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 "./vp9_rtcd.h"
14 #include "vp9/common/vp9_idct.h" // for cospi constants
15 #include "vpx_ports/mem.h"
16
17 #define pair256_set_epi16(a, b) \
18 _mm256_set_epi16((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 (int16_t)(b), (int16_t)(a), (int16_t)(b), (int16_t)(a))
22
23 #define pair256_set_epi32(a, b) \
24 _mm256_set_epi32((int)(b), (int)(a), (int)(b), (int)(a), \
25 (int)(b), (int)(a), (int)(b), (int)(a))
26
27 #if FDCT32x32_HIGH_PRECISION
k_madd_epi32_avx2(__m256i a,__m256i b)28 static INLINE __m256i k_madd_epi32_avx2(__m256i a, __m256i b) {
29 __m256i buf0, buf1;
30 buf0 = _mm256_mul_epu32(a, b);
31 a = _mm256_srli_epi64(a, 32);
32 b = _mm256_srli_epi64(b, 32);
33 buf1 = _mm256_mul_epu32(a, b);
34 return _mm256_add_epi64(buf0, buf1);
35 }
36
k_packs_epi64_avx2(__m256i a,__m256i b)37 static INLINE __m256i k_packs_epi64_avx2(__m256i a, __m256i b) {
38 __m256i buf0 = _mm256_shuffle_epi32(a, _MM_SHUFFLE(0, 0, 2, 0));
39 __m256i buf1 = _mm256_shuffle_epi32(b, _MM_SHUFFLE(0, 0, 2, 0));
40 return _mm256_unpacklo_epi64(buf0, buf1);
41 }
42 #endif
43
FDCT32x32_2D_AVX2(const int16_t * input,int16_t * output_org,int stride)44 void FDCT32x32_2D_AVX2(const int16_t *input,
45 int16_t *output_org, int stride) {
46 // Calculate pre-multiplied strides
47 const int str1 = stride;
48 const int str2 = 2 * stride;
49 const int str3 = 2 * stride + str1;
50 // We need an intermediate buffer between passes.
51 DECLARE_ALIGNED(32, int16_t, intermediate[32 * 32]);
52 // Constants
53 // When we use them, in one case, they are all the same. In all others
54 // it's a pair of them that we need to repeat four times. This is done
55 // by constructing the 32 bit constant corresponding to that pair.
56 const __m256i k__cospi_p16_p16 = _mm256_set1_epi16((int16_t)cospi_16_64);
57 const __m256i k__cospi_p16_m16 = pair256_set_epi16(+cospi_16_64, -cospi_16_64);
58 const __m256i k__cospi_m08_p24 = pair256_set_epi16(-cospi_8_64, cospi_24_64);
59 const __m256i k__cospi_m24_m08 = pair256_set_epi16(-cospi_24_64, -cospi_8_64);
60 const __m256i k__cospi_p24_p08 = pair256_set_epi16(+cospi_24_64, cospi_8_64);
61 const __m256i k__cospi_p12_p20 = pair256_set_epi16(+cospi_12_64, cospi_20_64);
62 const __m256i k__cospi_m20_p12 = pair256_set_epi16(-cospi_20_64, cospi_12_64);
63 const __m256i k__cospi_m04_p28 = pair256_set_epi16(-cospi_4_64, cospi_28_64);
64 const __m256i k__cospi_p28_p04 = pair256_set_epi16(+cospi_28_64, cospi_4_64);
65 const __m256i k__cospi_m28_m04 = pair256_set_epi16(-cospi_28_64, -cospi_4_64);
66 const __m256i k__cospi_m12_m20 = 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 = _mm256_loadu_si256((const __m256i *)(ina + str1));
119 const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2));
120 const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3));
121 const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3));
122 const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2));
123 const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1));
124 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
125 step1a[ 0] = _mm256_add_epi16(ina0, inb0);
126 step1a[ 1] = _mm256_add_epi16(ina1, inb1);
127 step1a[ 2] = _mm256_add_epi16(ina2, inb2);
128 step1a[ 3] = _mm256_add_epi16(ina3, inb3);
129 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
130 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
131 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
132 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
133 step1a[ 0] = _mm256_slli_epi16(step1a[ 0], 2);
134 step1a[ 1] = _mm256_slli_epi16(step1a[ 1], 2);
135 step1a[ 2] = _mm256_slli_epi16(step1a[ 2], 2);
136 step1a[ 3] = _mm256_slli_epi16(step1a[ 3], 2);
137 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
138 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
139 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
140 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
141 }
142 {
143 const int16_t *ina = in + 4 * str1;
144 const int16_t *inb = in + 27 * str1;
145 __m256i *step1a = &step1[ 4];
146 __m256i *step1b = &step1[27];
147 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
148 const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1));
149 const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2));
150 const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3));
151 const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3));
152 const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2));
153 const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1));
154 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
155 step1a[ 0] = _mm256_add_epi16(ina0, inb0);
156 step1a[ 1] = _mm256_add_epi16(ina1, inb1);
157 step1a[ 2] = _mm256_add_epi16(ina2, inb2);
158 step1a[ 3] = _mm256_add_epi16(ina3, inb3);
159 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
160 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
161 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
162 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
163 step1a[ 0] = _mm256_slli_epi16(step1a[ 0], 2);
164 step1a[ 1] = _mm256_slli_epi16(step1a[ 1], 2);
165 step1a[ 2] = _mm256_slli_epi16(step1a[ 2], 2);
166 step1a[ 3] = _mm256_slli_epi16(step1a[ 3], 2);
167 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
168 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
169 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
170 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
171 }
172 {
173 const int16_t *ina = in + 8 * str1;
174 const int16_t *inb = in + 23 * str1;
175 __m256i *step1a = &step1[ 8];
176 __m256i *step1b = &step1[23];
177 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
178 const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1));
179 const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2));
180 const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3));
181 const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3));
182 const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2));
183 const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1));
184 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
185 step1a[ 0] = _mm256_add_epi16(ina0, inb0);
186 step1a[ 1] = _mm256_add_epi16(ina1, inb1);
187 step1a[ 2] = _mm256_add_epi16(ina2, inb2);
188 step1a[ 3] = _mm256_add_epi16(ina3, inb3);
189 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
190 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
191 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
192 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
193 step1a[ 0] = _mm256_slli_epi16(step1a[ 0], 2);
194 step1a[ 1] = _mm256_slli_epi16(step1a[ 1], 2);
195 step1a[ 2] = _mm256_slli_epi16(step1a[ 2], 2);
196 step1a[ 3] = _mm256_slli_epi16(step1a[ 3], 2);
197 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
198 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
199 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
200 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
201 }
202 {
203 const int16_t *ina = in + 12 * str1;
204 const int16_t *inb = in + 19 * str1;
205 __m256i *step1a = &step1[12];
206 __m256i *step1b = &step1[19];
207 const __m256i ina0 = _mm256_loadu_si256((const __m256i *)(ina));
208 const __m256i ina1 = _mm256_loadu_si256((const __m256i *)(ina + str1));
209 const __m256i ina2 = _mm256_loadu_si256((const __m256i *)(ina + str2));
210 const __m256i ina3 = _mm256_loadu_si256((const __m256i *)(ina + str3));
211 const __m256i inb3 = _mm256_loadu_si256((const __m256i *)(inb - str3));
212 const __m256i inb2 = _mm256_loadu_si256((const __m256i *)(inb - str2));
213 const __m256i inb1 = _mm256_loadu_si256((const __m256i *)(inb - str1));
214 const __m256i inb0 = _mm256_loadu_si256((const __m256i *)(inb));
215 step1a[ 0] = _mm256_add_epi16(ina0, inb0);
216 step1a[ 1] = _mm256_add_epi16(ina1, inb1);
217 step1a[ 2] = _mm256_add_epi16(ina2, inb2);
218 step1a[ 3] = _mm256_add_epi16(ina3, inb3);
219 step1b[-3] = _mm256_sub_epi16(ina3, inb3);
220 step1b[-2] = _mm256_sub_epi16(ina2, inb2);
221 step1b[-1] = _mm256_sub_epi16(ina1, inb1);
222 step1b[-0] = _mm256_sub_epi16(ina0, inb0);
223 step1a[ 0] = _mm256_slli_epi16(step1a[ 0], 2);
224 step1a[ 1] = _mm256_slli_epi16(step1a[ 1], 2);
225 step1a[ 2] = _mm256_slli_epi16(step1a[ 2], 2);
226 step1a[ 3] = _mm256_slli_epi16(step1a[ 3], 2);
227 step1b[-3] = _mm256_slli_epi16(step1b[-3], 2);
228 step1b[-2] = _mm256_slli_epi16(step1b[-2], 2);
229 step1b[-1] = _mm256_slli_epi16(step1b[-1], 2);
230 step1b[-0] = _mm256_slli_epi16(step1b[-0], 2);
231 }
232 } else {
233 int16_t *in = &intermediate[column_start];
234 // step1[i] = in[ 0 * 32] + in[(32 - 1) * 32];
235 // Note: using the same approach as above to have common offset is
236 // counter-productive as all offsets can be calculated at compile
237 // time.
238 // Note: the next four blocks could be in a loop. That would help the
239 // instruction cache but is actually slower.
240 {
241 __m256i in00 = _mm256_loadu_si256((const __m256i *)(in + 0 * 32));
242 __m256i in01 = _mm256_loadu_si256((const __m256i *)(in + 1 * 32));
243 __m256i in02 = _mm256_loadu_si256((const __m256i *)(in + 2 * 32));
244 __m256i in03 = _mm256_loadu_si256((const __m256i *)(in + 3 * 32));
245 __m256i in28 = _mm256_loadu_si256((const __m256i *)(in + 28 * 32));
246 __m256i in29 = _mm256_loadu_si256((const __m256i *)(in + 29 * 32));
247 __m256i in30 = _mm256_loadu_si256((const __m256i *)(in + 30 * 32));
248 __m256i in31 = _mm256_loadu_si256((const __m256i *)(in + 31 * 32));
249 step1[ 0] = _mm256_add_epi16(in00, in31);
250 step1[ 1] = _mm256_add_epi16(in01, in30);
251 step1[ 2] = _mm256_add_epi16(in02, in29);
252 step1[ 3] = _mm256_add_epi16(in03, in28);
253 step1[28] = _mm256_sub_epi16(in03, in28);
254 step1[29] = _mm256_sub_epi16(in02, in29);
255 step1[30] = _mm256_sub_epi16(in01, in30);
256 step1[31] = _mm256_sub_epi16(in00, in31);
257 }
258 {
259 __m256i in04 = _mm256_loadu_si256((const __m256i *)(in + 4 * 32));
260 __m256i in05 = _mm256_loadu_si256((const __m256i *)(in + 5 * 32));
261 __m256i in06 = _mm256_loadu_si256((const __m256i *)(in + 6 * 32));
262 __m256i in07 = _mm256_loadu_si256((const __m256i *)(in + 7 * 32));
263 __m256i in24 = _mm256_loadu_si256((const __m256i *)(in + 24 * 32));
264 __m256i in25 = _mm256_loadu_si256((const __m256i *)(in + 25 * 32));
265 __m256i in26 = _mm256_loadu_si256((const __m256i *)(in + 26 * 32));
266 __m256i in27 = _mm256_loadu_si256((const __m256i *)(in + 27 * 32));
267 step1[ 4] = _mm256_add_epi16(in04, in27);
268 step1[ 5] = _mm256_add_epi16(in05, in26);
269 step1[ 6] = _mm256_add_epi16(in06, in25);
270 step1[ 7] = _mm256_add_epi16(in07, in24);
271 step1[24] = _mm256_sub_epi16(in07, in24);
272 step1[25] = _mm256_sub_epi16(in06, in25);
273 step1[26] = _mm256_sub_epi16(in05, in26);
274 step1[27] = _mm256_sub_epi16(in04, in27);
275 }
276 {
277 __m256i in08 = _mm256_loadu_si256((const __m256i *)(in + 8 * 32));
278 __m256i in09 = _mm256_loadu_si256((const __m256i *)(in + 9 * 32));
279 __m256i in10 = _mm256_loadu_si256((const __m256i *)(in + 10 * 32));
