd_epi32_avx2(u[15], k32_m04_p28);
2022
2023 u[0] = k_packs_epi64_avx2(v[0], v[1]);
2024 u[1] = k_packs_epi64_avx2(v[2], v[3]);
2025 u[2] = k_packs_epi64_avx2(v[4], v[5]);
2026 u[3] = k_packs_epi64_avx2(v[6], v[7]);
2027 u[4] = k_packs_epi64_avx2(v[8], v[9]);
2028 u[5] = k_packs_epi64_avx2(v[10], v[11]);
2029 u[6] = k_packs_epi64_avx2(v[12], v[13]);
2030 u[7] = k_packs_epi64_avx2(v[14], v[15]);
2031
2032 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2033 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2034 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2035 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2036 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2037 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2038 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2039 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2040
2041 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2042 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2043 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2044 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2045 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2046 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2047 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2048 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2049
2050 sign[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2051 sign[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2052 sign[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2053 sign[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2054 sign[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2055 sign[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2056 sign[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2057 sign[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2058
2059 u[0] = _mm256_sub_epi32(u[0], sign[0]);
2060 u[1] = _mm256_sub_epi32(u[1], sign[1]);
2061 u[2] = _mm256_sub_epi32(u[2], sign[2]);
2062 u[3] = _mm256_sub_epi32(u[3], sign[3]);
2063 u[4] = _mm256_sub_epi32(u[4], sign[4]);
2064 u[5] = _mm256_sub_epi32(u[5], sign[5]);
2065 u[6] = _mm256_sub_epi32(u[6], sign[6]);
2066 u[7] = _mm256_sub_epi32(u[7], sign[7]);
2067
2068 u[0] = _mm256_add_epi32(u[0], K32One);
2069 u[1] = _mm256_add_epi32(u[1], K32One);
2070 u[2] = _mm256_add_epi32(u[2], K32One);
2071 u[3] = _mm256_add_epi32(u[3], K32One);
2072 u[4] = _mm256_add_epi32(u[4], K32One);
2073 u[5] = _mm256_add_epi32(u[5], K32One);
2074 u[6] = _mm256_add_epi32(u[6], K32One);
2075 u[7] = _mm256_add_epi32(u[7], K32One);
2076
2077 u[0] = _mm256_srai_epi32(u[0], 2);
2078 u[1] = _mm256_srai_epi32(u[1], 2);
2079 u[2] = _mm256_srai_epi32(u[2], 2);
2080 u[3] = _mm256_srai_epi32(u[3], 2);
2081 u[4] = _mm256_srai_epi32(u[4], 2);
2082 u[5] = _mm256_srai_epi32(u[5], 2);
2083 u[6] = _mm256_srai_epi32(u[6], 2);
2084 u[7] = _mm256_srai_epi32(u[7], 2);
2085
2086 out[4] = _mm256_packs_epi32(u[0], u[1]);
2087 out[20] = _mm256_packs_epi32(u[2], u[3]);
2088 out[12] = _mm256_packs_epi32(u[4], u[5]);
2089 out[28] = _mm256_packs_epi32(u[6], u[7]);
2090 }
2091 {
2092 lstep3[16] = _mm256_add_epi32(lstep2[18], lstep1[16]);
2093 lstep3[17] = _mm256_add_epi32(lstep2[19], lstep1[17]);
2094 lstep3[18] = _mm256_sub_epi32(lstep1[16], lstep2[18]);
2095 lstep3[19] = _mm256_sub_epi32(lstep1[17], lstep2[19]);
2096 lstep3[20] = _mm256_sub_epi32(lstep1[22], lstep2[20]);
2097 lstep3[21] = _mm256_sub_epi32(lstep1[23], lstep2[21]);
2098 lstep3[22] = _mm256_add_epi32(lstep2[20], lstep1[22]);
2099 lstep3[23] = _mm256_add_epi32(lstep2[21], lstep1[23]);
2100 lstep3[24] = _mm256_add_epi32(lstep2[26], lstep1[24]);
2101 lstep3[25] = _mm256_add_epi32(lstep2[27], lstep1[25]);
2102 lstep3[26] = _mm256_sub_epi32(lstep1[24], lstep2[26]);
2103 lstep3[27] = _mm256_sub_epi32(lstep1[25], lstep2[27]);
2104 lstep3[28] = _mm256_sub_epi32(lstep1[30], lstep2[28]);
2105 lstep3[29] = _mm256_sub_epi32(lstep1[31], lstep2[29]);
2106 lstep3[30] = _mm256_add_epi32(lstep2[28], lstep1[30]);
2107 lstep3[31] = _mm256_add_epi32(lstep2[29], lstep1[31]);
2108 }
2109 {
2110 const __m256i k32_m04_p28 =
2111 pair256_set_epi32(-cospi_4_64, cospi_28_64);
2112 const __m256i k32_m28_m04 =
2113 pair256_set_epi32(-cospi_28_64, -cospi_4_64);
2114 const __m256i k32_m20_p12 =
2115 pair256_set_epi32(-cospi_20_64, cospi_12_64);
2116 const __m256i k32_m12_m20 =
2117 pair256_set_epi32(-cospi_12_64, -cospi_20_64);
2118 const __m256i k32_p12_p20 =
2119 pair256_set_epi32(cospi_12_64, cospi_20_64);
2120 const __m256i k32_p28_p04 =
2121 pair256_set_epi32(cospi_28_64, cospi_4_64);
2122
2123 u[0] = _mm256_unpacklo_epi32(lstep2[34], lstep2[60]);
2124 u[1] = _mm256_unpackhi_epi32(lstep2[34], lstep2[60]);
2125 u[2] = _mm256_unpacklo_epi32(lstep2[35], lstep2[61]);
2126 u[3] = _mm256_unpackhi_epi32(lstep2[35], lstep2[61]);
2127 u[4] = _mm256_unpacklo_epi32(lstep2[36], lstep2[58]);
2128 u[5] = _mm256_unpackhi_epi32(lstep2[36], lstep2[58]);
2129 u[6] = _mm256_unpacklo_epi32(lstep2[37], lstep2[59]);
2130 u[7] = _mm256_unpackhi_epi32(lstep2[37], lstep2[59]);
2131 u[8] = _mm256_unpacklo_epi32(lstep2[42], lstep2[52]);
2132 u[9] = _mm256_unpackhi_epi32(lstep2[42], lstep2[52]);
2133 u[10] = _mm256_unpacklo_epi32(lstep2[43], lstep2[53]);
2134 u[11] = _mm256_unpackhi_epi32(lstep2[43], lstep2[53]);
2135 u[12] = _mm256_unpacklo_epi32(lstep2[44], lstep2[50]);
2136 u[13] = _mm256_unpackhi_epi32(lstep2[44], lstep2[50]);
2137 u[14] = _mm256_unpacklo_epi32(lstep2[45], lstep2[51]);
2138 u[15] = _mm256_unpackhi_epi32(lstep2[45], lstep2[51]);
2139
2140 v[0] = k_madd_epi32_avx2(u[0], k32_m04_p28);
2141 v[1] = k_madd_epi32_avx2(u[1], k32_m04_p28);