280 __m256i in11 = _mm256_loadu_si256((const __m256i *)(in + 11 * 32));
281 __m256i in20 = _mm256_loadu_si256((const __m256i *)(in + 20 * 32));
282 __m256i in21 = _mm256_loadu_si256((const __m256i *)(in + 21 * 32));
283 __m256i in22 = _mm256_loadu_si256((const __m256i *)(in + 22 * 32));
284 __m256i in23 = _mm256_loadu_si256((const __m256i *)(in + 23 * 32));
285 step1[ 8] = _mm256_add_epi16(in08, in23);
286 step1[ 9] = _mm256_add_epi16(in09, in22);
287 step1[10] = _mm256_add_epi16(in10, in21);
288 step1[11] = _mm256_add_epi16(in11, in20);
289 step1[20] = _mm256_sub_epi16(in11, in20);
290 step1[21] = _mm256_sub_epi16(in10, in21);
291 step1[22] = _mm256_sub_epi16(in09, in22);
292 step1[23] = _mm256_sub_epi16(in08, in23);
293 }
294 {
295 __m256i in12 = _mm256_loadu_si256((const __m256i *)(in + 12 * 32));
296 __m256i in13 = _mm256_loadu_si256((const __m256i *)(in + 13 * 32));
297 __m256i in14 = _mm256_loadu_si256((const __m256i *)(in + 14 * 32));
298 __m256i in15 = _mm256_loadu_si256((const __m256i *)(in + 15 * 32));
299 __m256i in16 = _mm256_loadu_si256((const __m256i *)(in + 16 * 32));
300 __m256i in17 = _mm256_loadu_si256((const __m256i *)(in + 17 * 32));
301 __m256i in18 = _mm256_loadu_si256((const __m256i *)(in + 18 * 32));
302 __m256i in19 = _mm256_loadu_si256((const __m256i *)(in + 19 * 32));
303 step1[12] = _mm256_add_epi16(in12, in19);
304 step1[13] = _mm256_add_epi16(in13, in18);
305 step1[14] = _mm256_add_epi16(in14, in17);
306 step1[15] = _mm256_add_epi16(in15, in16);
307 step1[16] = _mm256_sub_epi16(in15, in16);
308 step1[17] = _mm256_sub_epi16(in14, in17);
309 step1[18] = _mm256_sub_epi16(in13, in18);
310 step1[19] = _mm256_sub_epi16(in12, in19);
311 }
312 }
313 // Stage 2
314 {
315 step2[ 0] = _mm256_add_epi16(step1[0], step1[15]);
316 step2[ 1] = _mm256_add_epi16(step1[1], step1[14]);
317 step2[ 2] = _mm256_add_epi16(step1[2], step1[13]);
318 step2[ 3] = _mm256_add_epi16(step1[3], step1[12]);
319 step2[ 4] = _mm256_add_epi16(step1[4], step1[11]);
320 step2[ 5] = _mm256_add_epi16(step1[5], step1[10]);
321 step2[ 6] = _mm256_add_epi16(step1[6], step1[ 9]);
322 step2[ 7] = _mm256_add_epi16(step1[7], step1[ 8]);
323 step2[ 8] = _mm256_sub_epi16(step1[7], step1[ 8]);
324 step2[ 9] = _mm256_sub_epi16(step1[6], step1[ 9]);
325 step2[10] = _mm256_sub_epi16(step1[5], step1[10]);
326 step2[11] = _mm256_sub_epi16(step1[4], step1[11]);
327 step2[12] = _mm256_sub_epi16(step1[3], step1[12]);
328 step2[13] = _mm256_sub_epi16(step1[2], step1[13]);
329 step2[14] = _mm256_sub_epi16(step1[1], step1[14]);
330 step2[15] = _mm256_sub_epi16(step1[0], step1[15]);
331 }
332 {
333 const __m256i s2_20_0 = _mm256_unpacklo_epi16(step1[27], step1[20]);
334 const __m256i s2_20_1 = _mm256_unpackhi_epi16(step1[27], step1[20]);
335 const __m256i s2_21_0 = _mm256_unpacklo_epi16(step1[26], step1[21]);
336 const __m256i s2_21_1 = _mm256_unpackhi_epi16(step1[26], step1[21]);
337 const __m256i s2_22_0 = _mm256_unpacklo_epi16(step1[25], step1[22]);
338 const __m256i s2_22_1 = _mm256_unpackhi_epi16(step1[25], step1[22]);
339 const __m256i s2_23_0 = _mm256_unpacklo_epi16(step1[24], step1[23]);
340 const __m256i s2_23_1 = _mm256_unpackhi_epi16(step1[24], step1[23]);
341 const __m256i s2_20_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_m16);
342 const __m256i s2_20_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_m16);
343 const __m256i s2_21_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_m16);
344 const __m256i s2_21_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_m16);
345 const __m256i s2_22_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_m16);
346 const __m256i s2_22_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_m16);
347 const __m256i s2_23_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_m16);
348 const __m256i s2_23_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_m16);
349 const __m256i s2_24_2 = _mm256_madd_epi16(s2_23_0, k__cospi_p16_p16);
350 const __m256i s2_24_3 = _mm256_madd_epi16(s2_23_1, k__cospi_p16_p16);
351 const __m256i s2_25_2 = _mm256_madd_epi16(s2_22_0, k__cospi_p16_p16);
352 const __m256i s2_25_3 = _mm256_madd_epi16(s2_22_1, k__cospi_p16_p16);
353 const __m256i s2_26_2 = _mm256_madd_epi16(s2_21_0, k__cospi_p16_p16);
354 const __m256i s2_26_3 = _mm256_madd_epi16(s2_21_1, k__cospi_p16_p16);
355 const __m256i s2_27_2 = _mm256_madd_epi16(s2_20_0, k__cospi_p16_p16);
356 const __m256i s2_27_3 = _mm256_madd_epi16(s2_20_1, k__cospi_p16_p16);
357 // dct_const_round_shift
358 const __m256i s2_20_4 = _mm256_add_epi32(s2_20_2, k__DCT_CONST_ROUNDING);
359 const __m256i s2_20_5 = _mm256_add_epi32(s2_20_3, k__DCT_CONST_ROUNDING);
360 const __m256i s2_21_4 = _mm256_add_epi32(s2_21_2, k__DCT_CONST_ROUNDING);
361 const __m256i s2_21_5 = _mm256_add_epi32(s2_21_3, k__DCT_CONST_ROUNDING);
362 const __m256i s2_22_4 = _mm256_add_epi32(s2_22_2, k__DCT_CONST_ROUNDING);
363 const __m256i s2_22_5 = _mm256_add_epi32(s2_22_3, k__DCT_CONST_ROUNDING);
364 const __m256i s2_23_4 = _mm256_add_epi32(s2_23_2, k__DCT_CONST_ROUNDING);
365 const __m256i s2_23_5 = _mm256_add_epi32(s2_23_3, k__DCT_CONST_ROUNDING);
366 const __m256i s2_24_4 = _mm256_add_epi32(s2_24_2, k__DCT_CONST_ROUNDING);
367 const __m256i s2_24_5 = _mm256_add_epi32(s2_24_3, k__DCT_CONST_ROUNDING);
368 const __m256i s2_25_4 = _mm256_add_epi32(s2_25_2, k__DCT_CONST_ROUNDING);
369 const __m256i s2_25_5 = _mm256_add_epi32(s2_25_3, k__DCT_CONST_ROUNDING);
370 const __m256i s2_26_4 = _mm256_add_epi32(s2_26_2, k__DCT_CONST_ROUNDING);
371 const __m256i s2_26_5 = _mm256_add_epi32(s2_26_3, k__DCT_CONST_ROUNDING);
372 const __m256i s2_27_4 = _mm256_add_epi32(s2_27_2, k__DCT_CONST_ROUNDING);
373 const __m256i s2_27_5 = _mm256_add_epi32(s2_27_3, k__DCT_CONST_ROUNDING);
374 const __m256i s2_20_6 = _mm256_srai_epi32(s2_20_4, DCT_CONST_BITS);
375 const __m256i s2_20_7 = _mm256_srai_epi32(s2_20_5, DCT_CONST_BITS);
376 const __m256i s2_21_6 = _mm256_srai_epi32(s2_21_4, DCT_CONST_BITS);
377 const __m256i s2_21_7 = _mm256_srai_epi32(s2_21_5, DCT_CONST_BITS);
378 const __m256i s2_22_6 = _mm256_srai_epi32(s2_22_4, DCT_CONST_BITS);
379 const __m256i s2_22_7 = _mm256_srai_epi32(s2_22_5, DCT_CONST_BITS);
380 const __m256i s2_23_6 = _mm256_srai_epi32(s2_23_4, DCT_CONST_BITS);
381 const __m256i s2_23_7 = _mm256_srai_epi32(s2_23_5, DCT_CONST_BITS);
382 const __m256i s2_24_6 = _mm256_srai_epi32(s2_24_4, DCT_CONST_BITS);
383 const __m256i s2_24_7 = _mm256_srai_epi32(s2_24_5, DCT_CONST_BITS);
384 const __m256i s2_25_6 = _mm256_srai_epi32(s2_25_4, DCT_CONST_BITS);
385 const __m256i s2_25_7 = _mm256_srai_epi32(s2_25_5, DCT_CONST_BITS);
386 const __m256i s2_26_6 = _mm256_srai_epi32(s2_26_4, DCT_CONST_BITS);
387 const __m256i s2_26_7 = _mm256_srai_epi32(s2_26_5, DCT_CONST_BITS);
388 const __m256i s2_27_6 = _mm256_srai_epi32(s2_27_4, DCT_CONST_BITS);
389 const __m256i s2_27_7 = _mm256_srai_epi32(s2_27_5, DCT_CONST_BITS);
390 // Combine
391 step2[20] = _mm256_packs_epi32(s2_20_6, s2_20_7);
392 step2[21] = _mm256_packs_epi32(s2_21_6, s2_21_7);
393 step2[22] = _mm256_packs_epi32(s2_22_6, s2_22_7);
394 step2[23] = _mm256_packs_epi32(s2_23_6, s2_23_7);
395 step2[24] = _mm256_packs_epi32(s2_24_6, s2_24_7);
396 step2[25] = _mm256_packs_epi32(s2_25_6, s2_25_7);
397 step2[26] = _mm256_packs_epi32(s2_26_6, s2_26_7);
398 step2[27] = _mm256_packs_epi32(s2_27_6, s2_27_7);
399 }
400
401 #if !FDCT32x32_HIGH_PRECISION
402 // dump the magnitude by half, hence the intermediate values are within
403 // the range of 16 bits.
404 if (1 == pass) {
405 __m256i s3_00_0 = _mm256_cmpgt_epi16(kZero,step2[ 0]);
406 __m256i s3_01_0 = _mm256_cmpgt_epi16(kZero,step2[ 1]);
407 __m256i s3_02_0 = _mm256_cmpgt_epi16(kZero,step2[ 2]);
408 __m256i s3_03_0 = _mm256_cmpgt_epi16(kZero,step2[ 3]);
409 __m256i s3_04_0 = _mm256_cmpgt_epi16(kZero,step2[ 4]);
410 __m256i s3_05_0 = _mm256_cmpgt_epi16(kZero,step2[ 5]);
411 __m256i s3_06_0 = _mm256_cmpgt_epi16(kZero,step2[ 6]);
412 __m256i s3_07_0 = _mm256_cmpgt_epi16(kZero,step2[ 7]);
413 __m256i s2_08_0 = _mm256_cmpgt_epi16(kZero,step2[ 8]);
414 __m256i s2_09_0 = _mm256_cmpgt_epi16(kZero,step2[ 9]);
415 __m256i s3_10_0 = _mm256_cmpgt_epi16(kZero,step2[10]);
416 __m256i s3_11_0 = _mm256_cmpgt_epi16(kZero,step2[11]);
417 __m256i s3_12_0 = _mm256_cmpgt_epi16(kZero,step2[12]);
418 __m256i s3_13_0 = _mm256_cmpgt_epi16(kZero,step2[13]);
419 __m256i s2_14_0 = _mm256_cmpgt_epi16(kZero,step2[14]);
420 __m256i s2_15_0 = _mm256_cmpgt_epi16(kZero,step2[15]);
421 __m256i s3_16_0 = _mm256_cmpgt_epi16(kZero,step1[16]);
422 __m256i s3_17_0 = _mm256_cmpgt_epi16(kZero,step1[17]);
423 __m256i s3_18_0 = _mm256_cmpgt_epi16(kZero,step1[18]);
424 __m256i s3_19_0 = _mm256_cmpgt_epi16(kZero,step1[19]);
425 __m256i s3_20_0 = _mm256_cmpgt_epi16(kZero,step2[20]);
426 __m256i s3_21_0 = _mm256_cmpgt_epi16(kZero,step2[21]);
427 __m256i s3_22_0 = _mm256_cmpgt_epi16(kZero,step2[22]);
428 __m256i s3_23_0 = _mm256_cmpgt_epi16(kZero,step2[23]);
429 __m256i s3_24_0 = _mm256_cmpgt_epi16(kZero,step2[24]);
430 __m256i s3_25_0 = _mm256_cmpgt_epi16(kZero,step2[25]);
431 __m256i s3_26_0 = _mm256_cmpgt_epi16(kZero,step2[26]);
432 __m256i s3_27_0 = _mm256_cmpgt_epi16(kZero,step2[27]);
433 __m256i s3_28_0 = _mm256_cmpgt_epi16(kZero,step1[28]);
434 __m256i s3_29_0 = _mm256_cmpgt_epi16(kZero,step1[29]);
435 __m256i s3_30_0 = _mm256_cmpgt_epi16(kZero,step1[30]);
436 __m256i s3_31_0 = _mm256_cmpgt_epi16(kZero,step1[31]);
437
438 step2[ 0] = _mm256_sub_epi16(step2[ 0], s3_00_0);
439 step2[ 1] = _mm256_sub_epi16(step2[ 1], s3_01_0);
440 step2[ 2] = _mm256_sub_epi16(step2[ 2], s3_02_0);
441 step2[ 3] = _mm256_sub_epi16(step2[ 3], s3_03_0);
442 step2[ 4] = _mm256_sub_epi16(step2[ 4], s3_04_0);
443 step2[ 5] = _mm256_sub_epi16(step2[ 5], s3_05_0);
444 step2[ 6] = _mm256_sub_epi16(step2[ 6], s3_06_0);
445 step2[ 7] = _mm256_sub_epi16(step2[ 7], s3_07_0);
446 step2[ 8] = _mm256_sub_epi16(step2[ 8], s2_08_0);
447 step2[ 9] = _mm256_sub_epi16(step2[ 9], s2_09_0);
448 step2[10] = _mm256_sub_epi16(step2[10], s3_10_0);
449 step2[11] = _mm256_sub_epi16(step2[11], s3_11_0);
450 step2[12] = _mm256_sub_epi16(step2[12], s3_12_0);
451 step2[13] = _mm256_sub_epi16(step2[13], s3_13_0);
452 step2[14] = _mm256_sub_epi16(step2[14], s2_14_0);
453 step2[15] = _mm256_sub_epi16(step2[15], s2_15_0);
454 step1[16] = _mm256_sub_epi16(step1[16], s3_16_0);
455 step1[17] = _mm256_sub_epi16(step1[17], s3_17_0);
456 step1[18] = _mm256_sub_epi16(step1[18], s3_18_0);
457 step1[19] = _mm256_sub_epi16(step1[19], s3_19_0);
458 step2[20] = _mm256_sub_epi16(step2[20], s3_20_0);
459 step2[21] = _mm256_sub_epi16(step2[21], s3_21_0);
460 step2[22] = _mm256_sub_epi16(step2[22], s3_22_0);
461 step2[23] = _mm256_sub_epi16(step2[23], s3_23_0);
462 step2[24] = _mm256_sub_epi16(step2[24], s3_24_0);
463 step2[25] = _mm256_sub_epi16(step2[25], s3_25_0);
464 step2[26] = _mm256_sub_epi16(step2[26], s3_26_0);
465 step2[27] = _mm256_sub_epi16(step2[27], s3_27_0);
466 step1[28] = _mm256_sub_epi16(step1[28], s3_28_0);
467 step1[29] = _mm256_sub_epi16(step1[29], s3_29_0);
468 step1[30] = _mm256_sub_epi16(step1[30], s3_30_0);
469 step1[31] = _mm256_sub_epi16(step1[31], s3_31_0);
470
471 step2[ 0] = _mm256_add_epi16(step2[ 0], kOne);
472 step2[ 1] = _mm256_add_epi16(step2[ 1], kOne);
473 step2[ 2] = _mm256_add_epi16(step2[ 2], kOne);
474 step2[ 3] = _mm256_add_epi16(step2[ 3], kOne);
475 step2[ 4] = _mm256_add_epi16(step2[ 4], kOne);
476 step2[ 5] = _mm256_add_epi16(step2[ 5], kOne);
477 step2[ 6] = _mm256_add_epi16(step2[ 6], kOne);
478 step2[ 7] = _mm256_add_epi16(step2[ 7], kOne);
479 step2[ 8] = _mm256_add_epi16(step2[ 8], kOne);
480 step2[ 9] = _mm256_add_epi16(step2[ 9], kOne);
481 step2[10] = _mm256_add_epi16(step2[10], kOne);
482 step2[11] = _mm256_add_epi16(step2[11], kOne);
483 step2[12] = _mm256_add_epi16(step2[12], kOne);
484 step2[13] = _mm256_add_epi16(step2[13], kOne);
485 step2[14] = _mm256_add_epi16(step2[14], kOne);
486 step2[15] = _mm256_add_epi16(step2[15], kOne);
487 step1[16] = _mm256_add_epi16(step1[16], kOne);
488 step1[17] = _mm256_add_epi16(step1[17], kOne);
489 step1[18] = _mm256_add_epi16(step1[18], kOne);
490 step1[19] = _mm256_add_epi16(step1[19], kOne);
491 step2[20] = _mm256_add_epi16(step2[20], kOne);
492 step2[21] = _mm256_add_epi16(step2[21], kOne);
493 step2[22] = _mm256_add_epi16(step2[22], kOne);
494 step2[23] = _mm256_add_epi16(step2[23], kOne);
495 step2[24] = _mm256_add_epi16(step2[24], kOne);
496 step2[25] = _mm256_add_epi16(step2[25], kOne);
497 step2[26] = _mm256_add_epi16(step2[26], kOne);
498 step2[27] = _mm256_add_epi16(step2[27], kOne);
499 step1[28] = _mm256_add_epi16(step1[28], kOne);
500 step1[29] = _mm256_add_epi16(step1[29], kOne);
501 step1[30] = _mm256_add_epi16(step1[30], kOne);
502 step1[31] = _mm256_add_epi16(step1[31], kOne);
503
504 step2[ 0] = _mm256_srai_epi16(step2[ 0], 2);
505 step2[ 1] = _mm256_srai_epi16(step2[ 1], 2);
506 step2[ 2] = _mm256_srai_epi16(step2[ 2], 2);
507 step2[ 3] = _mm256_srai_epi16(step2[ 3], 2);
508 step2[ 4] = _mm256_srai_epi16(step2[ 4], 2);
509 step2[ 5] = _mm256_srai_epi16(step2[ 5], 2);
510 step2[ 6] = _mm256_srai_epi16(step2[ 6], 2);
511 step2[ 7] = _mm256_srai_epi16(step2[ 7], 2);
512 step2[ 8] = _mm256_srai_epi16(step2[ 8], 2);
513 step2[ 9] = _mm256_srai_epi16(step2[ 9], 2);
514 step2[10] = _mm256_srai_epi16(step2[10], 2);
515 step2[11] = _mm256_srai_epi16(step2[11], 2);
516 step2[12] = _mm256_srai_epi16(step2[12], 2);
517 step2[13] = _mm256_srai_epi16(step2[13], 2);
518 step2[14] = _mm256_srai_epi16(step2[14], 2);
519 step2[15] = _mm256_srai_epi16(step2[15], 2);
520 step1[16] = _mm256_srai_epi16(step1[16], 2);
521 step1[17] = _mm256_srai_epi16(step1[17], 2);
522 step1[18] = _mm256_srai_epi16(step1[18], 2);
523 step1[19] = _mm256_srai_epi16(step1[19], 2);
524 step2[20] = _mm256_srai_epi16(step2[20], 2);
525 step2[21] = _mm256_srai_epi16(step2[21], 2);
526 step2[22] = _mm256_srai_epi16(step2[22], 2);
527 step2[23] = _mm256_srai_epi16(step2[23], 2);
528 step2[24] = _mm256_srai_epi16(step2[24], 2);
529 step2[25] = _mm256_srai_epi16(step2[25], 2);
530 step2[26] = _mm256_srai_epi16(step2[26], 2);
531 step2[27] = _mm256_srai_epi16(step2[27], 2);
532 step1[28] = _mm256_srai_epi16(step1[28], 2);
533 step1[29] = _mm256_srai_epi16(step1[29], 2);
534 step1[30] = _mm256_srai_epi16(step1[30], 2);
535 step1[31] = _mm256_srai_epi16(step1[31], 2);
536 }
537 #endif
538
539 #if FDCT32x32_HIGH_PRECISION
540 if (pass == 0) {
541 #endif
542 // Stage 3
543 {
544 step3[0] = _mm256_add_epi16(step2[(8 - 1)], step2[0]);
545 step3[1] = _mm256_add_epi16(step2[(8 - 2)], step2[1]);
546 step3[2] = _mm256_add_epi16(step2[(8 - 3)], step2[2]);
547 step3[3] = _mm256_add_epi16(step2[(8 - 4)], step2[3]);
548 step3[4] = _mm256_sub_epi16(step2[(8 - 5)], step2[4]);
549 step3[5] = _mm256_sub_epi16(step2[(8 - 6)], step2[5]);
550 step3[6] = _mm256_sub_epi16(step2[(8 - 7)], step2[6]);
551 step3[7] = _mm256_sub_epi16(step2[(8 - 8)], step2[7]);
552 }
553 {
554 const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]);
555 const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]);
556 const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]);
557 const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]);
558 const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16);
559 const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16);
560 const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16);
561 const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16);
562 const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16);
563 const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16);
564 const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16);
565 const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16);
566 // dct_const_round_shift
567 const __m256i s3_10_4 = _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING);
568 const __m256i s3_10_5 = _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING);
569 const __m256i s3_11_4 = _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING);
570 const __m256i s3_11_5 = _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING);
571 const __m256i s3_12_4 = _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING);
572 const __m256i s3_12_5 = _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING);
573 const __m256i s3_13_4 = _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING);
574 const __m256i s3_13_5 = _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING);
575 const __m256i s3_10_6 = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS);
576 const __m256i s3_10_7 = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS);
577 const __m256i s3_11_6 = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS);
578 const __m256i s3_11_7 = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS);
579 const __m256i s3_12_6 = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS);
580 const __m256i s3_12_7 = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS);
581 const __m256i s3_13_6 = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS);
582 const __m256i s3_13_7 = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS);
583 // Combine
584 step3[10] = _mm256_packs_epi32(s3_10_6, s3_10_7);
585 step3[11] = _mm256_packs_epi32(s3_11_6, s3_11_7);
586 step3[12] = _mm256_packs_epi32(s3_12_6, s3_12_7);
587 step3[13] = _mm256_packs_epi32(s3_13_6, s3_13_7);
588 }
589 {
590 step3[16] = _mm256_add_epi16(step2[23], step1[16]);
591 step3[17] = _mm256_add_epi16(step2[22], step1[17]);
592 step3[18] = _mm256_add_epi16(step2[21], step1[18]);
593 step3[19] = _mm256_add_epi16(step2[20], step1[19]);
594 step3[20] = _mm256_sub_epi16(step1[19], step2[20]);
595 step3[21] = _mm256_sub_epi16(step1[18], step2[21]);
596 step3[22] = _mm256_sub_epi16(step1[17], step2[22]);
597 step3[23] = _mm256_sub_epi16(step1[16], step2[23]);
598 step3[24] = _mm256_sub_epi16(step1[31], step2[24]);
599 step3[25] = _mm256_sub_epi16(step1[30], step2[25]);
600 step3[26] = _mm256_sub_epi16(step1[29], step2[26]);
601 step3[27] = _mm256_sub_epi16(step1[28], step2[27]);
602 step3[28] = _mm256_add_epi16(step2[27], step1[28]);
603 step3[29] = _mm256_add_epi16(step2[26], step1[29]);
604 step3[30] = _mm256_add_epi16(step2[25], step1[30]);
605 step3[31] = _mm256_add_epi16(step2[24], step1[31]);
606 }
607
608 // Stage 4
609 {
610 step1[ 0] = _mm256_add_epi16(step3[ 3], step3[ 0]);
611 step1[ 1] = _mm256_add_epi16(step3[ 2], step3[ 1]);
612 step1[ 2] = _mm256_sub_epi16(step3[ 1], step3[ 2]);
613 step1[ 3] = _mm256_sub_epi16(step3[ 0], step3[ 3]);
614 step1[ 8] = _mm256_add_epi16(step3[11], step2[ 8]);
615 step1[ 9] = _mm256_add_epi16(step3[10], step2[ 9]);
616 step1[10] = _mm256_sub_epi16(step2[ 9], step3[10]);
617 step1[11] = _mm256_sub_epi16(step2[ 8], step3[11]);
618 step1[12] = _mm256_sub_epi16(step2[15], step3[12]);
619 step1[13] = _mm256_sub_epi16(step2[14], step3[13]);
620 step1[14] = _mm256_add_epi16(step3[13], step2[14]);
621 step1[15] = _mm256_add_epi16(step3[12], step2[15]);
622 }
623 {
624 const __m256i s1_05_0 = _mm256_unpacklo_epi16(step3[6], step3[5]);
625 const __m256i s1_05_1 = _mm256_unpackhi_epi16(step3[6], step3[5]);
626 const __m256i s1_05_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_m16);
627 const __m256i s1_05_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_m16);
628 const __m256i s1_06_2 = _mm256_madd_epi16(s1_05_0, k__cospi_p16_p16);
629 const __m256i s1_06_3 = _mm256_madd_epi16(s1_05_1, k__cospi_p16_p16);
630 // dct_const_round_shift
631 const __m256i s1_05_4 = _mm256_add_epi32(s1_05_2, k__DCT_CONST_ROUNDING);
632 const __m256i s1_05_5 = _mm256_add_epi32(s1_05_3, k__DCT_CONST_ROUNDING);
633 const __m256i s1_06_4 = _mm256_add_epi32(s1_06_2, k__DCT_CONST_ROUNDING);
634 const __m256i s1_06_5 = _mm256_add_epi32(s1_06_3, k__DCT_CONST_ROUNDING);
635 const __m256i s1_05_6 = _mm256_srai_epi32(s1_05_4, DCT_CONST_BITS);
636 const __m256i s1_05_7 = _mm256_srai_epi32(s1_05_5, DCT_CONST_BITS);
637 const __m256i s1_06_6 = _mm256_srai_epi32(s1_06_4, DCT_CONST_BITS);
638 const __m256i s1_06_7 = _mm256_srai_epi32(s1_06_5, DCT_CONST_BITS);
639 // Combine
640 step1[5] = _mm256_packs_epi32(s1_05_6, s1_05_7);
641 step1[6] = _mm256_packs_epi32(s1_06_6, s1_06_7);
642 }
643 {
644 const __m256i s1_18_0 = _mm256_unpacklo_epi16(step3[18], step3[29]);
645 const __m256i s1_18_1 = _mm256_unpackhi_epi16(step3[18], step3[29]);
646 const __m256i s1_19_0 = _mm256_unpacklo_epi16(step3[19], step3[28]);
647 const __m256i s1_19_1 = _mm256_unpackhi_epi16(step3[19], step3[28]);
648 const __m256i s1_20_0 = _mm256_unpacklo_epi16(step3[20], step3[27]);
649 const __m256i s1_20_1 = _mm256_unpackhi_epi16(step3[20], step3[27]);
650 const __m256i s1_21_0 = _mm256_unpacklo_epi16(step3[21], step3[26]);
651 const __m256i s1_21_1 = _mm256_unpackhi_epi16(step3[21], step3[26]);
652 const __m256i s1_18_2 = _mm256_madd_epi16(s1_18_0, k__cospi_m08_p24);
653 const __m256i s1_18_3 = _mm256_madd_epi16(s1_18_1, k__cospi_m08_p24);
654 const __m256i s1_19_2 = _mm256_madd_epi16(s1_19_0, k__cospi_m08_p24);
655 const __m256i s1_19_3 = _mm256_madd_epi16(s1_19_1, k__cospi_m08_p24);
656 const __m256i s1_20_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m24_m08);
657 const __m256i s1_20_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m24_m08);
658 const __m256i s1_21_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m24_m08);
659 const __m256i s1_21_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m24_m08);
660 const __m256i s1_26_2 = _mm256_madd_epi16(s1_21_0, k__cospi_m08_p24);
661 const __m256i s1_26_3 = _mm256_madd_epi16(s1_21_1, k__cospi_m08_p24);
662 const __m256i s1_27_2 = _mm256_madd_epi16(s1_20_0, k__cospi_m08_p24);
663 const __m256i s1_27_3 = _mm256_madd_epi16(s1_20_1, k__cospi_m08_p24);
664 const __m256i s1_28_2 = _mm256_madd_epi16(s1_19_0, k__cospi_p24_p08);
665 const __m256i s1_28_3 = _mm256_madd_epi16(s1_19_1, k__cospi_p24_p08);
666 const __m256i s1_29_2 = _mm256_madd_epi16(s1_18_0, k__cospi_p24_p08);
667 const __m256i s1_29_3 = _mm256_madd_epi16(s1_18_1, k__cospi_p24_p08);
668 // dct_const_round_shift
669 const __m256i s1_18_4 = _mm256_add_epi32(s1_18_2, k__DCT_CONST_ROUNDING);
670 const __m256i s1_18_5 = _mm256_add_epi32(s1_18_3, k__DCT_CONST_ROUNDING);
671 const __m256i s1_19_4 = _mm256_add_epi32(s1_19_2, k__DCT_CONST_ROUNDING);