2142 v[2] = k_madd_epi32_avx2(u[2], k32_m04_p28);
2143 v[3] = k_madd_epi32_avx2(u[3], k32_m04_p28);
2144 v[4] = k_madd_epi32_avx2(u[4], k32_m28_m04);
2145 v[5] = k_madd_epi32_avx2(u[5], k32_m28_m04);
2146 v[6] = k_madd_epi32_avx2(u[6], k32_m28_m04);
2147 v[7] = k_madd_epi32_avx2(u[7], k32_m28_m04);
2148 v[8] = k_madd_epi32_avx2(u[8], k32_m20_p12);
2149 v[9] = k_madd_epi32_avx2(u[9], k32_m20_p12);
2150 v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12);
2151 v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12);
2152 v[12] = k_madd_epi32_avx2(u[12], k32_m12_m20);
2153 v[13] = k_madd_epi32_avx2(u[13], k32_m12_m20);
2154 v[14] = k_madd_epi32_avx2(u[14], k32_m12_m20);
2155 v[15] = k_madd_epi32_avx2(u[15], k32_m12_m20);
2156 v[16] = k_madd_epi32_avx2(u[12], k32_m20_p12);
2157 v[17] = k_madd_epi32_avx2(u[13], k32_m20_p12);
2158 v[18] = k_madd_epi32_avx2(u[14], k32_m20_p12);
2159 v[19] = k_madd_epi32_avx2(u[15], k32_m20_p12);
2160 v[20] = k_madd_epi32_avx2(u[8], k32_p12_p20);
2161 v[21] = k_madd_epi32_avx2(u[9], k32_p12_p20);
2162 v[22] = k_madd_epi32_avx2(u[10], k32_p12_p20);
2163 v[23] = k_madd_epi32_avx2(u[11], k32_p12_p20);
2164 v[24] = k_madd_epi32_avx2(u[4], k32_m04_p28);
2165 v[25] = k_madd_epi32_avx2(u[5], k32_m04_p28);
2166 v[26] = k_madd_epi32_avx2(u[6], k32_m04_p28);
2167 v[27] = k_madd_epi32_avx2(u[7], k32_m04_p28);
2168 v[28] = k_madd_epi32_avx2(u[0], k32_p28_p04);
2169 v[29] = k_madd_epi32_avx2(u[1], k32_p28_p04);
2170 v[30] = k_madd_epi32_avx2(u[2], k32_p28_p04);
2171 v[31] = k_madd_epi32_avx2(u[3], k32_p28_p04);
2172
2173 u[0] = k_packs_epi64_avx2(v[0], v[1]);
2174 u[1] = k_packs_epi64_avx2(v[2], v[3]);
2175 u[2] = k_packs_epi64_avx2(v[4], v[5]);
2176 u[3] = k_packs_epi64_avx2(v[6], v[7]);
2177 u[4] = k_packs_epi64_avx2(v[8], v[9]);
2178 u[5] = k_packs_epi64_avx2(v[10], v[11]);
2179 u[6] = k_packs_epi64_avx2(v[12], v[13]);
2180 u[7] = k_packs_epi64_avx2(v[14], v[15]);
2181 u[8] = k_packs_epi64_avx2(v[16], v[17]);
2182 u[9] = k_packs_epi64_avx2(v[18], v[19]);
2183 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2184 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2185 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2186 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2187 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2188 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2189
2190 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2191 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2192 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2193 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2194 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2195 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2196 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2197 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2198 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2199 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2200 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2201 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2202 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2203 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2204 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2205 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2206
2207 lstep3[34] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2208 lstep3[35] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2209 lstep3[36] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2210 lstep3[37] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2211 lstep3[42] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2212 lstep3[43] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2213 lstep3[44] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2214 lstep3[45] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2215 lstep3[50] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2216 lstep3[51] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2217 lstep3[52] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2218 lstep3[53] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2219 lstep3[58] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2220 lstep3[59] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2221 lstep3[60] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2222 lstep3[61] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2223 }
2224 // stage 7
2225 {
2226 const __m256i k32_p30_p02 =
2227 pair256_set_epi32(cospi_30_64, cospi_2_64);
2228 const __m256i k32_p14_p18 =
2229 pair256_set_epi32(cospi_14_64, cospi_18_64);
2230 const __m256i k32_p22_p10 =
2231 pair256_set_epi32(cospi_22_64, cospi_10_64);
2232 const __m256i k32_p06_p26 =
2233 pair256_set_epi32(cospi_6_64, cospi_26_64);
2234 const __m256i k32_m26_p06 =
2235 pair256_set_epi32(-cospi_26_64, cospi_6_64);
2236 const __m256i k32_m10_p22 =
2237 pair256_set_epi32(-cospi_10_64, cospi_22_64);
2238 const __m256i k32_m18_p14 =
2239 pair256_set_epi32(-cospi_18_64, cospi_14_64);
2240 const __m256i k32_m02_p30 =
2241 pair256_set_epi32(-cospi_2_64, cospi_30_64);
2242
2243 u[0] = _mm256_unpacklo_epi32(lstep3[16], lstep3[30]);
2244 u[1] = _mm256_unpackhi_epi32(lstep3[16], lstep3[30]);
2245 u[2] = _mm256_unpacklo_epi32(lstep3[17], lstep3[31]);
2246 u[3] = _mm256_unpackhi_epi32(lstep3[17], lstep3[31]);
2247 u[4] = _mm256_unpacklo_epi32(lstep3[18], lstep3[28]);
2248 u[5] = _mm256_unpackhi_epi32(lstep3[18], lstep3[28]);
2249 u[6] = _mm256_unpacklo_epi32(lstep3[19], lstep3[29]);
2250 u[7] = _mm256_unpackhi_epi32(lstep3[19], lstep3[29]);
2251 u[8] = _mm256_unpacklo_epi32(lstep3[20], lstep3[26]);
2252 u[9] = _mm256_unpackhi_epi32(lstep3[20], lstep3[26]);
2253 u[10] = _mm256_unpacklo_epi32(lstep3[21], lstep3[27]);
2254 u[11] = _mm256_unpackhi_epi32(lstep3[21], lstep3[27]);
2255 u[12] = _mm256_unpacklo_epi32(lstep3[22], lstep3[24]);
2256 u[13] = _mm256_unpackhi_epi32(lstep3[22], lstep3[24]);
2257 u[14] = _mm256_unpacklo_epi32(lstep3[23], lstep3[25]);
2258 u[15] = _mm256_unpackhi_epi32(lstep3[23], lstep3[25]);
2259
2260 v[0] = k_madd_epi32_avx2(u[0], k32_p30_p02);
2261 v[1] = k_madd_epi32_avx2(u[1], k32_p30_p02);
2262 v[2] = k_madd_epi32_avx2(u[2], k32_p30_p02);
2263 v[3] = k_madd_epi32_avx2(u[3], k32_p30_p02);
2264 v[4] = k_madd_epi32_avx2(u[4], k32_p14_p18);
2265 v[5] = k_madd_epi32_avx2(u[5], k32_p14_p18);
2266 v[6] = k_madd_epi32_avx2(u[6], k32_p14_p18);
2267 v[7] = k_madd_epi32_avx2(u[7], k32_p14_p18);
2268 v[8] = k_madd_epi32_avx2(u[8], k32_p22_p10);
2269 v[9] = k_madd_epi32_avx2(u[9], k32_p22_p10);
2270 v[10] = k_madd_epi32_avx2(u[10], k32_p22_p10);
2271 v[11] = k_madd_epi32_avx2(u[11], k32_p22_p10);
2272 v[12] = k_madd_epi32_avx2(u[12], k32_p06_p26);
2273 v[13] = k_madd_epi32_avx2(u[13], k32_p06_p26);
2274 v[14] = k_madd_epi32_avx2(u[14], k32_p06_p26);
2275 v[15] = k_madd_epi32_avx2(u[15], k32_p06_p26);
2276 v[16] = k_madd_epi32_avx2(u[12], k32_m26_p06);
2277 v[17] = k_madd_epi32_avx2(u[13], k32_m26_p06);
2278 v[18] = k_madd_epi32_avx2(u[14], k32_m26_p06);
2279 v[19] = k_madd_epi32_avx2(u[15], k32_m26_p06);
2280 v[20] = k_madd_epi32_avx2(u[8], k32_m10_p22);
2281 v[21] = k_madd_epi32_avx2(u[9], k32_m10_p22);
2282 v[22] = k_madd_epi32_avx2(u[10], k32_m10_p22);
2283 v[23] = k_madd_epi32_avx2(u[11], k32_m10_p22);
2284 v[24] = k_madd_epi32_avx2(u[4], k32_m18_p14);
2285 v[25] = k_madd_epi32_avx2(u[5], k32_m18_p14);
2286 v[26] = k_madd_epi32_avx2(u[6], k32_m18_p14);
2287 v[27] = k_madd_epi32_avx2(u[7], k32_m18_p14);
2288 v[28] = k_madd_epi32_avx2(u[0], k32_m02_p30);
2289 v[29] = k_madd_epi32_avx2(u[1], k32_m02_p30);
2290 v[30] = k_madd_epi32_avx2(u[2], k32_m02_p30);
2291 v[31] = k_madd_epi32_avx2(u[3], k32_m02_p30);
2292
2293 u[0] = k_packs_epi64_avx2(v[0], v[1]);
2294 u[1] = k_packs_epi64_avx2(v[2], v[3]);
2295 u[2] = k_packs_epi64_avx2(v[4], v[5]);
2296 u[3] = k_packs_epi64_avx2(v[6], v[7]);
2297 u[4] = k_packs_epi64_avx2(v[8], v[9]);
2298 u[5] = k_packs_epi64_avx2(v[10], v[11]);
2299 u[6] = k_packs_epi64_avx2(v[12], v[13]);
2300 u[7] = k_packs_epi64_avx2(v[14], v[15]);
2301 u[8] = k_packs_epi64_avx2(v[16], v[17]);
2302 u[9] = k_packs_epi64_avx2(v[18], v[19]);
2303 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2304 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2305 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2306 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2307 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2308 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2309
2310 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2311 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2312 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2313 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2314 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2315 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2316 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2317 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2318 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2319 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2320 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2321 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2322 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2323 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2324 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2325 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2326
2327 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2328 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2329 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2330 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2331 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2332 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2333 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2334 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2335 u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2336 u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2337 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2338 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2339 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2340 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2341 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2342 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2343
2344 v[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2345 v[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2346 v[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2347 v[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2348 v[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2349 v[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2350 v[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2351 v[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2352 v[8] = _mm256_cmpgt_epi32(kZero, u[8]);
2353 v[9] = _mm256_cmpgt_epi32(kZero, u[9]);
2354 v[10] = _mm256_cmpgt_epi32(kZero, u[10]);
2355 v[11] = _mm256_cmpgt_epi32(kZero, u[11]);
2356 v[12] = _mm256_cmpgt_epi32(kZero, u[12]);
2357 v[13] = _mm256_cmpgt_epi32(kZero, u[13]);
2358 v[14] = _mm256_cmpgt_epi32(kZero, u[14]);
2359 v[15] = _mm256_cmpgt_epi32(kZero, u[15]);
2360