672 const __m256i s1_19_5 = _mm256_add_epi32(s1_19_3, k__DCT_CONST_ROUNDING);
673 const __m256i s1_20_4 = _mm256_add_epi32(s1_20_2, k__DCT_CONST_ROUNDING);
674 const __m256i s1_20_5 = _mm256_add_epi32(s1_20_3, k__DCT_CONST_ROUNDING);
675 const __m256i s1_21_4 = _mm256_add_epi32(s1_21_2, k__DCT_CONST_ROUNDING);
676 const __m256i s1_21_5 = _mm256_add_epi32(s1_21_3, k__DCT_CONST_ROUNDING);
677 const __m256i s1_26_4 = _mm256_add_epi32(s1_26_2, k__DCT_CONST_ROUNDING);
678 const __m256i s1_26_5 = _mm256_add_epi32(s1_26_3, k__DCT_CONST_ROUNDING);
679 const __m256i s1_27_4 = _mm256_add_epi32(s1_27_2, k__DCT_CONST_ROUNDING);
680 const __m256i s1_27_5 = _mm256_add_epi32(s1_27_3, k__DCT_CONST_ROUNDING);
681 const __m256i s1_28_4 = _mm256_add_epi32(s1_28_2, k__DCT_CONST_ROUNDING);
682 const __m256i s1_28_5 = _mm256_add_epi32(s1_28_3, k__DCT_CONST_ROUNDING);
683 const __m256i s1_29_4 = _mm256_add_epi32(s1_29_2, k__DCT_CONST_ROUNDING);
684 const __m256i s1_29_5 = _mm256_add_epi32(s1_29_3, k__DCT_CONST_ROUNDING);
685 const __m256i s1_18_6 = _mm256_srai_epi32(s1_18_4, DCT_CONST_BITS);
686 const __m256i s1_18_7 = _mm256_srai_epi32(s1_18_5, DCT_CONST_BITS);
687 const __m256i s1_19_6 = _mm256_srai_epi32(s1_19_4, DCT_CONST_BITS);
688 const __m256i s1_19_7 = _mm256_srai_epi32(s1_19_5, DCT_CONST_BITS);
689 const __m256i s1_20_6 = _mm256_srai_epi32(s1_20_4, DCT_CONST_BITS);
690 const __m256i s1_20_7 = _mm256_srai_epi32(s1_20_5, DCT_CONST_BITS);
691 const __m256i s1_21_6 = _mm256_srai_epi32(s1_21_4, DCT_CONST_BITS);
692 const __m256i s1_21_7 = _mm256_srai_epi32(s1_21_5, DCT_CONST_BITS);
693 const __m256i s1_26_6 = _mm256_srai_epi32(s1_26_4, DCT_CONST_BITS);
694 const __m256i s1_26_7 = _mm256_srai_epi32(s1_26_5, DCT_CONST_BITS);
695 const __m256i s1_27_6 = _mm256_srai_epi32(s1_27_4, DCT_CONST_BITS);
696 const __m256i s1_27_7 = _mm256_srai_epi32(s1_27_5, DCT_CONST_BITS);
697 const __m256i s1_28_6 = _mm256_srai_epi32(s1_28_4, DCT_CONST_BITS);
698 const __m256i s1_28_7 = _mm256_srai_epi32(s1_28_5, DCT_CONST_BITS);
699 const __m256i s1_29_6 = _mm256_srai_epi32(s1_29_4, DCT_CONST_BITS);
700 const __m256i s1_29_7 = _mm256_srai_epi32(s1_29_5, DCT_CONST_BITS);
701 // Combine
702 step1[18] = _mm256_packs_epi32(s1_18_6, s1_18_7);
703 step1[19] = _mm256_packs_epi32(s1_19_6, s1_19_7);
704 step1[20] = _mm256_packs_epi32(s1_20_6, s1_20_7);
705 step1[21] = _mm256_packs_epi32(s1_21_6, s1_21_7);
706 step1[26] = _mm256_packs_epi32(s1_26_6, s1_26_7);
707 step1[27] = _mm256_packs_epi32(s1_27_6, s1_27_7);
708 step1[28] = _mm256_packs_epi32(s1_28_6, s1_28_7);
709 step1[29] = _mm256_packs_epi32(s1_29_6, s1_29_7);
710 }
711 // Stage 5
712 {
713 step2[4] = _mm256_add_epi16(step1[5], step3[4]);
714 step2[5] = _mm256_sub_epi16(step3[4], step1[5]);
715 step2[6] = _mm256_sub_epi16(step3[7], step1[6]);
716 step2[7] = _mm256_add_epi16(step1[6], step3[7]);
717 }
718 {
719 const __m256i out_00_0 = _mm256_unpacklo_epi16(step1[0], step1[1]);
720 const __m256i out_00_1 = _mm256_unpackhi_epi16(step1[0], step1[1]);
721 const __m256i out_08_0 = _mm256_unpacklo_epi16(step1[2], step1[3]);
722 const __m256i out_08_1 = _mm256_unpackhi_epi16(step1[2], step1[3]);
723 const __m256i out_00_2 = _mm256_madd_epi16(out_00_0, k__cospi_p16_p16);
724 const __m256i out_00_3 = _mm256_madd_epi16(out_00_1, k__cospi_p16_p16);
725 const __m256i out_16_2 = _mm256_madd_epi16(out_00_0, k__cospi_p16_m16);
726 const __m256i out_16_3 = _mm256_madd_epi16(out_00_1, k__cospi_p16_m16);
727 const __m256i out_08_2 = _mm256_madd_epi16(out_08_0, k__cospi_p24_p08);
728 const __m256i out_08_3 = _mm256_madd_epi16(out_08_1, k__cospi_p24_p08);
729 const __m256i out_24_2 = _mm256_madd_epi16(out_08_0, k__cospi_m08_p24);
730 const __m256i out_24_3 = _mm256_madd_epi16(out_08_1, k__cospi_m08_p24);
731 // dct_const_round_shift
732 const __m256i out_00_4 = _mm256_add_epi32(out_00_2, k__DCT_CONST_ROUNDING);
733 const __m256i out_00_5 = _mm256_add_epi32(out_00_3, k__DCT_CONST_ROUNDING);
734 const __m256i out_16_4 = _mm256_add_epi32(out_16_2, k__DCT_CONST_ROUNDING);
735 const __m256i out_16_5 = _mm256_add_epi32(out_16_3, k__DCT_CONST_ROUNDING);
736 const __m256i out_08_4 = _mm256_add_epi32(out_08_2, k__DCT_CONST_ROUNDING);
737 const __m256i out_08_5 = _mm256_add_epi32(out_08_3, k__DCT_CONST_ROUNDING);
738 const __m256i out_24_4 = _mm256_add_epi32(out_24_2, k__DCT_CONST_ROUNDING);
739 const __m256i out_24_5 = _mm256_add_epi32(out_24_3, k__DCT_CONST_ROUNDING);
740 const __m256i out_00_6 = _mm256_srai_epi32(out_00_4, DCT_CONST_BITS);
741 const __m256i out_00_7 = _mm256_srai_epi32(out_00_5, DCT_CONST_BITS);
742 const __m256i out_16_6 = _mm256_srai_epi32(out_16_4, DCT_CONST_BITS);
743 const __m256i out_16_7 = _mm256_srai_epi32(out_16_5, DCT_CONST_BITS);
744 const __m256i out_08_6 = _mm256_srai_epi32(out_08_4, DCT_CONST_BITS);
745 const __m256i out_08_7 = _mm256_srai_epi32(out_08_5, DCT_CONST_BITS);
746 const __m256i out_24_6 = _mm256_srai_epi32(out_24_4, DCT_CONST_BITS);
747 const __m256i out_24_7 = _mm256_srai_epi32(out_24_5, DCT_CONST_BITS);
748 // Combine
749 out[ 0] = _mm256_packs_epi32(out_00_6, out_00_7);
750 out[16] = _mm256_packs_epi32(out_16_6, out_16_7);
751 out[ 8] = _mm256_packs_epi32(out_08_6, out_08_7);
752 out[24] = _mm256_packs_epi32(out_24_6, out_24_7);
753 }
754 {
755 const __m256i s2_09_0 = _mm256_unpacklo_epi16(step1[ 9], step1[14]);
756 const __m256i s2_09_1 = _mm256_unpackhi_epi16(step1[ 9], step1[14]);
757 const __m256i s2_10_0 = _mm256_unpacklo_epi16(step1[10], step1[13]);
758 const __m256i s2_10_1 = _mm256_unpackhi_epi16(step1[10], step1[13]);
759 const __m256i s2_09_2 = _mm256_madd_epi16(s2_09_0, k__cospi_m08_p24);
760 const __m256i s2_09_3 = _mm256_madd_epi16(s2_09_1, k__cospi_m08_p24);
761 const __m256i s2_10_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m24_m08);
762 const __m256i s2_10_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m24_m08);
763 const __m256i s2_13_2 = _mm256_madd_epi16(s2_10_0, k__cospi_m08_p24);
764 const __m256i s2_13_3 = _mm256_madd_epi16(s2_10_1, k__cospi_m08_p24);
765 const __m256i s2_14_2 = _mm256_madd_epi16(s2_09_0, k__cospi_p24_p08);
766 const __m256i s2_14_3 = _mm256_madd_epi16(s2_09_1, k__cospi_p24_p08);
767 // dct_const_round_shift
768 const __m256i s2_09_4 = _mm256_add_epi32(s2_09_2, k__DCT_CONST_ROUNDING);
769 const __m256i s2_09_5 = _mm256_add_epi32(s2_09_3, k__DCT_CONST_ROUNDING);
770 const __m256i s2_10_4 = _mm256_add_epi32(s2_10_2, k__DCT_CONST_ROUNDING);
771 const __m256i s2_10_5 = _mm256_add_epi32(s2_10_3, k__DCT_CONST_ROUNDING);
772 const __m256i s2_13_4 = _mm256_add_epi32(s2_13_2, k__DCT_CONST_ROUNDING);
773 const __m256i s2_13_5 = _mm256_add_epi32(s2_13_3, k__DCT_CONST_ROUNDING);
774 const __m256i s2_14_4 = _mm256_add_epi32(s2_14_2, k__DCT_CONST_ROUNDING);
775 const __m256i s2_14_5 = _mm256_add_epi32(s2_14_3, k__DCT_CONST_ROUNDING);
776 const __m256i s2_09_6 = _mm256_srai_epi32(s2_09_4, DCT_CONST_BITS);
777 const __m256i s2_09_7 = _mm256_srai_epi32(s2_09_5, DCT_CONST_BITS);
778 const __m256i s2_10_6 = _mm256_srai_epi32(s2_10_4, DCT_CONST_BITS);
779 const __m256i s2_10_7 = _mm256_srai_epi32(s2_10_5, DCT_CONST_BITS);
780 const __m256i s2_13_6 = _mm256_srai_epi32(s2_13_4, DCT_CONST_BITS);
781 const __m256i s2_13_7 = _mm256_srai_epi32(s2_13_5, DCT_CONST_BITS);
782 const __m256i s2_14_6 = _mm256_srai_epi32(s2_14_4, DCT_CONST_BITS);
783 const __m256i s2_14_7 = _mm256_srai_epi32(s2_14_5, DCT_CONST_BITS);
784 // Combine
785 step2[ 9] = _mm256_packs_epi32(s2_09_6, s2_09_7);
786 step2[10] = _mm256_packs_epi32(s2_10_6, s2_10_7);
787 step2[13] = _mm256_packs_epi32(s2_13_6, s2_13_7);
788 step2[14] = _mm256_packs_epi32(s2_14_6, s2_14_7);
789 }
790 {
791 step2[16] = _mm256_add_epi16(step1[19], step3[16]);
792 step2[17] = _mm256_add_epi16(step1[18], step3[17]);
793 step2[18] = _mm256_sub_epi16(step3[17], step1[18]);
794 step2[19] = _mm256_sub_epi16(step3[16], step1[19]);
795 step2[20] = _mm256_sub_epi16(step3[23], step1[20]);
796 step2[21] = _mm256_sub_epi16(step3[22], step1[21]);
797 step2[22] = _mm256_add_epi16(step1[21], step3[22]);
798 step2[23] = _mm256_add_epi16(step1[20], step3[23]);
799 step2[24] = _mm256_add_epi16(step1[27], step3[24]);
800 step2[25] = _mm256_add_epi16(step1[26], step3[25]);
801 step2[26] = _mm256_sub_epi16(step3[25], step1[26]);
802 step2[27] = _mm256_sub_epi16(step3[24], step1[27]);
803 step2[28] = _mm256_sub_epi16(step3[31], step1[28]);
804 step2[29] = _mm256_sub_epi16(step3[30], step1[29]);
805 step2[30] = _mm256_add_epi16(step1[29], step3[30]);
806 step2[31] = _mm256_add_epi16(step1[28], step3[31]);
807 }
808 // Stage 6
809 {
810 const __m256i out_04_0 = _mm256_unpacklo_epi16(step2[4], step2[7]);
811 const __m256i out_04_1 = _mm256_unpackhi_epi16(step2[4], step2[7]);
812 const __m256i out_20_0 = _mm256_unpacklo_epi16(step2[5], step2[6]);
813 const __m256i out_20_1 = _mm256_unpackhi_epi16(step2[5], step2[6]);
814 const __m256i out_12_0 = _mm256_unpacklo_epi16(step2[5], step2[6]);
815 const __m256i out_12_1 = _mm256_unpackhi_epi16(step2[5], step2[6]);
816 const __m256i out_28_0 = _mm256_unpacklo_epi16(step2[4], step2[7]);
817 const __m256i out_28_1 = _mm256_unpackhi_epi16(step2[4], step2[7]);
818 const __m256i out_04_2 = _mm256_madd_epi16(out_04_0, k__cospi_p28_p04);
819 const __m256i out_04_3 = _mm256_madd_epi16(out_04_1, k__cospi_p28_p04);
820 const __m256i out_20_2 = _mm256_madd_epi16(out_20_0, k__cospi_p12_p20);
821 const __m256i out_20_3 = _mm256_madd_epi16(out_20_1, k__cospi_p12_p20);
822 const __m256i out_12_2 = _mm256_madd_epi16(out_12_0, k__cospi_m20_p12);
823 const __m256i out_12_3 = _mm256_madd_epi16(out_12_1, k__cospi_m20_p12);
824 const __m256i out_28_2 = _mm256_madd_epi16(out_28_0, k__cospi_m04_p28);
825 const __m256i out_28_3 = _mm256_madd_epi16(out_28_1, k__cospi_m04_p28);
826 // dct_const_round_shift
827 const __m256i out_04_4 = _mm256_add_epi32(out_04_2, k__DCT_CONST_ROUNDING);
828 const __m256i out_04_5 = _mm256_add_epi32(out_04_3, k__DCT_CONST_ROUNDING);
829 const __m256i out_20_4 = _mm256_add_epi32(out_20_2, k__DCT_CONST_ROUNDING);
830 const __m256i out_20_5 = _mm256_add_epi32(out_20_3, k__DCT_CONST_ROUNDING);
831 const __m256i out_12_4 = _mm256_add_epi32(out_12_2, k__DCT_CONST_ROUNDING);
832 const __m256i out_12_5 = _mm256_add_epi32(out_12_3, k__DCT_CONST_ROUNDING);
833 const __m256i out_28_4 = _mm256_add_epi32(out_28_2, k__DCT_CONST_ROUNDING);
834 const __m256i out_28_5 = _mm256_add_epi32(out_28_3, k__DCT_CONST_ROUNDING);
835 const __m256i out_04_6 = _mm256_srai_epi32(out_04_4, DCT_CONST_BITS);
836 const __m256i out_04_7 = _mm256_srai_epi32(out_04_5, DCT_CONST_BITS);
837 const __m256i out_20_6 = _mm256_srai_epi32(out_20_4, DCT_CONST_BITS);
838 const __m256i out_20_7 = _mm256_srai_epi32(out_20_5, DCT_CONST_BITS);
839 const __m256i out_12_6 = _mm256_srai_epi32(out_12_4, DCT_CONST_BITS);
840 const __m256i out_12_7 = _mm256_srai_epi32(out_12_5, DCT_CONST_BITS);
841 const __m256i out_28_6 = _mm256_srai_epi32(out_28_4, DCT_CONST_BITS);
842 const __m256i out_28_7 = _mm256_srai_epi32(out_28_5, DCT_CONST_BITS);
843 // Combine
844 out[ 4] = _mm256_packs_epi32(out_04_6, out_04_7);