2361 u[0] = _mm256_sub_epi32(u[0], v[0]);
2362 u[1] = _mm256_sub_epi32(u[1], v[1]);
2363 u[2] = _mm256_sub_epi32(u[2], v[2]);
2364 u[3] = _mm256_sub_epi32(u[3], v[3]);
2365 u[4] = _mm256_sub_epi32(u[4], v[4]);
2366 u[5] = _mm256_sub_epi32(u[5], v[5]);
2367 u[6] = _mm256_sub_epi32(u[6], v[6]);
2368 u[7] = _mm256_sub_epi32(u[7], v[7]);
2369 u[8] = _mm256_sub_epi32(u[8], v[8]);
2370 u[9] = _mm256_sub_epi32(u[9], v[9]);
2371 u[10] = _mm256_sub_epi32(u[10], v[10]);
2372 u[11] = _mm256_sub_epi32(u[11], v[11]);
2373 u[12] = _mm256_sub_epi32(u[12], v[12]);
2374 u[13] = _mm256_sub_epi32(u[13], v[13]);
2375 u[14] = _mm256_sub_epi32(u[14], v[14]);
2376 u[15] = _mm256_sub_epi32(u[15], v[15]);
2377
2378 v[0] = _mm256_add_epi32(u[0], K32One);
2379 v[1] = _mm256_add_epi32(u[1], K32One);
2380 v[2] = _mm256_add_epi32(u[2], K32One);
2381 v[3] = _mm256_add_epi32(u[3], K32One);
2382 v[4] = _mm256_add_epi32(u[4], K32One);
2383 v[5] = _mm256_add_epi32(u[5], K32One);
2384 v[6] = _mm256_add_epi32(u[6], K32One);
2385 v[7] = _mm256_add_epi32(u[7], K32One);
2386 v[8] = _mm256_add_epi32(u[8], K32One);
2387 v[9] = _mm256_add_epi32(u[9], K32One);
2388 v[10] = _mm256_add_epi32(u[10], K32One);
2389 v[11] = _mm256_add_epi32(u[11], K32One);
2390 v[12] = _mm256_add_epi32(u[12], K32One);
2391 v[13] = _mm256_add_epi32(u[13], K32One);
2392 v[14] = _mm256_add_epi32(u[14], K32One);
2393 v[15] = _mm256_add_epi32(u[15], K32One);
2394
2395 u[0] = _mm256_srai_epi32(v[0], 2);
2396 u[1] = _mm256_srai_epi32(v[1], 2);
2397 u[2] = _mm256_srai_epi32(v[2], 2);
2398 u[3] = _mm256_srai_epi32(v[3], 2);
2399 u[4] = _mm256_srai_epi32(v[4], 2);
2400 u[5] = _mm256_srai_epi32(v[5], 2);
2401 u[6] = _mm256_srai_epi32(v[6], 2);
2402 u[7] = _mm256_srai_epi32(v[7], 2);
2403 u[8] = _mm256_srai_epi32(v[8], 2);
2404 u[9] = _mm256_srai_epi32(v[9], 2);
2405 u[10] = _mm256_srai_epi32(v[10], 2);
2406 u[11] = _mm256_srai_epi32(v[11], 2);
2407 u[12] = _mm256_srai_epi32(v[12], 2);
2408 u[13] = _mm256_srai_epi32(v[13], 2);
2409 u[14] = _mm256_srai_epi32(v[14], 2);
2410 u[15] = _mm256_srai_epi32(v[15], 2);
2411
2412 out[2] = _mm256_packs_epi32(u[0], u[1]);
2413 out[18] = _mm256_packs_epi32(u[2], u[3]);
2414 out[10] = _mm256_packs_epi32(u[4], u[5]);
2415 out[26] = _mm256_packs_epi32(u[6], u[7]);
2416 out[6] = _mm256_packs_epi32(u[8], u[9]);
2417 out[22] = _mm256_packs_epi32(u[10], u[11]);
2418 out[14] = _mm256_packs_epi32(u[12], u[13]);
2419 out[30] = _mm256_packs_epi32(u[14], u[15]);
2420 }
2421 {
2422 lstep1[32] = _mm256_add_epi32(lstep3[34], lstep2[32]);
2423 lstep1[33] = _mm256_add_epi32(lstep3[35], lstep2[33]);
2424 lstep1[34] = _mm256_sub_epi32(lstep2[32], lstep3[34]);
2425 lstep1[35] = _mm256_sub_epi32(lstep2[33], lstep3[35]);
2426 lstep1[36] = _mm256_sub_epi32(lstep2[38], lstep3[36]);
2427 lstep1[37] = _mm256_sub_epi32(lstep2[39], lstep3[37]);
2428 lstep1[38] = _mm256_add_epi32(lstep3[36], lstep2[38]);
2429 lstep1[39] = _mm256_add_epi32(lstep3[37], lstep2[39]);
2430 lstep1[40] = _mm256_add_epi32(lstep3[42], lstep2[40]);
2431 lstep1[41] = _mm256_add_epi32(lstep3[43], lstep2[41]);
2432 lstep1[42] = _mm256_sub_epi32(lstep2[40], lstep3[42]);
2433 lstep1[43] = _mm256_sub_epi32(lstep2[41], lstep3[43]);
2434 lstep1[44] = _mm256_sub_epi32(lstep2[46], lstep3[44]);
2435 lstep1[45] = _mm256_sub_epi32(lstep2[47], lstep3[45]);
2436 lstep1[46] = _mm256_add_epi32(lstep3[44], lstep2[46]);
2437 lstep1[47] = _mm256_add_epi32(lstep3[45], lstep2[47]);
2438 lstep1[48] = _mm256_add_epi32(lstep3[50], lstep2[48]);
2439 lstep1[49] = _mm256_add_epi32(lstep3[51], lstep2[49]);
2440 lstep1[50] = _mm256_sub_epi32(lstep2[48], lstep3[50]);
2441 lstep1[51] = _mm256_sub_epi32(lstep2[49], lstep3[51]);
2442 lstep1[52] = _mm256_sub_epi32(lstep2[54], lstep3[52]);
2443 lstep1[53] = _mm256_sub_epi32(lstep2[55], lstep3[53]);
2444 lstep1[54] = _mm256_add_epi32(lstep3[52], lstep2[54]);
2445 lstep1[55] = _mm256_add_epi32(lstep3[53], lstep2[55]);
2446 lstep1[56] = _mm256_add_epi32(lstep3[58], lstep2[56]);
2447 lstep1[57] = _mm256_add_epi32(lstep3[59], lstep2[57]);
2448 lstep1[58] = _mm256_sub_epi32(lstep2[56], lstep3[58]);
2449 lstep1[59] = _mm256_sub_epi32(lstep2[57], lstep3[59]);
2450 lstep1[60] = _mm256_sub_epi32(lstep2[62], lstep3[60]);
2451 lstep1[61] = _mm256_sub_epi32(lstep2[63], lstep3[61]);
2452 lstep1[62] = _mm256_add_epi32(lstep3[60], lstep2[62]);
2453 lstep1[63] = _mm256_add_epi32(lstep3[61], lstep2[63]);
2454 }
2455 // stage 8
2456 {
2457 const __m256i k32_p31_p01 =
2458 pair256_set_epi32(cospi_31_64, cospi_1_64);
2459 const __m256i k32_p15_p17 =
2460 pair256_set_epi32(cospi_15_64, cospi_17_64);
2461 const __m256i k32_p23_p09 =
2462 pair256_set_epi32(cospi_23_64, cospi_9_64);
2463 const __m256i k32_p07_p25 =
2464 pair256_set_epi32(cospi_7_64, cospi_25_64);
2465 const __m256i k32_m25_p07 =
2466 pair256_set_epi32(-cospi_25_64, cospi_7_64);
2467 const __m256i k32_m09_p23 =
2468 pair256_set_epi32(-cospi_9_64, cospi_23_64);
2469 const __m256i k32_m17_p15 =
2470 pair256_set_epi32(-cospi_17_64, cospi_15_64);
2471 const __m256i k32_m01_p31 =
2472 pair256_set_epi32(-cospi_1_64, cospi_31_64);
2473
2474 u[0] = _mm256_unpacklo_epi32(lstep1[32], lstep1[62]);
2475 u[1] = _mm256_unpackhi_epi32(lstep1[32], lstep1[62]);
2476 u[2] = _mm256_unpacklo_epi32(lstep1[33], lstep1[63]);
2477 u[3] = _mm256_unpackhi_epi32(lstep1[33], lstep1[63]);
2478 u[4] = _mm256_unpacklo_epi32(lstep1[34], lstep1[60]);
2479 u[5] = _mm256_unpackhi_epi32(lstep1[34], lstep1[60]);
2480 u[6] = _mm256_unpacklo_epi32(lstep1[35], lstep1[61]);
2481 u[7] = _mm256_unpackhi_epi32(lstep1[35], lstep1[61]);
2482 u[8] = _mm256_unpacklo_epi32(lstep1[36], lstep1[58]);