845 out[20] = _mm256_packs_epi32(out_20_6, out_20_7);
846 out[12] = _mm256_packs_epi32(out_12_6, out_12_7);
847 out[28] = _mm256_packs_epi32(out_28_6, out_28_7);
848 }
849 {
850 step3[ 8] = _mm256_add_epi16(step2[ 9], step1[ 8]);
851 step3[ 9] = _mm256_sub_epi16(step1[ 8], step2[ 9]);
852 step3[10] = _mm256_sub_epi16(step1[11], step2[10]);
853 step3[11] = _mm256_add_epi16(step2[10], step1[11]);
854 step3[12] = _mm256_add_epi16(step2[13], step1[12]);
855 step3[13] = _mm256_sub_epi16(step1[12], step2[13]);
856 step3[14] = _mm256_sub_epi16(step1[15], step2[14]);
857 step3[15] = _mm256_add_epi16(step2[14], step1[15]);
858 }
859 {
860 const __m256i s3_17_0 = _mm256_unpacklo_epi16(step2[17], step2[30]);
861 const __m256i s3_17_1 = _mm256_unpackhi_epi16(step2[17], step2[30]);
862 const __m256i s3_18_0 = _mm256_unpacklo_epi16(step2[18], step2[29]);
863 const __m256i s3_18_1 = _mm256_unpackhi_epi16(step2[18], step2[29]);
864 const __m256i s3_21_0 = _mm256_unpacklo_epi16(step2[21], step2[26]);
865 const __m256i s3_21_1 = _mm256_unpackhi_epi16(step2[21], step2[26]);
866 const __m256i s3_22_0 = _mm256_unpacklo_epi16(step2[22], step2[25]);
867 const __m256i s3_22_1 = _mm256_unpackhi_epi16(step2[22], step2[25]);
868 const __m256i s3_17_2 = _mm256_madd_epi16(s3_17_0, k__cospi_m04_p28);
869 const __m256i s3_17_3 = _mm256_madd_epi16(s3_17_1, k__cospi_m04_p28);
870 const __m256i s3_18_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m28_m04);
871 const __m256i s3_18_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m28_m04);
872 const __m256i s3_21_2 = _mm256_madd_epi16(s3_21_0, k__cospi_m20_p12);
873 const __m256i s3_21_3 = _mm256_madd_epi16(s3_21_1, k__cospi_m20_p12);
874 const __m256i s3_22_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m12_m20);
875 const __m256i s3_22_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m12_m20);
876 const __m256i s3_25_2 = _mm256_madd_epi16(s3_22_0, k__cospi_m20_p12);
877 const __m256i s3_25_3 = _mm256_madd_epi16(s3_22_1, k__cospi_m20_p12);
878 const __m256i s3_26_2 = _mm256_madd_epi16(s3_21_0, k__cospi_p12_p20);
879 const __m256i s3_26_3 = _mm256_madd_epi16(s3_21_1, k__cospi_p12_p20);
880 const __m256i s3_29_2 = _mm256_madd_epi16(s3_18_0, k__cospi_m04_p28);
881 const __m256i s3_29_3 = _mm256_madd_epi16(s3_18_1, k__cospi_m04_p28);
882 const __m256i s3_30_2 = _mm256_madd_epi16(s3_17_0, k__cospi_p28_p04);
883 const __m256i s3_30_3 = _mm256_madd_epi16(s3_17_1, k__cospi_p28_p04);
884 // dct_const_round_shift
885 const __m256i s3_17_4 = _mm256_add_epi32(s3_17_2, k__DCT_CONST_ROUNDING);
886 const __m256i s3_17_5 = _mm256_add_epi32(s3_17_3, k__DCT_CONST_ROUNDING);
887 const __m256i s3_18_4 = _mm256_add_epi32(s3_18_2, k__DCT_CONST_ROUNDING);
888 const __m256i s3_18_5 = _mm256_add_epi32(s3_18_3, k__DCT_CONST_ROUNDING);
889 const __m256i s3_21_4 = _mm256_add_epi32(s3_21_2, k__DCT_CONST_ROUNDING);
890 const __m256i s3_21_5 = _mm256_add_epi32(s3_21_3, k__DCT_CONST_ROUNDING);
891 const __m256i s3_22_4 = _mm256_add_epi32(s3_22_2, k__DCT_CONST_ROUNDING);
892 const __m256i s3_22_5 = _mm256_add_epi32(s3_22_3, k__DCT_CONST_ROUNDING);
893 const __m256i s3_17_6 = _mm256_srai_epi32(s3_17_4, DCT_CONST_BITS);
894 const __m256i s3_17_7 = _mm256_srai_epi32(s3_17_5, DCT_CONST_BITS);
895 const __m256i s3_18_6 = _mm256_srai_epi32(s3_18_4, DCT_CONST_BITS);
896 const __m256i s3_18_7 = _mm256_srai_epi32(s3_18_5, DCT_CONST_BITS);
897 const __m256i s3_21_6 = _mm256_srai_epi32(s3_21_4, DCT_CONST_BITS);
898 const __m256i s3_21_7 = _mm256_srai_epi32(s3_21_5, DCT_CONST_BITS);
899 const __m256i s3_22_6 = _mm256_srai_epi32(s3_22_4, DCT_CONST_BITS);
900 const __m256i s3_22_7 = _mm256_srai_epi32(s3_22_5, DCT_CONST_BITS);
901 const __m256i s3_25_4 = _mm256_add_epi32(s3_25_2, k__DCT_CONST_ROUNDING);
902 const __m256i s3_25_5 = _mm256_add_epi32(s3_25_3, k__DCT_CONST_ROUNDING);
903 const __m256i s3_26_4 = _mm256_add_epi32(s3_26_2, k__DCT_CONST_ROUNDING);
904 const __m256i s3_26_5 = _mm256_add_epi32(s3_26_3, k__DCT_CONST_ROUNDING);
905 const __m256i s3_29_4 = _mm256_add_epi32(s3_29_2, k__DCT_CONST_ROUNDING);
906 const __m256i s3_29_5 = _mm256_add_epi32(s3_29_3, k__DCT_CONST_ROUNDING);
907 const __m256i s3_30_4 = _mm256_add_epi32(s3_30_2, k__DCT_CONST_ROUNDING);
908 const __m256i s3_30_5 = _mm256_add_epi32(s3_30_3, k__DCT_CONST_ROUNDING);
909 const __m256i s3_25_6 = _mm256_srai_epi32(s3_25_4, DCT_CONST_BITS);
910 const __m256i s3_25_7 = _mm256_srai_epi32(s3_25_5, DCT_CONST_BITS);
911 const __m256i s3_26_6 = _mm256_srai_epi32(s3_26_4, DCT_CONST_BITS);
912 const __m256i s3_26_7 = _mm256_srai_epi32(s3_26_5, DCT_CONST_BITS);
913 const __m256i s3_29_6 = _mm256_srai_epi32(s3_29_4, DCT_CONST_BITS);
914 const __m256i s3_29_7 = _mm256_srai_epi32(s3_29_5, DCT_CONST_BITS);
915 const __m256i s3_30_6 = _mm256_srai_epi32(s3_30_4, DCT_CONST_BITS);
916 const __m256i s3_30_7 = _mm256_srai_epi32(s3_30_5, DCT_CONST_BITS);
917 // Combine
918 step3[17] = _mm256_packs_epi32(s3_17_6, s3_17_7);
919 step3[18] = _mm256_packs_epi32(s3_18_6, s3_18_7);
920 step3[21] = _mm256_packs_epi32(s3_21_6, s3_21_7);
921 step3[22] = _mm256_packs_epi32(s3_22_6, s3_22_7);
922 // Combine
923 step3[25] = _mm256_packs_epi32(s3_25_6, s3_25_7);
924 step3[26] = _mm256_packs_epi32(s3_26_6, s3_26_7);
925 step3[29] = _mm256_packs_epi32(s3_29_6, s3_29_7);
926 step3[30] = _mm256_packs_epi32(s3_30_6, s3_30_7);
927 }
928 // Stage 7
929 {
930 const __m256i out_02_0 = _mm256_unpacklo_epi16(step3[ 8], step3[15]);
931 const __m256i out_02_1 = _mm256_unpackhi_epi16(step3[ 8], step3[15]);
932 const __m256i out_18_0 = _mm256_unpacklo_epi16(step3[ 9], step3[14]);
933 const __m256i out_18_1 = _mm256_unpackhi_epi16(step3[ 9], step3[14]);
934 const __m256i out_10_0 = _mm256_unpacklo_epi16(step3[10], step3[13]);
935 const __m256i out_10_1 = _mm256_unpackhi_epi16(step3[10], step3[13]);
936 const __m256i out_26_0 = _mm256_unpacklo_epi16(step3[11], step3[12]);
937 const __m256i out_26_1 = _mm256_unpackhi_epi16(step3[11], step3[12]);
938 const __m256i out_02_2 = _mm256_madd_epi16(out_02_0, k__cospi_p30_p02);
939 const __m256i out_02_3 = _mm256_madd_epi16(out_02_1, k__cospi_p30_p02);
940 const __m256i out_18_2 = _mm256_madd_epi16(out_18_0, k__cospi_p14_p18);
941 const __m256i out_18_3 = _mm256_madd_epi16(out_18_1, k__cospi_p14_p18);
942 const __m256i out_10_2 = _mm256_madd_epi16(out_10_0, k__cospi_p22_p10);
943 const __m256i out_10_3 = _mm256_madd_epi16(out_10_1, k__cospi_p22_p10);
944 const __m256i out_26_2 = _mm256_madd_epi16(out_26_0, k__cospi_p06_p26);
945 const __m256i out_26_3 = _mm256_madd_epi16(out_26_1, k__cospi_p06_p26);
946 const __m256i out_06_2 = _mm256_madd_epi16(out_26_0, k__cospi_m26_p06);
947 const __m256i out_06_3 = _mm256_madd_epi16(out_26_1, k__cospi_m26_p06);
948 const __m256i out_22_2 = _mm256_madd_epi16(out_10_0, k__cospi_m10_p22);
949 const __m256i out_22_3 = _mm256_madd_epi16(out_10_1, k__cospi_m10_p22);
950 const __m256i out_14_2 = _mm256_madd_epi16(out_18_0, k__cospi_m18_p14);
951 const __m256i out_14_3 = _mm256_madd_epi16(out_18_1, k__cospi_m18_p14);
952 const __m256i out_30_2 = _mm256_madd_epi16(out_02_0, k__cospi_m02_p30);
953 const __m256i out_30_3 = _mm256_madd_epi16(out_02_1, k__cospi_m02_p30);
954 // dct_const_round_shift
955 const __m256i out_02_4 = _mm256_add_epi32(out_02_2, k__DCT_CONST_ROUNDING);
956 const __m256i out_02_5 = _mm256_add_epi32(out_02_3, k__DCT_CONST_ROUNDING);
957 const __m256i out_18_4 = _mm256_add_epi32(out_18_2, k__DCT_CONST_ROUNDING);
958 const __m256i out_18_5 = _mm256_add_epi32(out_18_3, k__DCT_CONST_ROUNDING);
959 const __m256i out_10_4 = _mm256_add_epi32(out_10_2, k__DCT_CONST_ROUNDING);
960 const __m256i out_10_5 = _mm256_add_epi32(out_10_3, k__DCT_CONST_ROUNDING);
961 const __m256i out_26_4 = _mm256_add_epi32(out_26_2, k__DCT_CONST_ROUNDING);
962 const __m256i out_26_5 = _mm256_add_epi32(out_26_3, k__DCT_CONST_ROUNDING);
963 const __m256i out_06_4 = _mm256_add_epi32(out_06_2, k__DCT_CONST_ROUNDING);
964 const __m256i out_06_5 = _mm256_add_epi32(out_06_3, k__DCT_CONST_ROUNDING);
965 const __m256i out_22_4 = _mm256_add_epi32(out_22_2, k__DCT_CONST_ROUNDING);
966 const __m256i out_22_5 = _mm256_add_epi32(out_22_3, k__DCT_CONST_ROUNDING);
967 const __m256i out_14_4 = _mm256_add_epi32(out_14_2, k__DCT_CONST_ROUNDING);
968 const __m256i out_14_5 = _mm256_add_epi32(out_14_3, k__DCT_CONST_ROUNDING);
969 const __m256i out_30_4 = _mm256_add_epi32(out_30_2, k__DCT_CONST_ROUNDING);
970 const __m256i out_30_5 = _mm256_add_epi32(out_30_3, k__DCT_CONST_ROUNDING);
971 const __m256i out_02_6 = _mm256_srai_epi32(out_02_4, DCT_CONST_BITS);
972 const __m256i out_02_7 = _mm256_srai_epi32(out_02_5, DCT_CONST_BITS);
973 const __m256i out_18_6 = _mm256_srai_epi32(out_18_4, DCT_CONST_BITS);
974 const __m256i out_18_7 = _mm256_srai_epi32(out_18_5, DCT_CONST_BITS);
975 const __m256i out_10_6 = _mm256_srai_epi32(out_10_4, DCT_CONST_BITS);
976 const __m256i out_10_7 = _mm256_srai_epi32(out_10_5, DCT_CONST_BITS);
977 const __m256i out_26_6 = _mm256_srai_epi32(out_26_4, DCT_CONST_BITS);
978 const __m256i out_26_7 = _mm256_srai_epi32(out_26_5, DCT_CONST_BITS);
979 const __m256i out_06_6 = _mm256_srai_epi32(out_06_4, DCT_CONST_BITS);
980 const __m256i out_06_7 = _mm256_srai_epi32(out_06_5, DCT_CONST_BITS);
981 const __m256i out_22_6 = _mm256_srai_epi32(out_22_4, DCT_CONST_BITS);
982 const __m256i out_22_7 = _mm256_srai_epi32(out_22_5, DCT_CONST_BITS);
983 const __m256i out_14_6 = _mm256_srai_epi32(out_14_4, DCT_CONST_BITS);
984 const __m256i out_14_7 = _mm256_srai_epi32(out_14_5, DCT_CONST_BITS);
985 const __m256i out_30_6 = _mm256_srai_epi32(out_30_4, DCT_CONST_BITS);
986 const __m256i out_30_7 = _mm256_srai_epi32(out_30_5, DCT_CONST_BITS);
987 // Combine
988 out[ 2] = _mm256_packs_epi32(out_02_6, out_02_7);
989 out[18] = _mm256_packs_epi32(out_18_6, out_18_7);
990 out[10] = _mm256_packs_epi32(out_10_6, out_10_7);
991 out[26] = _mm256_packs_epi32(out_26_6, out_26_7);
992 out[ 6] = _mm256_packs_epi32(out_06_6, out_06_7);
993 out[22] = _mm256_packs_epi32(out_22_6, out_22_7);
994 out[14] = _mm256_packs_epi32(out_14_6, out_14_7);
995 out[30] = _mm256_packs_epi32(out_30_6, out_30_7);
996 }
997 {
998 step1[16] = _mm256_add_epi16(step3[17], step2[16]);
999 step1[17] = _mm256_sub_epi16(step2[16], step3[17]);
1000 step1[18] = _mm256_sub_epi16(step2[19], step3[18]);
1001 step1[19] = _mm256_add_epi16(step3[18], step2[19]);
1002 step1[20] = _mm256_add_epi16(step3[21], step2[20]);
1003 step1[21] = _mm256_sub_epi16(step2[20], step3[21]);
1004 step1[22] = _mm256_sub_epi16(step2[23], step3[22]);
1005 step1[23] = _mm256_add_epi16(step3[22], step2[23]);
1006 step1[24] = _mm256_add_epi16(step3[25], step2[24]);
1007 step1[25] = _mm256_sub_epi16(step2[24], step3[25]);
1008 step1[26] = _mm256_sub_epi16(step2[27], step3[26]);
1009 step1[27] = _mm256_add_epi16(step3[26], step2[27]);
1010 step1[28] = _mm256_add_epi16(step3[29], step2[28]);
1011 step1[29] = _mm256_sub_epi16(step2[28], step3[29]);
1012 step1[30] = _mm256_sub_epi16(step2[31], step3[30]);
1013 step1[31] = _mm256_add_epi16(step3[30], step2[31]);
1014 }
1015 // Final stage --- outputs indices are bit-reversed.