2483 u[9] = _mm256_unpackhi_epi32(lstep1[36], lstep1[58]);
2484 u[10] = _mm256_unpacklo_epi32(lstep1[37], lstep1[59]);
2485 u[11] = _mm256_unpackhi_epi32(lstep1[37], lstep1[59]);
2486 u[12] = _mm256_unpacklo_epi32(lstep1[38], lstep1[56]);
2487 u[13] = _mm256_unpackhi_epi32(lstep1[38], lstep1[56]);
2488 u[14] = _mm256_unpacklo_epi32(lstep1[39], lstep1[57]);
2489 u[15] = _mm256_unpackhi_epi32(lstep1[39], lstep1[57]);
2490
2491 v[0] = k_madd_epi32_avx2(u[0], k32_p31_p01);
2492 v[1] = k_madd_epi32_avx2(u[1], k32_p31_p01);
2493 v[2] = k_madd_epi32_avx2(u[2], k32_p31_p01);
2494 v[3] = k_madd_epi32_avx2(u[3], k32_p31_p01);
2495 v[4] = k_madd_epi32_avx2(u[4], k32_p15_p17);
2496 v[5] = k_madd_epi32_avx2(u[5], k32_p15_p17);
2497 v[6] = k_madd_epi32_avx2(u[6], k32_p15_p17);
2498 v[7] = k_madd_epi32_avx2(u[7], k32_p15_p17);
2499 v[8] = k_madd_epi32_avx2(u[8], k32_p23_p09);
2500 v[9] = k_madd_epi32_avx2(u[9], k32_p23_p09);
2501 v[10] = k_madd_epi32_avx2(u[10], k32_p23_p09);
2502 v[11] = k_madd_epi32_avx2(u[11], k32_p23_p09);
2503 v[12] = k_madd_epi32_avx2(u[12], k32_p07_p25);
2504 v[13] = k_madd_epi32_avx2(u[13], k32_p07_p25);
2505 v[14] = k_madd_epi32_avx2(u[14], k32_p07_p25);
2506 v[15] = k_madd_epi32_avx2(u[15], k32_p07_p25);
2507 v[16] = k_madd_epi32_avx2(u[12], k32_m25_p07);
2508 v[17] = k_madd_epi32_avx2(u[13], k32_m25_p07);
2509 v[18] = k_madd_epi32_avx2(u[14], k32_m25_p07);
2510 v[19] = k_madd_epi32_avx2(u[15], k32_m25_p07);
2511 v[20] = k_madd_epi32_avx2(u[8], k32_m09_p23);
2512 v[21] = k_madd_epi32_avx2(u[9], k32_m09_p23);
2513 v[22] = k_madd_epi32_avx2(u[10], k32_m09_p23);
2514 v[23] = k_madd_epi32_avx2(u[11], k32_m09_p23);
2515 v[24] = k_madd_epi32_avx2(u[4], k32_m17_p15);
2516 v[25] = k_madd_epi32_avx2(u[5], k32_m17_p15);
2517 v[26] = k_madd_epi32_avx2(u[6], k32_m17_p15);
2518 v[27] = k_madd_epi32_avx2(u[7], k32_m17_p15);
2519 v[28] = k_madd_epi32_avx2(u[0], k32_m01_p31);
2520 v[29] = k_madd_epi32_avx2(u[1], k32_m01_p31);
2521 v[30] = k_madd_epi32_avx2(u[2], k32_m01_p31);
2522 v[31] = k_madd_epi32_avx2(u[3], k32_m01_p31);
2523
2524 u[0] = k_packs_epi64_avx2(v[0], v[1]);
2525 u[1] = k_packs_epi64_avx2(v[2], v[3]);
2526 u[2] = k_packs_epi64_avx2(v[4], v[5]);
2527 u[3] = k_packs_epi64_avx2(v[6], v[7]);
2528 u[4] = k_packs_epi64_avx2(v[8], v[9]);
2529 u[5] = k_packs_epi64_avx2(v[10], v[11]);
2530 u[6] = k_packs_epi64_avx2(v[12], v[13]);
2531 u[7] = k_packs_epi64_avx2(v[14], v[15]);
2532 u[8] = k_packs_epi64_avx2(v[16], v[17]);
2533 u[9] = k_packs_epi64_avx2(v[18], v[19]);
2534 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2535 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2536 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2537 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2538 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2539 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2540
2541 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2542 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2543 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2544 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2545 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2546 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2547 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2548 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2549 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2550 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2551 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2552 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2553 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2554 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2555 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2556 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2557
2558 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2559 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2560 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2561 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2562 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2563 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2564 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2565 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2566 u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2567 u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2568 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2569 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2570 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2571 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2572 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2573 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2574
2575 v[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2576 v[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2577 v[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2578 v[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2579 v[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2580 v[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2581 v[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2582 v[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2583 v[8] = _mm256_cmpgt_epi32(kZero, u[8]);
2584 v[9] = _mm256_cmpgt_epi32(kZero, u[9]);
2585 v[10] = _mm256_cmpgt_epi32(kZero, u[10]);
2586 v[11] = _mm256_cmpgt_epi32(kZero, u[11]);
2587 v[12] = _mm256_cmpgt_epi32(kZero, u[12]);
2588 v[13] = _mm256_cmpgt_epi32(kZero, u[13]);
2589 v[14] = _mm256_cmpgt_epi32(kZero, u[14]);
2590 v[15] = _mm256_cmpgt_epi32(kZero, u[15]);
2591
2592 u[0] = _mm256_sub_epi32(u[0], v[0]);