1016 {
1017 const __m256i out_01_0 = _mm256_unpacklo_epi16(step1[16], step1[31]);
1018 const __m256i out_01_1 = _mm256_unpackhi_epi16(step1[16], step1[31]);
1019 const __m256i out_17_0 = _mm256_unpacklo_epi16(step1[17], step1[30]);
1020 const __m256i out_17_1 = _mm256_unpackhi_epi16(step1[17], step1[30]);
1021 const __m256i out_09_0 = _mm256_unpacklo_epi16(step1[18], step1[29]);
1022 const __m256i out_09_1 = _mm256_unpackhi_epi16(step1[18], step1[29]);
1023 const __m256i out_25_0 = _mm256_unpacklo_epi16(step1[19], step1[28]);
1024 const __m256i out_25_1 = _mm256_unpackhi_epi16(step1[19], step1[28]);
1025 const __m256i out_01_2 = _mm256_madd_epi16(out_01_0, k__cospi_p31_p01);
1026 const __m256i out_01_3 = _mm256_madd_epi16(out_01_1, k__cospi_p31_p01);
1027 const __m256i out_17_2 = _mm256_madd_epi16(out_17_0, k__cospi_p15_p17);
1028 const __m256i out_17_3 = _mm256_madd_epi16(out_17_1, k__cospi_p15_p17);
1029 const __m256i out_09_2 = _mm256_madd_epi16(out_09_0, k__cospi_p23_p09);
1030 const __m256i out_09_3 = _mm256_madd_epi16(out_09_1, k__cospi_p23_p09);
1031 const __m256i out_25_2 = _mm256_madd_epi16(out_25_0, k__cospi_p07_p25);
1032 const __m256i out_25_3 = _mm256_madd_epi16(out_25_1, k__cospi_p07_p25);
1033 const __m256i out_07_2 = _mm256_madd_epi16(out_25_0, k__cospi_m25_p07);
1034 const __m256i out_07_3 = _mm256_madd_epi16(out_25_1, k__cospi_m25_p07);
1035 const __m256i out_23_2 = _mm256_madd_epi16(out_09_0, k__cospi_m09_p23);
1036 const __m256i out_23_3 = _mm256_madd_epi16(out_09_1, k__cospi_m09_p23);
1037 const __m256i out_15_2 = _mm256_madd_epi16(out_17_0, k__cospi_m17_p15);
1038 const __m256i out_15_3 = _mm256_madd_epi16(out_17_1, k__cospi_m17_p15);
1039 const __m256i out_31_2 = _mm256_madd_epi16(out_01_0, k__cospi_m01_p31);
1040 const __m256i out_31_3 = _mm256_madd_epi16(out_01_1, k__cospi_m01_p31);
1041 // dct_const_round_shift
1042 const __m256i out_01_4 = _mm256_add_epi32(out_01_2, k__DCT_CONST_ROUNDING);
1043 const __m256i out_01_5 = _mm256_add_epi32(out_01_3, k__DCT_CONST_ROUNDING);
1044 const __m256i out_17_4 = _mm256_add_epi32(out_17_2, k__DCT_CONST_ROUNDING);
1045 const __m256i out_17_5 = _mm256_add_epi32(out_17_3, k__DCT_CONST_ROUNDING);
1046 const __m256i out_09_4 = _mm256_add_epi32(out_09_2, k__DCT_CONST_ROUNDING);
1047 const __m256i out_09_5 = _mm256_add_epi32(out_09_3, k__DCT_CONST_ROUNDING);
1048 const __m256i out_25_4 = _mm256_add_epi32(out_25_2, k__DCT_CONST_ROUNDING);
1049 const __m256i out_25_5 = _mm256_add_epi32(out_25_3, k__DCT_CONST_ROUNDING);
1050 const __m256i out_07_4 = _mm256_add_epi32(out_07_2, k__DCT_CONST_ROUNDING);
1051 const __m256i out_07_5 = _mm256_add_epi32(out_07_3, k__DCT_CONST_ROUNDING);
1052 const __m256i out_23_4 = _mm256_add_epi32(out_23_2, k__DCT_CONST_ROUNDING);
1053 const __m256i out_23_5 = _mm256_add_epi32(out_23_3, k__DCT_CONST_ROUNDING);
1054 const __m256i out_15_4 = _mm256_add_epi32(out_15_2, k__DCT_CONST_ROUNDING);
1055 const __m256i out_15_5 = _mm256_add_epi32(out_15_3, k__DCT_CONST_ROUNDING);
1056 const __m256i out_31_4 = _mm256_add_epi32(out_31_2, k__DCT_CONST_ROUNDING);
1057 const __m256i out_31_5 = _mm256_add_epi32(out_31_3, k__DCT_CONST_ROUNDING);
1058 const __m256i out_01_6 = _mm256_srai_epi32(out_01_4, DCT_CONST_BITS);
1059 const __m256i out_01_7 = _mm256_srai_epi32(out_01_5, DCT_CONST_BITS);
1060 const __m256i out_17_6 = _mm256_srai_epi32(out_17_4, DCT_CONST_BITS);
1061 const __m256i out_17_7 = _mm256_srai_epi32(out_17_5, DCT_CONST_BITS);
1062 const __m256i out_09_6 = _mm256_srai_epi32(out_09_4, DCT_CONST_BITS);
1063 const __m256i out_09_7 = _mm256_srai_epi32(out_09_5, DCT_CONST_BITS);
1064 const __m256i out_25_6 = _mm256_srai_epi32(out_25_4, DCT_CONST_BITS);
1065 const __m256i out_25_7 = _mm256_srai_epi32(out_25_5, DCT_CONST_BITS);
1066 const __m256i out_07_6 = _mm256_srai_epi32(out_07_4, DCT_CONST_BITS);
1067 const __m256i out_07_7 = _mm256_srai_epi32(out_07_5, DCT_CONST_BITS);
1068 const __m256i out_23_6 = _mm256_srai_epi32(out_23_4, DCT_CONST_BITS);
1069 const __m256i out_23_7 = _mm256_srai_epi32(out_23_5, DCT_CONST_BITS);
1070 const __m256i out_15_6 = _mm256_srai_epi32(out_15_4, DCT_CONST_BITS);
1071 const __m256i out_15_7 = _mm256_srai_epi32(out_15_5, DCT_CONST_BITS);
1072 const __m256i out_31_6 = _mm256_srai_epi32(out_31_4, DCT_CONST_BITS);
1073 const __m256i out_31_7 = _mm256_srai_epi32(out_31_5, DCT_CONST_BITS);
1074 // Combine
1075 out[ 1] = _mm256_packs_epi32(out_01_6, out_01_7);
1076 out[17] = _mm256_packs_epi32(out_17_6, out_17_7);
1077 out[ 9] = _mm256_packs_epi32(out_09_6, out_09_7);
1078 out[25] = _mm256_packs_epi32(out_25_6, out_25_7);
1079 out[ 7] = _mm256_packs_epi32(out_07_6, out_07_7);
1080 out[23] = _mm256_packs_epi32(out_23_6, out_23_7);
1081 out[15] = _mm256_packs_epi32(out_15_6, out_15_7);
1082 out[31] = _mm256_packs_epi32(out_31_6, out_31_7);
1083 }
1084 {
1085 const __m256i out_05_0 = _mm256_unpacklo_epi16(step1[20], step1[27]);
1086 const __m256i out_05_1 = _mm256_unpackhi_epi16(step1[20], step1[27]);
1087 const __m256i out_21_0 = _mm256_unpacklo_epi16(step1[21], step1[26]);
1088 const __m256i out_21_1 = _mm256_unpackhi_epi16(step1[21], step1[26]);
1089 const __m256i out_13_0 = _mm256_unpacklo_epi16(step1[22], step1[25]);
1090 const __m256i out_13_1 = _mm256_unpackhi_epi16(step1[22], step1[25]);
1091 const __m256i out_29_0 = _mm256_unpacklo_epi16(step1[23], step1[24]);
1092 const __m256i out_29_1 = _mm256_unpackhi_epi16(step1[23], step1[24]);
1093 const __m256i out_05_2 = _mm256_madd_epi16(out_05_0, k__cospi_p27_p05);
1094 const __m256i out_05_3 = _mm256_madd_epi16(out_05_1, k__cospi_p27_p05);
1095 const __m256i out_21_2 = _mm256_madd_epi16(out_21_0, k__cospi_p11_p21);
1096 const __m256i out_21_3 = _mm256_madd_epi16(out_21_1, k__cospi_p11_p21);
1097 const __m256i out_13_2 = _mm256_madd_epi16(out_13_0, k__cospi_p19_p13);
1098 const __m256i out_13_3 = _mm256_madd_epi16(out_13_1, k__cospi_p19_p13);
1099 const __m256i out_29_2 = _mm256_madd_epi16(out_29_0, k__cospi_p03_p29);
1100 const __m256i out_29_3 = _mm256_madd_epi16(out_29_1, k__cospi_p03_p29);
1101 const __m256i out_03_2 = _mm256_madd_epi16(out_29_0, k__cospi_m29_p03);
1102 const __m256i out_03_3 = _mm256_madd_epi16(out_29_1, k__cospi_m29_p03);
1103 const __m256i out_19_2 = _mm256_madd_epi16(out_13_0, k__cospi_m13_p19);
1104 const __m256i out_19_3 = _mm256_madd_epi16(out_13_1, k__cospi_m13_p19);
1105 const __m256i out_11_2 = _mm256_madd_epi16(out_21_0, k__cospi_m21_p11);
1106 const __m256i out_11_3 = _mm256_madd_epi16(out_21_1, k__cospi_m21_p11);
1107 const __m256i out_27_2 = _mm256_madd_epi16(out_05_0, k__cospi_m05_p27);
1108 const __m256i out_27_3 = _mm256_madd_epi16(out_05_1, k__cospi_m05_p27);
1109 // dct_const_round_shift
1110 const __m256i out_05_4 = _mm256_add_epi32(out_05_2, k__DCT_CONST_ROUNDING);
1111 const __m256i out_05_5 = _mm256_add_epi32(out_05_3, k__DCT_CONST_ROUNDING);
1112 const __m256i out_21_4 = _mm256_add_epi32(out_21_2, k__DCT_CONST_ROUNDING);
1113 const __m256i out_21_5 = _mm256_add_epi32(out_21_3, k__DCT_CONST_ROUNDING);
1114 const __m256i out_13_4 = _mm256_add_epi32(out_13_2, k__DCT_CONST_ROUNDING);
1115 const __m256i out_13_5 = _mm256_add_epi32(out_13_3, k__DCT_CONST_ROUNDING);
1116 const __m256i out_29_4 = _mm256_add_epi32(out_29_2, k__DCT_CONST_ROUNDING);
1117 const __m256i out_29_5 = _mm256_add_epi32(out_29_3, k__DCT_CONST_ROUNDING);
1118 const __m256i out_03_4 = _mm256_add_epi32(out_03_2, k__DCT_CONST_ROUNDING);
1119 const __m256i out_03_5 = _mm256_add_epi32(out_03_3, k__DCT_CONST_ROUNDING);
1120 const __m256i out_19_4 = _mm256_add_epi32(out_19_2, k__DCT_CONST_ROUNDING);
1121 const __m256i out_19_5 = _mm256_add_epi32(out_19_3, k__DCT_CONST_ROUNDING);
1122 const __m256i out_11_4 = _mm256_add_epi32(out_11_2, k__DCT_CONST_ROUNDING);
1123 const __m256i out_11_5 = _mm256_add_epi32(out_11_3, k__DCT_CONST_ROUNDING);
1124 const __m256i out_27_4 = _mm256_add_epi32(out_27_2, k__DCT_CONST_ROUNDING);
1125 const __m256i out_27_5 = _mm256_add_epi32(out_27_3, k__DCT_CONST_ROUNDING);
1126 const __m256i out_05_6 = _mm256_srai_epi32(out_05_4, DCT_CONST_BITS);
1127 const __m256i out_05_7 = _mm256_srai_epi32(out_05_5, DCT_CONST_BITS);
1128 const __m256i out_21_6 = _mm256_srai_epi32(out_21_4, DCT_CONST_BITS);
1129 const __m256i out_21_7 = _mm256_srai_epi32(out_21_5, DCT_CONST_BITS);
1130 const __m256i out_13_6 = _mm256_srai_epi32(out_13_4, DCT_CONST_BITS);
1131 const __m256i out_13_7 = _mm256_srai_epi32(out_13_5, DCT_CONST_BITS);
1132 const __m256i out_29_6 = _mm256_srai_epi32(out_29_4, DCT_CONST_BITS);
1133 const __m256i out_29_7 = _mm256_srai_epi32(out_29_5, DCT_CONST_BITS);
1134 const __m256i out_03_6 = _mm256_srai_epi32(out_03_4, DCT_CONST_BITS);
1135 const __m256i out_03_7 = _mm256_srai_epi32(out_03_5, DCT_CONST_BITS);
1136 const __m256i out_19_6 = _mm256_srai_epi32(out_19_4, DCT_CONST_BITS);
1137 const __m256i out_19_7 = _mm256_srai_epi32(out_19_5, DCT_CONST_BITS);
1138 const __m256i out_11_6 = _mm256_srai_epi32(out_11_4, DCT_CONST_BITS);
1139 const __m256i out_11_7 = _mm256_srai_epi32(out_11_5, DCT_CONST_BITS);
1140 const __m256i out_27_6 = _mm256_srai_epi32(out_27_4, DCT_CONST_BITS);
1141 const __m256i out_27_7 = _mm256_srai_epi32(out_27_5, DCT_CONST_BITS);
1142 // Combine