2593 u[1] = _mm256_sub_epi32(u[1], v[1]);
2594 u[2] = _mm256_sub_epi32(u[2], v[2]);
2595 u[3] = _mm256_sub_epi32(u[3], v[3]);
2596 u[4] = _mm256_sub_epi32(u[4], v[4]);
2597 u[5] = _mm256_sub_epi32(u[5], v[5]);
2598 u[6] = _mm256_sub_epi32(u[6], v[6]);
2599 u[7] = _mm256_sub_epi32(u[7], v[7]);
2600 u[8] = _mm256_sub_epi32(u[8], v[8]);
2601 u[9] = _mm256_sub_epi32(u[9], v[9]);
2602 u[10] = _mm256_sub_epi32(u[10], v[10]);
2603 u[11] = _mm256_sub_epi32(u[11], v[11]);
2604 u[12] = _mm256_sub_epi32(u[12], v[12]);
2605 u[13] = _mm256_sub_epi32(u[13], v[13]);
2606 u[14] = _mm256_sub_epi32(u[14], v[14]);
2607 u[15] = _mm256_sub_epi32(u[15], v[15]);
2608
2609 v[0] = _mm256_add_epi32(u[0], K32One);
2610 v[1] = _mm256_add_epi32(u[1], K32One);
2611 v[2] = _mm256_add_epi32(u[2], K32One);
2612 v[3] = _mm256_add_epi32(u[3], K32One);
2613 v[4] = _mm256_add_epi32(u[4], K32One);
2614 v[5] = _mm256_add_epi32(u[5], K32One);
2615 v[6] = _mm256_add_epi32(u[6], K32One);
2616 v[7] = _mm256_add_epi32(u[7], K32One);
2617 v[8] = _mm256_add_epi32(u[8], K32One);
2618 v[9] = _mm256_add_epi32(u[9], K32One);
2619 v[10] = _mm256_add_epi32(u[10], K32One);
2620 v[11] = _mm256_add_epi32(u[11], K32One);
2621 v[12] = _mm256_add_epi32(u[12], K32One);
2622 v[13] = _mm256_add_epi32(u[13], K32One);
2623 v[14] = _mm256_add_epi32(u[14], K32One);
2624 v[15] = _mm256_add_epi32(u[15], K32One);
2625
2626 u[0] = _mm256_srai_epi32(v[0], 2);
2627 u[1] = _mm256_srai_epi32(v[1], 2);
2628 u[2] = _mm256_srai_epi32(v[2], 2);
2629 u[3] = _mm256_srai_epi32(v[3], 2);
2630 u[4] = _mm256_srai_epi32(v[4], 2);
2631 u[5] = _mm256_srai_epi32(v[5], 2);
2632 u[6] = _mm256_srai_epi32(v[6], 2);
2633 u[7] = _mm256_srai_epi32(v[7], 2);
2634 u[8] = _mm256_srai_epi32(v[8], 2);
2635 u[9] = _mm256_srai_epi32(v[9], 2);
2636 u[10] = _mm256_srai_epi32(v[10], 2);
2637 u[11] = _mm256_srai_epi32(v[11], 2);
2638 u[12] = _mm256_srai_epi32(v[12], 2);
2639 u[13] = _mm256_srai_epi32(v[13], 2);
2640 u[14] = _mm256_srai_epi32(v[14], 2);
2641 u[15] = _mm256_srai_epi32(v[15], 2);
2642
2643 out[1] = _mm256_packs_epi32(u[0], u[1]);
2644 out[17] = _mm256_packs_epi32(u[2], u[3]);
2645 out[9] = _mm256_packs_epi32(u[4], u[5]);
2646 out[25] = _mm256_packs_epi32(u[6], u[7]);
2647 out[7] = _mm256_packs_epi32(u[8], u[9]);
2648 out[23] = _mm256_packs_epi32(u[10], u[11]);
2649 out[15] = _mm256_packs_epi32(u[12], u[13]);
2650 out[31] = _mm256_packs_epi32(u[14], u[15]);
2651 }
2652 {
2653 const __m256i k32_p27_p05 =
2654 pair256_set_epi32(cospi_27_64, cospi_5_64);
2655 const __m256i k32_p11_p21 =
2656 pair256_set_epi32(cospi_11_64, cospi_21_64);
2657 const __m256i k32_p19_p13 =
2658 pair256_set_epi32(cospi_19_64, cospi_13_64);
2659 const __m256i k32_p03_p29 =
2660 pair256_set_epi32(cospi_3_64, cospi_29_64);
2661 const __m256i k32_m29_p03 =
2662 pair256_set_epi32(-cospi_29_64, cospi_3_64);
2663 const __m256i k32_m13_p19 =
2664 pair256_set_epi32(-cospi_13_64, cospi_19_64);
2665 const __m256i k32_m21_p11 =
2666 pair256_set_epi32(-cospi_21_64, cospi_11_64);
2667 const __m256i k32_m05_p27 =
2668 pair256_set_epi32(-cospi_5_64, cospi_27_64);
2669
2670 u[0] = _mm256_unpacklo_epi32(lstep1[40], lstep1[54]);
2671 u[1] = _mm256_unpackhi_epi32(lstep1[40], lstep1[54]);
2672 u[2] = _mm256_unpacklo_epi32(lstep1[41], lstep1[55]);
2673 u[3] = _mm256_unpackhi_epi32(lstep1[41], lstep1[55]);
2674 u[4] = _mm256_unpacklo_epi32(lstep1[42], lstep1[52]);
2675 u[5] = _mm256_unpackhi_epi32(lstep1[42], lstep1[52]);
2676 u[6] = _mm256_unpacklo_epi32(lstep1[43], lstep1[53]);
2677 u[7] = _mm256_unpackhi_epi32(lstep1[43], lstep1[53]);
2678 u[8] = _mm256_unpacklo_epi32(lstep1[44], lstep1[50]);
2679 u[9] = _mm256_unpackhi_epi32(lstep1[44], lstep1[50]);
2680 u[10] = _mm256_unpacklo_epi32(lstep1[45], lstep1[51]);
2681 u[11] = _mm256_unpackhi_epi32(lstep1[45], lstep1[51]);
2682 u[12] = _mm256_unpacklo_epi32(lstep1[46], lstep1[48]);
2683 u[13] = _mm256_unpackhi_epi32(lstep1[46], lstep1[48]);
2684 u[14] = _mm256_unpacklo_epi32(lstep1[47], lstep1[49]);
2685 u[15] = _mm256_unpackhi_epi32(lstep1[47], lstep1[49]);
2686
2687 v[0] = k_madd_epi32_avx2(u[0], k32_p27_p05);
2688 v[1] = k_madd_epi32_avx2(u[1], k32_p27_p05);
2689 v[2] = k_madd_epi32_avx2(u[2], k32_p27_p05);
2690 v[3] = k_madd_epi32_avx2(u[3], k32_p27_p05);
2691 v[4] = k_madd_epi32_avx2(u[4], k32_p11_p21);
2692 v[5] = k_madd_epi32_avx2(u[5], k32_p11_p21);
2693 v[6] = k_madd_epi32_avx2(u[6], k32_p11_p21);
2694 v[7] = k_madd_epi32_avx2(u[7], k32_p11_p21);
2695 v[8] = k_madd_epi32_avx2(u[8], k32_p19_p13);
2696 v[9] = k_madd_epi32_avx2(u[9], k32_p19_p13);
2697 v[10] = k_madd_epi32_avx2(u[10], k32_p19_p13);
2698 v[11] = k_madd_epi32_avx2(u[11], k32_p19_p13);
2699 v[12] = k_madd_epi32_avx2(u[12], k32_p03_p29);
2700 v[13] = k_madd_epi32_avx2(u[13], k32_p03_p29);
2701 v[14] = k_madd_epi32_avx2(u[14], k32_p03_p29);
2702 v[15] = k_madd_epi32_avx2(u[15], k32_p03_p29);
2703 v[16] = k_madd_epi32_avx2(u[12], k32_m29_p03);
2704 v[17] = k_madd_epi32_avx2(u[13], k32_m29_p03);
2705 v[18] = k_madd_epi32_avx2(u[14], k32_m29_p03);
2706 v[19] = k_madd_epi32_avx2(u[15], k32_m29_p03);
2707 v[20] = k_madd_epi32_avx2(u[8], k32_m13_p19);
2708 v[21] = k_madd_epi32_avx2(u[9], k32_m13_p19);
2709 v[22] = k_madd_epi32_avx2(u[10], k32_m13_p19);
2710 v[23] = k_madd_epi32_avx2(u[11], k32_m13_p19);
2711 v[24] = k_madd_epi32_avx2(u[4], k32_m21_p11);
2712 v[25] = k_madd_epi32_avx2(u[5], k32_m21_p11);
2713 v[26] = k_madd_epi32_avx2(u[6], k32_m21_p11);
2714 v[27] = k_madd_epi32_avx2(u[7], k32_m21_p11);
2715 v[28] = k_madd_epi32_avx2(u[0], k32_m05_p27);
2716 v[29] = k_madd_epi32_avx2(u[1], k32_m05_p27);
2717 v[30] = k_madd_epi32_avx2(u[2], k32_m05_p27);
2718 v[31] = k_madd_epi32_avx2(u[3], k32_m05_p27);
2719
2720 u[0] = k_packs_epi64_avx2(v[0], v[1]);
2721 u[1] = k_packs_epi64_avx2(v[2], v[3]);
2722 u[2] = k_packs_epi64_avx2(v[4], v[5]);
2723 u[3] = k_packs_epi64_avx2(v[6], v[7]);
2724 u[4] = k_packs_epi64_avx2(v[8], v[9]);
2725 u[5] = k_packs_epi64_avx2(v[10], v[11]);
2726 u[6] = k_packs_epi64_avx2(v[12], v[13]);
2727 u[7] = k_packs_epi64_avx2(v[14], v[15]);
2728 u[8] = k_packs_epi64_avx2(v[16], v[17]);
2729 u[9] = k_packs_epi64_avx2(v[18], v[19]);
2730 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2731 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2732 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2733 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2734 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2735 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2736
2737 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
2738 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
2739 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
2740 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
2741 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
2742 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
2743 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
2744 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
2745 v[8] = _mm256_add_epi32(u[8], k__DCT_CONST_ROUNDING);
2746 v[9] = _mm256_add_epi32(u[9], k__DCT_CONST_ROUNDING);
2747 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2748 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2749 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2750 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2751 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2752 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2753
2754 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
2755 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
2756 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
2757 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
2758 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
2759 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
2760 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
2761 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
2762 u[8] = _mm256_srai_epi32(v[8], DCT_CONST_BITS);
2763 u[9] = _mm256_srai_epi32(v[9], DCT_CONST_BITS);
2764 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2765 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2766 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2767 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2768 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2769 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2770
2771 v[0] = _mm256_cmpgt_epi32(kZero, u[0]);
2772 v[1] = _mm256_cmpgt_epi32(kZero, u[1]);
2773 v[2] = _mm256_cmpgt_epi32(kZero, u[2]);
2774 v[3] = _mm256_cmpgt_epi32(kZero, u[3]);
2775 v[4] = _mm256_cmpgt_epi32(kZero, u[4]);
2776 v[5] = _mm256_cmpgt_epi32(kZero, u[5]);
2777 v[6] = _mm256_cmpgt_epi32(kZero, u[6]);
2778 v[7] = _mm256_cmpgt_epi32(kZero, u[7]);
2779 v[8] = _mm256_cmpgt_epi32(kZero, u[8]);
2780 v[9] = _mm256_cmpgt_epi32(kZero, u[9]);
2781 v[10] = _mm256_cmpgt_epi32(kZero, u[10]);
2782 v[11] = _mm256_cmpgt_epi32(kZero, u[11]);
2783 v[12] = _mm256_cmpgt_epi32(kZero, u[12]);
2784 v[13] = _mm256_cmpgt_epi32(kZero, u[13]);
2785 v[14] = _mm256_cmpgt_epi32(kZero, u[14]);
2786 v[15] = _mm256_cmpgt_epi32(kZero, u[15]);
2787
2788 u[0] = _mm256_sub_epi32(u[0], v[0]);
2789 u[1] = _mm256_sub_epi32(u[1], v[1]);
2790 u[2] = _mm256_sub_epi32(u[2], v[2]);
2791 u[3] = _mm256_sub_epi32(u[3], v[3]);
2792 u[4] = _mm256_sub_epi32(u[4], v[4]);
2793 u[5] = _mm256_sub_epi32(u[5], v[5]);
2794 u[6] = _mm256_sub_epi32(u[6], v[6]);
2795 u[7] = _mm256_sub_epi32(u[7], v[7]);
2796 u[8] = _mm256_sub_epi32(u[8], v[8]);
2797 u[9] = _mm256_sub_epi32(u[9], v[9]);
2798 u[10] = _mm256_sub_epi32(u[10], v[10]);
2799 u[11] = _mm256_sub_epi32(u[11], v[11]);
2800 u[12] = _mm256_sub_epi32(u[12], v[12]);
2801 u[13] = _mm256_sub_epi32(u[13], v[13]);
2802 u[14] = _mm256_sub_epi32(u[14], v[14]);
2803 u[15] = _mm256_sub_epi32(u[15], v[15]);
2804
2805 v[0] = _mm256_add_epi32(u[0], K32One);
2806 v[1] = _mm256_add_epi32(u[1], K32One);
2807 v[2] = _mm256_add_epi32(u[2], K32One);
2808 v[3] = _mm256_add_epi32(u[3], K32One);
2809 v[4] = _mm256_add_epi32(u[4], K32One);
2810 v[5] = _mm256_add_epi32(u[5], K32One);
2811 v[6] = _mm256_add_epi32(u[6], K32One);
2812 v[7] = _mm256_add_epi32(u[7], K32One);
2813 v[8] = _mm256_add_epi32(u[8], K32One);
2814 v[9] = _mm256_add_epi32(u[9], K32One);
2815 v[10] = _mm256_add_epi32(u[10], K32One);
2816 v[11] = _mm256_add_epi32(u[11], K32One);
2817 v[12] = _mm256_add_epi32(u[12], K32One);
2818 v[13] = _mm256_add_epi32(u[13], K32One);
2819 v[14] = _mm256_add_epi32(u[14], K32One);
2820 v[15] = _mm256_add_epi32(u[15], K32One);
2821
2822 u[0] = _mm256_srai_epi32(v[0], 2);
2823 u[1] = _mm256_srai_epi32(v[1], 2);
2824 u[2] = _mm256_srai_epi32(v[2], 2);
2825 u[3] = _mm256_srai_epi32(v[3], 2);
2826 u[4] = _mm256_srai_epi32(v[4], 2);
2827 u[5] = _mm256_srai_epi32(v[5], 2);
2828 u[6] = _mm256_srai_epi32(v[6], 2);
2829 u[7] = _mm256_srai_epi32(v[7], 2);
2830 u[8] = _mm256_srai_epi32(v[8], 2);
2831 u[9] = _mm256_srai_epi32(v[9], 2);
2832 u[10] = _mm256_srai_epi32(v[10], 2);
2833 u[11] = _mm256_srai_epi32(v[11], 2);
2834 u[12] = _mm256_srai_epi32(v[12], 2);
2835 u[13] = _mm256_srai_epi32(v[13], 2);
2836 u[14] = _mm256_srai_epi32(v[14], 2);
2837 u[15] = _mm256_srai_epi32(v[15], 2);
2838
2839 out[5] = _mm256_packs_epi32(u[0], u[1]);