1143 out[ 5] = _mm256_packs_epi32(out_05_6, out_05_7);
1144 out[21] = _mm256_packs_epi32(out_21_6, out_21_7);
1145 out[13] = _mm256_packs_epi32(out_13_6, out_13_7);
1146 out[29] = _mm256_packs_epi32(out_29_6, out_29_7);
1147 out[ 3] = _mm256_packs_epi32(out_03_6, out_03_7);
1148 out[19] = _mm256_packs_epi32(out_19_6, out_19_7);
1149 out[11] = _mm256_packs_epi32(out_11_6, out_11_7);
1150 out[27] = _mm256_packs_epi32(out_27_6, out_27_7);
1151 }
1152 #if FDCT32x32_HIGH_PRECISION
1153 } else {
1154 __m256i lstep1[64], lstep2[64], lstep3[64];
1155 __m256i u[32], v[32], sign[16];
1156 const __m256i K32One = _mm256_set_epi32(1, 1, 1, 1, 1, 1, 1, 1);
1157 // start using 32-bit operations
1158 // stage 3
1159 {
1160 // expanding to 32-bit length priori to addition operations
1161 lstep2[ 0] = _mm256_unpacklo_epi16(step2[ 0], kZero);
1162 lstep2[ 1] = _mm256_unpackhi_epi16(step2[ 0], kZero);
1163 lstep2[ 2] = _mm256_unpacklo_epi16(step2[ 1], kZero);
1164 lstep2[ 3] = _mm256_unpackhi_epi16(step2[ 1], kZero);
1165 lstep2[ 4] = _mm256_unpacklo_epi16(step2[ 2], kZero);
1166 lstep2[ 5] = _mm256_unpackhi_epi16(step2[ 2], kZero);
1167 lstep2[ 6] = _mm256_unpacklo_epi16(step2[ 3], kZero);
1168 lstep2[ 7] = _mm256_unpackhi_epi16(step2[ 3], kZero);
1169 lstep2[ 8] = _mm256_unpacklo_epi16(step2[ 4], kZero);
1170 lstep2[ 9] = _mm256_unpackhi_epi16(step2[ 4], kZero);
1171 lstep2[10] = _mm256_unpacklo_epi16(step2[ 5], kZero);
1172 lstep2[11] = _mm256_unpackhi_epi16(step2[ 5], kZero);
1173 lstep2[12] = _mm256_unpacklo_epi16(step2[ 6], kZero);
1174 lstep2[13] = _mm256_unpackhi_epi16(step2[ 6], kZero);
1175 lstep2[14] = _mm256_unpacklo_epi16(step2[ 7], kZero);
1176 lstep2[15] = _mm256_unpackhi_epi16(step2[ 7], kZero);
1177 lstep2[ 0] = _mm256_madd_epi16(lstep2[ 0], kOne);
1178 lstep2[ 1] = _mm256_madd_epi16(lstep2[ 1], kOne);
1179 lstep2[ 2] = _mm256_madd_epi16(lstep2[ 2], kOne);
1180 lstep2[ 3] = _mm256_madd_epi16(lstep2[ 3], kOne);
1181 lstep2[ 4] = _mm256_madd_epi16(lstep2[ 4], kOne);
1182 lstep2[ 5] = _mm256_madd_epi16(lstep2[ 5], kOne);
1183 lstep2[ 6] = _mm256_madd_epi16(lstep2[ 6], kOne);
1184 lstep2[ 7] = _mm256_madd_epi16(lstep2[ 7], kOne);
1185 lstep2[ 8] = _mm256_madd_epi16(lstep2[ 8], kOne);
1186 lstep2[ 9] = _mm256_madd_epi16(lstep2[ 9], kOne);
1187 lstep2[10] = _mm256_madd_epi16(lstep2[10], kOne);
1188 lstep2[11] = _mm256_madd_epi16(lstep2[11], kOne);
1189 lstep2[12] = _mm256_madd_epi16(lstep2[12], kOne);
1190 lstep2[13] = _mm256_madd_epi16(lstep2[13], kOne);
1191 lstep2[14] = _mm256_madd_epi16(lstep2[14], kOne);
1192 lstep2[15] = _mm256_madd_epi16(lstep2[15], kOne);
1193
1194 lstep3[ 0] = _mm256_add_epi32(lstep2[14], lstep2[ 0]);
1195 lstep3[ 1] = _mm256_add_epi32(lstep2[15], lstep2[ 1]);
1196 lstep3[ 2] = _mm256_add_epi32(lstep2[12], lstep2[ 2]);
1197 lstep3[ 3] = _mm256_add_epi32(lstep2[13], lstep2[ 3]);
1198 lstep3[ 4] = _mm256_add_epi32(lstep2[10], lstep2[ 4]);
1199 lstep3[ 5] = _mm256_add_epi32(lstep2[11], lstep2[ 5]);
1200 lstep3[ 6] = _mm256_add_epi32(lstep2[ 8], lstep2[ 6]);
1201 lstep3[ 7] = _mm256_add_epi32(lstep2[ 9], lstep2[ 7]);
1202 lstep3[ 8] = _mm256_sub_epi32(lstep2[ 6], lstep2[ 8]);
1203 lstep3[ 9] = _mm256_sub_epi32(lstep2[ 7], lstep2[ 9]);
1204 lstep3[10] = _mm256_sub_epi32(lstep2[ 4], lstep2[10]);
1205 lstep3[11] = _mm256_sub_epi32(lstep2[ 5], lstep2[11]);
1206 lstep3[12] = _mm256_sub_epi32(lstep2[ 2], lstep2[12]);
1207 lstep3[13] = _mm256_sub_epi32(lstep2[ 3], lstep2[13]);
1208 lstep3[14] = _mm256_sub_epi32(lstep2[ 0], lstep2[14]);
1209 lstep3[15] = _mm256_sub_epi32(lstep2[ 1], lstep2[15]);
1210 }
1211 {
1212 const __m256i s3_10_0 = _mm256_unpacklo_epi16(step2[13], step2[10]);
1213 const __m256i s3_10_1 = _mm256_unpackhi_epi16(step2[13], step2[10]);
1214 const __m256i s3_11_0 = _mm256_unpacklo_epi16(step2[12], step2[11]);
1215 const __m256i s3_11_1 = _mm256_unpackhi_epi16(step2[12], step2[11]);
1216 const __m256i s3_10_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_m16);
1217 const __m256i s3_10_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_m16);
1218 const __m256i s3_11_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_m16);
1219 const __m256i s3_11_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_m16);
1220 const __m256i s3_12_2 = _mm256_madd_epi16(s3_11_0, k__cospi_p16_p16);
1221 const __m256i s3_12_3 = _mm256_madd_epi16(s3_11_1, k__cospi_p16_p16);
1222 const __m256i s3_13_2 = _mm256_madd_epi16(s3_10_0, k__cospi_p16_p16);
1223 const __m256i s3_13_3 = _mm256_madd_epi16(s3_10_1, k__cospi_p16_p16);
1224 // dct_const_round_shift
1225 const __m256i s3_10_4 = _mm256_add_epi32(s3_10_2, k__DCT_CONST_ROUNDING);
1226 const __m256i s3_10_5 = _mm256_add_epi32(s3_10_3, k__DCT_CONST_ROUNDING);
1227 const __m256i s3_11_4 = _mm256_add_epi32(s3_11_2, k__DCT_CONST_ROUNDING);
1228 const __m256i s3_11_5 = _mm256_add_epi32(s3_11_3, k__DCT_CONST_ROUNDING);
1229 const __m256i s3_12_4 = _mm256_add_epi32(s3_12_2, k__DCT_CONST_ROUNDING);
1230 const __m256i s3_12_5 = _mm256_add_epi32(s3_12_3, k__DCT_CONST_ROUNDING);
1231 const __m256i s3_13_4 = _mm256_add_epi32(s3_13_2, k__DCT_CONST_ROUNDING);
1232 const __m256i s3_13_5 = _mm256_add_epi32(s3_13_3, k__DCT_CONST_ROUNDING);
1233 lstep3[20] = _mm256_srai_epi32(s3_10_4, DCT_CONST_BITS);
1234 lstep3[21] = _mm256_srai_epi32(s3_10_5, DCT_CONST_BITS);
1235 lstep3[22] = _mm256_srai_epi32(s3_11_4, DCT_CONST_BITS);
1236 lstep3[23] = _mm256_srai_epi32(s3_11_5, DCT_CONST_BITS);
1237 lstep3[24] = _mm256_srai_epi32(s3_12_4, DCT_CONST_BITS);
1238 lstep3[25] = _mm256_srai_epi32(s3_12_5, DCT_CONST_BITS);
1239 lstep3[26] = _mm256_srai_epi32(s3_13_4, DCT_CONST_BITS);
1240 lstep3[27] = _mm256_srai_epi32(s3_13_5, DCT_CONST_BITS);
1241 }
1242 {
1243 lstep2[40] = _mm256_unpacklo_epi16(step2[20], kZero);
1244 lstep2[41] = _mm256_unpackhi_epi16(step2[20], kZero);
1245 lstep2[42] = _mm256_unpacklo_epi16(step2[21], kZero);
1246 lstep2[43] = _mm256_unpackhi_epi16(step2[21], kZero);
1247 lstep2[44] = _mm256_unpacklo_epi16(step2[22], kZero);
1248 lstep2[45] = _mm256_unpackhi_epi16(step2[22], kZero);
1249 lstep2[46] = _mm256_unpacklo_epi16(step2[23], kZero);
1250 lstep2[47] = _mm256_unpackhi_epi16(step2[23], kZero);
1251 lstep2[48] = _mm256_unpacklo_epi16(step2[24], kZero);
1252 lstep2[49] = _mm256_unpackhi_epi16(step2[24], kZero);
1253 lstep2[50] = _mm256_unpacklo_epi16(step2[25], kZero);
1254 lstep2[51] = _mm256_unpackhi_epi16(step2[25], kZero);
1255 lstep2[52] = _mm256_unpacklo_epi16(step2[26], kZero);
1256 lstep2[53] = _mm256_unpackhi_epi16(step2[26], kZero);
1257 lstep2[54] = _mm256_unpacklo_epi16(step2[27], kZero);
1258 lstep2[55] = _mm256_unpackhi_epi16(step2[27], kZero);
1259 lstep2[40] = _mm256_madd_epi16(lstep2[40], kOne);
1260 lstep2[41] = _mm256_madd_epi16(lstep2[41], kOne);
1261 lstep2[42] = _mm256_madd_epi16(lstep2[42], kOne);
1262 lstep2[43] = _mm256_madd_epi16(lstep2[43], kOne);
1263 lstep2[44] = _mm256_madd_epi16(lstep2[44], kOne);
1264 lstep2[45] = _mm256_madd_epi16(lstep2[45], kOne);
1265 lstep2[46] = _mm256_madd_epi16(lstep2[46], kOne);
1266 lstep2[47] = _mm256_madd_epi16(lstep2[47], kOne);
1267 lstep2[48] = _mm256_madd_epi16(lstep2[48], kOne);
1268 lstep2[49] = _mm256_madd_epi16(lstep2[49], kOne);
1269 lstep2[50] = _mm256_madd_epi16(lstep2[50], kOne);
1270 lstep2[51] = _mm256_madd_epi16(lstep2[51], kOne);
1271 lstep2[52] = _mm256_madd_epi16(lstep2[52], kOne);
1272 lstep2[53] = _mm256_madd_epi16(lstep2[53], kOne);
1273 lstep2[54] = _mm256_madd_epi16(lstep2[54], kOne);
1274 lstep2[55] = _mm256_madd_epi16(lstep2[55], kOne);
1275
1276 lstep1[32] = _mm256_unpacklo_epi16(step1[16], kZero);
1277 lstep1[33] = _mm256_unpackhi_epi16(step1[16], kZero);
1278 lstep1[34] = _mm256_unpacklo_epi16(step1[17], kZero);
1279 lstep1[35] = _mm256_unpackhi_epi16(step1[17], kZero);
1280 lstep1[36] = _mm256_unpacklo_epi16(step1[18], kZero);
1281 lstep1[37] = _mm256_unpackhi_epi16(step1[18], kZero);
1282 lstep1[38] = _mm256_unpacklo_epi16(step1[19], kZero);
1283 lstep1[39] = _mm256_unpackhi_epi16(step1[19], kZero);
1284 lstep1[56] = _mm256_unpacklo_epi16(step1[28], kZero);
1285 lstep1[57] = _mm256_unpackhi_epi16(step1[28], kZero);
1286 lstep1[58] = _mm256_unpacklo_epi16(step1[29], kZero);
1287 lstep1[59] = _mm256_unpackhi_epi16(step1[29], kZero);
1288 lstep1[60] = _mm256_unpacklo_epi16(step1[30], kZero);
1289 lstep1[61] = _mm256_unpackhi_epi16(step1[30], kZero);
1290 lstep1[62] = _mm256_unpacklo_epi16(step1[31], kZero);
1291 lstep1[63] = _mm256_unpackhi_epi16(step1[31], kZero);
1292 lstep1[32] = _mm256_madd_epi16(lstep1[32], kOne);
1293 lstep1[33] = _mm256_madd_epi16(lstep1[33], kOne);
1294 lstep1[34] = _mm256_madd_epi16(lstep1[34], kOne);
1295 lstep1[35] = _mm256_madd_epi16(lstep1[35], kOne);
1296 lstep1[36] = _mm256_madd_epi16(lstep1[36], kOne);
1297 lstep1[37] = _mm256_madd_epi16(lstep1[37], kOne);
1298 lstep1[38] = _mm256_madd_epi16(lstep1[38], kOne);
1299 lstep1[39] = _mm256_madd_epi16(lstep1[39], kOne);
1300 lstep1[56] = _mm256_madd_epi16(lstep1[56], kOne);
1301 lstep1[57] = _mm256_madd_epi16(lstep1[57], kOne);
1302 lstep1[58] = _mm256_madd_epi16(lstep1[58], kOne);
1303 lstep1[59] = _mm256_madd_epi16(lstep1[59], kOne);
1304 lstep1[60] = _mm256_madd_epi16(lstep1[60], kOne);
1305 lstep1[61] = _mm256_madd_epi16(lstep1[61], kOne);