2840 out[21] = _mm256_packs_epi32(u[2], u[3]);
2841 out[13] = _mm256_packs_epi32(u[4], u[5]);
2842 out[29] = _mm256_packs_epi32(u[6], u[7]);
2843 out[3] = _mm256_packs_epi32(u[8], u[9]);
2844 out[19] = _mm256_packs_epi32(u[10], u[11]);
2845 out[11] = _mm256_packs_epi32(u[12], u[13]);
2846 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 if (0 == pass) {
2855 output_currStep = &intermediate[column_start * 32];
2856 output_nextStep = &intermediate[(column_start + 8) * 32];
2857 } else {
2858 output_currStep = &output_org[column_start * 32];
2859 output_nextStep = &output_org[(column_start + 8) * 32];
2860 }
2861 for (transpose_block = 0; transpose_block < 4; ++transpose_block) {
2862 __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 const __m256i tr0_0 = _mm256_unpacklo_epi16(this_out[0], this_out[1]);
2872 const __m256i tr0_1 = _mm256_unpacklo_epi16(this_out[2], this_out[3]);
2873 const __m256i tr0_2 = _mm256_unpackhi_epi16(this_out[0], this_out[1]);
2874 const __m256i tr0_3 = _mm256_unpackhi_epi16(this_out[2], this_out[3]);
2875 const __m256i tr0_4 = _mm256_unpacklo_epi16(this_out[4], this_out[5]);
2876 const __m256i tr0_5 = _mm256_unpacklo_epi16(this_out[6], this_out[7]);
2877 const __m256i tr0_6 = _mm256_unpackhi_epi16(this_out[4], this_out[5]);
2878 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 const __m256i tr1_0 = _mm256_unpacklo_epi32(tr0_0, tr0_1);
2889 const __m256i tr1_1 = _mm256_unpacklo_epi32(tr0_2, tr0_3);
2890 const __m256i tr1_2 = _mm256_unpackhi_epi32(tr0_0, tr0_1);
2891 const __m256i tr1_3 = _mm256_unpackhi_epi32(tr0_2, tr0_3);
2892 const __m256i tr1_4 = _mm256_unpacklo_epi32(tr0_4, tr0_5);
2893 const __m256i tr1_5 = _mm256_unpacklo_epi32(tr0_6, tr0_7);
2894 const __m256i tr1_6 = _mm256_unpackhi_epi32(tr0_4, tr0_5);
2895 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 __m256i tr2_0 = _mm256_unpacklo_epi64(tr1_0, tr1_4);
2905 __m256i tr2_1 = _mm256_unpackhi_epi64(tr1_0, tr1_4);
2906 __m256i tr2_2 = _mm256_unpacklo_epi64(tr1_2, tr1_6);
2907 __m256i tr2_3 = _mm256_unpackhi_epi64(tr1_2, tr1_6);
2908 __m256i tr2_4 = _mm256_unpacklo_epi64(tr1_1, tr1_5);
2909 __m256i tr2_5 = _mm256_unpackhi_epi64(tr1_1, tr1_5);
2910 __m256i tr2_6 = _mm256_unpacklo_epi64(tr1_3, tr1_7);
2911 __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 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 __m256i tr2_0_0 = _mm256_cmpgt_epi16(tr2_0, kZero);
2926 __m256i tr2_1_0 = _mm256_cmpgt_epi16(tr2_1, kZero);
2927 __m256i tr2_2_0 = _mm256_cmpgt_epi16(tr2_2, kZero);
2928 __m256i tr2_3_0 = _mm256_cmpgt_epi16(tr2_3, kZero);
2929 __m256i tr2_4_0 = _mm256_cmpgt_epi16(tr2_4, kZero);
2930 __m256i tr2_5_0 = _mm256_cmpgt_epi16(tr2_5, kZero);
2931 __m256i tr2_6_0 = _mm256_cmpgt_epi16(tr2_6, kZero);
2932 __m256i tr2_7_0 = _mm256_cmpgt_epi16(tr2_7, kZero);
2933 tr2_0 = _mm256_sub_epi16(tr2_0, tr2_0_0);
2934 tr2_1 = _mm256_sub_epi16(tr2_1, tr2_1_0);
2935 tr2_2 = _mm256_sub_epi16(tr2_2, tr2_2_0);
2936 tr2_3 = _mm256_sub_epi16(tr2_3, tr2_3_0);
2937 tr2_4 = _mm256_sub_epi16(tr2_4, tr2_4_0);
2938 tr2_5 = _mm256_sub_epi16(tr2_5, tr2_5_0);
2939 tr2_6 = _mm256_sub_epi16(tr2_6, tr2_6_0);
2940 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 tr2_0 = _mm256_add_epi16(tr2_0, kOne);
2944 tr2_1 = _mm256_add_epi16(tr2_1, kOne);
2945 tr2_2 = _mm256_add_epi16(tr2_2, kOne);
2946 tr2_3 = _mm256_add_epi16(tr2_3, kOne);
2947 tr2_4 = _mm256_add_epi16(tr2_4, kOne);
2948 tr2_5 = _mm256_add_epi16(tr2_5, kOne);
2949 tr2_6 = _mm256_add_epi16(tr2_6, kOne);
2950 tr2_7 = _mm256_add_epi16(tr2_7, kOne);
2951 tr2_0 = _mm256_srai_epi16(tr2_0, 2);
2952 tr2_1 = _mm256_srai_epi16(tr2_1, 2);
2953 tr2_2 = _mm256_srai_epi16(tr2_2, 2);
2954 tr2_3 = _mm256_srai_epi16(tr2_3, 2);
2955 tr2_4 = _mm256_srai_epi16(tr2_4, 2);
2956 tr2_5 = _mm256_srai_epi16(tr2_5, 2);
2957 tr2_6 = _mm256_srai_epi16(tr2_6, 2);
2958 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 _mm_storeu_si128((__m128i *)(output_currStep + 0 * 32),
2963 _mm256_castsi256_si128(tr2_0));
2964 _mm_storeu_si128((__m128i *)(output_currStep + 1 * 32),
2965 _mm256_castsi256_si128(tr2_1));
2966 _mm_storeu_si128((__m128i *)(output_currStep + 2 * 32),
2967 _mm256_castsi256_si128(tr2_2));
2968 _mm_storeu_si128((__m128i *)(output_currStep + 3 * 32),
2969 _mm256_castsi256_si128(tr2_3));
2970 _mm_storeu_si128((__m128i *)(output_currStep + 4 * 32),
2971 _mm256_castsi256_si128(tr2_4));
2972 _mm_storeu_si128((__m128i *)(output_currStep + 5 * 32),
2973 _mm256_castsi256_si128(tr2_5));
2974 _mm_storeu_si128((__m128i *)(output_currStep + 6 * 32),
2975 _mm256_castsi256_si128(tr2_6));
2976 _mm_storeu_si128((__m128i *)(output_currStep + 7 * 32),
2977 _mm256_castsi256_si128(tr2_7));
2978
2979 _mm_storeu_si128((__m128i *)(output_nextStep + 0 * 32),
2980 _mm256_extractf128_si256(tr2_0, 1));
2981 _mm_storeu_si128((__m128i *)(output_nextStep + 1 * 32),
2982 _mm256_extractf128_si256(tr2_1, 1));
2983 _mm_storeu_si128((__m128i *)(output_nextStep + 2 * 32),
2984 _mm256_extractf128_si256(tr2_2, 1));
2985 _mm_storeu_si128((__m128i *)(output_nextStep + 3 * 32),
2986 _mm256_extractf128_si256(tr2_3, 1));
2987 _mm_storeu_si128((__m128i *)(output_nextStep + 4 * 32),
2988 _mm256_extractf128_si256(tr2_4, 1));
2989 _mm_storeu_si128((__m128i *)(output_nextStep + 5 * 32),
2990 _mm256_extractf128_si256(tr2_5, 1));
2991 _mm_storeu_si128((__m128i *)(output_nextStep + 6 * 32),
2992 _mm256_extractf128_si256(tr2_6, 1));
2993 _mm_storeu_si128((__m128i *)(output_nextStep + 7 * 32),
2994 _mm256_extractf128_si256(tr2_7, 1));
2995 // Process next 8x8
2996 output_currStep += 8;
2997 output_nextStep += 8;
2998 }
2999 }
3000 }
3001 }
3002 } // NOLINT
3003