1306 lstep1[62] = _mm256_madd_epi16(lstep1[62], kOne);
1307 lstep1[63] = _mm256_madd_epi16(lstep1[63], kOne);
1308
1309 lstep3[32] = _mm256_add_epi32(lstep2[46], lstep1[32]);
1310 lstep3[33] = _mm256_add_epi32(lstep2[47], lstep1[33]);
1311
1312 lstep3[34] = _mm256_add_epi32(lstep2[44], lstep1[34]);
1313 lstep3[35] = _mm256_add_epi32(lstep2[45], lstep1[35]);
1314 lstep3[36] = _mm256_add_epi32(lstep2[42], lstep1[36]);
1315 lstep3[37] = _mm256_add_epi32(lstep2[43], lstep1[37]);
1316 lstep3[38] = _mm256_add_epi32(lstep2[40], lstep1[38]);
1317 lstep3[39] = _mm256_add_epi32(lstep2[41], lstep1[39]);
1318 lstep3[40] = _mm256_sub_epi32(lstep1[38], lstep2[40]);
1319 lstep3[41] = _mm256_sub_epi32(lstep1[39], lstep2[41]);
1320 lstep3[42] = _mm256_sub_epi32(lstep1[36], lstep2[42]);
1321 lstep3[43] = _mm256_sub_epi32(lstep1[37], lstep2[43]);
1322 lstep3[44] = _mm256_sub_epi32(lstep1[34], lstep2[44]);
1323 lstep3[45] = _mm256_sub_epi32(lstep1[35], lstep2[45]);
1324 lstep3[46] = _mm256_sub_epi32(lstep1[32], lstep2[46]);
1325 lstep3[47] = _mm256_sub_epi32(lstep1[33], lstep2[47]);
1326 lstep3[48] = _mm256_sub_epi32(lstep1[62], lstep2[48]);
1327 lstep3[49] = _mm256_sub_epi32(lstep1[63], lstep2[49]);
1328 lstep3[50] = _mm256_sub_epi32(lstep1[60], lstep2[50]);
1329 lstep3[51] = _mm256_sub_epi32(lstep1[61], lstep2[51]);
1330 lstep3[52] = _mm256_sub_epi32(lstep1[58], lstep2[52]);
1331 lstep3[53] = _mm256_sub_epi32(lstep1[59], lstep2[53]);
1332 lstep3[54] = _mm256_sub_epi32(lstep1[56], lstep2[54]);
1333 lstep3[55] = _mm256_sub_epi32(lstep1[57], lstep2[55]);
1334 lstep3[56] = _mm256_add_epi32(lstep2[54], lstep1[56]);
1335 lstep3[57] = _mm256_add_epi32(lstep2[55], lstep1[57]);
1336 lstep3[58] = _mm256_add_epi32(lstep2[52], lstep1[58]);
1337 lstep3[59] = _mm256_add_epi32(lstep2[53], lstep1[59]);
1338 lstep3[60] = _mm256_add_epi32(lstep2[50], lstep1[60]);
1339 lstep3[61] = _mm256_add_epi32(lstep2[51], lstep1[61]);
1340 lstep3[62] = _mm256_add_epi32(lstep2[48], lstep1[62]);
1341 lstep3[63] = _mm256_add_epi32(lstep2[49], lstep1[63]);
1342 }
1343
1344 // stage 4
1345 {
1346 // expanding to 32-bit length priori to addition operations
1347 lstep2[16] = _mm256_unpacklo_epi16(step2[ 8], kZero);
1348 lstep2[17] = _mm256_unpackhi_epi16(step2[ 8], kZero);
1349 lstep2[18] = _mm256_unpacklo_epi16(step2[ 9], kZero);
1350 lstep2[19] = _mm256_unpackhi_epi16(step2[ 9], kZero);
1351 lstep2[28] = _mm256_unpacklo_epi16(step2[14], kZero);
1352 lstep2[29] = _mm256_unpackhi_epi16(step2[14], kZero);
1353 lstep2[30] = _mm256_unpacklo_epi16(step2[15], kZero);
1354 lstep2[31] = _mm256_unpackhi_epi16(step2[15], kZero);
1355 lstep2[16] = _mm256_madd_epi16(lstep2[16], kOne);
1356 lstep2[17] = _mm256_madd_epi16(lstep2[17], kOne);
1357 lstep2[18] = _mm256_madd_epi16(lstep2[18], kOne);
1358 lstep2[19] = _mm256_madd_epi16(lstep2[19], kOne);
1359 lstep2[28] = _mm256_madd_epi16(lstep2[28], kOne);
1360 lstep2[29] = _mm256_madd_epi16(lstep2[29], kOne);
1361 lstep2[30] = _mm256_madd_epi16(lstep2[30], kOne);
1362 lstep2[31] = _mm256_madd_epi16(lstep2[31], kOne);
1363
1364 lstep1[ 0] = _mm256_add_epi32(lstep3[ 6], lstep3[ 0]);
1365 lstep1[ 1] = _mm256_add_epi32(lstep3[ 7], lstep3[ 1]);
1366 lstep1[ 2] = _mm256_add_epi32(lstep3[ 4], lstep3[ 2]);
1367 lstep1[ 3] = _mm256_add_epi32(lstep3[ 5], lstep3[ 3]);
1368 lstep1[ 4] = _mm256_sub_epi32(lstep3[ 2], lstep3[ 4]);
1369 lstep1[ 5] = _mm256_sub_epi32(lstep3[ 3], lstep3[ 5]);
1370 lstep1[ 6] = _mm256_sub_epi32(lstep3[ 0], lstep3[ 6]);
1371 lstep1[ 7] = _mm256_sub_epi32(lstep3[ 1], lstep3[ 7]);
1372 lstep1[16] = _mm256_add_epi32(lstep3[22], lstep2[16]);
1373 lstep1[17] = _mm256_add_epi32(lstep3[23], lstep2[17]);
1374 lstep1[18] = _mm256_add_epi32(lstep3[20], lstep2[18]);
1375 lstep1[19] = _mm256_add_epi32(lstep3[21], lstep2[19]);
1376 lstep1[20] = _mm256_sub_epi32(lstep2[18], lstep3[20]);
1377 lstep1[21] = _mm256_sub_epi32(lstep2[19], lstep3[21]);
1378 lstep1[22] = _mm256_sub_epi32(lstep2[16], lstep3[22]);
1379 lstep1[23] = _mm256_sub_epi32(lstep2[17], lstep3[23]);
1380 lstep1[24] = _mm256_sub_epi32(lstep2[30], lstep3[24]);
1381 lstep1[25] = _mm256_sub_epi32(lstep2[31], lstep3[25]);
1382 lstep1[26] = _mm256_sub_epi32(lstep2[28], lstep3[26]);
1383 lstep1[27] = _mm256_sub_epi32(lstep2[29], lstep3[27]);
1384 lstep1[28] = _mm256_add_epi32(lstep3[26], lstep2[28]);
1385 lstep1[29] = _mm256_add_epi32(lstep3[27], lstep2[29]);
1386 lstep1[30] = _mm256_add_epi32(lstep3[24], lstep2[30]);
1387 lstep1[31] = _mm256_add_epi32(lstep3[25], lstep2[31]);
1388 }
1389 {
1390 // to be continued...
1391 //
1392 const __m256i k32_p16_p16 = pair256_set_epi32(cospi_16_64, cospi_16_64);
1393 const __m256i k32_p16_m16 = pair256_set_epi32(cospi_16_64, -cospi_16_64);
1394
1395 u[0] = _mm256_unpacklo_epi32(lstep3[12], lstep3[10]);
1396 u[1] = _mm256_unpackhi_epi32(lstep3[12], lstep3[10]);
1397 u[2] = _mm256_unpacklo_epi32(lstep3[13], lstep3[11]);
1398 u[3] = _mm256_unpackhi_epi32(lstep3[13], lstep3[11]);
1399
1400 // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide
1401 // instruction latency.
1402 v[ 0] = k_madd_epi32_avx2(u[0], k32_p16_m16);
1403 v[ 1] = k_madd_epi32_avx2(u[1], k32_p16_m16);
1404 v[ 2] = k_madd_epi32_avx2(u[2], k32_p16_m16);
1405 v[ 3] = k_madd_epi32_avx2(u[3], k32_p16_m16);
1406 v[ 4] = k_madd_epi32_avx2(u[0], k32_p16_p16);
1407 v[ 5] = k_madd_epi32_avx2(u[1], k32_p16_p16);
1408 v[ 6] = k_madd_epi32_avx2(u[2], k32_p16_p16);
1409 v[ 7] = k_madd_epi32_avx2(u[3], k32_p16_p16);
1410
1411 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1412 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1413 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1414 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1415
1416 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1417 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1418 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1419 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1420
1421 lstep1[10] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1422 lstep1[11] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1423 lstep1[12] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1424 lstep1[13] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1425 }
1426 {
1427 const __m256i k32_m08_p24 = pair256_set_epi32(-cospi_8_64, cospi_24_64);
1428 const __m256i k32_m24_m08 = pair256_set_epi32(-cospi_24_64, -cospi_8_64);
1429 const __m256i k32_p24_p08 = pair256_set_epi32(cospi_24_64, cospi_8_64);
1430
1431 u[ 0] = _mm256_unpacklo_epi32(lstep3[36], lstep3[58]);
1432 u[ 1] = _mm256_unpackhi_epi32(lstep3[36], lstep3[58]);
1433 u[ 2] = _mm256_unpacklo_epi32(lstep3[37], lstep3[59]);
1434 u[ 3] = _mm256_unpackhi_epi32(lstep3[37], lstep3[59]);
1435 u[ 4] = _mm256_unpacklo_epi32(lstep3[38], lstep3[56]);
1436 u[ 5] = _mm256_unpackhi_epi32(lstep3[38], lstep3[56]);
1437 u[ 6] = _mm256_unpacklo_epi32(lstep3[39], lstep3[57]);
1438 u[ 7] = _mm256_unpackhi_epi32(lstep3[39], lstep3[57]);
1439 u[ 8] = _mm256_unpacklo_epi32(lstep3[40], lstep3[54]);
1440 u[ 9] = _mm256_unpackhi_epi32(lstep3[40], lstep3[54]);
1441 u[10] = _mm256_unpacklo_epi32(lstep3[41], lstep3[55]);
1442 u[11] = _mm256_unpackhi_epi32(lstep3[41], lstep3[55]);
1443 u[12] = _mm256_unpacklo_epi32(lstep3[42], lstep3[52]);
1444 u[13] = _mm256_unpackhi_epi32(lstep3[42], lstep3[52]);
1445 u[14] = _mm256_unpacklo_epi32(lstep3[43], lstep3[53]);
1446 u[15] = _mm256_unpackhi_epi32(lstep3[43], lstep3[53]);
1447
1448 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_m08_p24);
1449 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_m08_p24);
1450 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_m08_p24);
1451 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_m08_p24);
1452 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_m08_p24);
1453 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_m08_p24);
1454 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_m08_p24);
1455 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_m08_p24);
1456 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_m24_m08);
1457 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_m24_m08);
1458 v[10] = k_madd_epi32_avx2(u[10], k32_m24_m08);
1459 v[11] = k_madd_epi32_avx2(u[11], k32_m24_m08);
1460 v[12] = k_madd_epi32_avx2(u[12], k32_m24_m08);
1461 v[13] = k_madd_epi32_avx2(u[13], k32_m24_m08);
1462 v[14] = k_madd_epi32_avx2(u[14], k32_m24_m08);
1463 v[15] = k_madd_epi32_avx2(u[15], k32_m24_m08);
1464 v[16] = k_madd_epi32_avx2(u[12], k32_m08_p24);
1465 v[17] = k_madd_epi32_avx2(u[13], k32_m08_p24);
1466 v[18] = k_madd_epi32_avx2(u[14], k32_m08_p24);
1467 v[19] = k_madd_epi32_avx2(u[15], k32_m08_p24);
1468 v[20] = k_madd_epi32_avx2(u[ 8], k32_m08_p24);
1469 v[21] = k_madd_epi32_avx2(u[ 9], k32_m08_p24);
1470 v[22] = k_madd_epi32_avx2(u[10], k32_m08_p24);
1471 v[23] = k_madd_epi32_avx2(u[11], k32_m08_p24);
1472 v[24] = k_madd_epi32_avx2(u[ 4], k32_p24_p08);
1473 v[25] = k_madd_epi32_avx2(u[ 5], k32_p24_p08);
1474 v[26] = k_madd_epi32_avx2(u[ 6], k32_p24_p08);
1475 v[27] = k_madd_epi32_avx2(u[ 7], k32_p24_p08);
1476 v[28] = k_madd_epi32_avx2(u[ 0], k32_p24_p08);
1477 v[29] = k_madd_epi32_avx2(u[ 1], k32_p24_p08);
1478 v[30] = k_madd_epi32_avx2(u[ 2], k32_p24_p08);
1479 v[31] = k_madd_epi32_avx2(u[ 3], k32_p24_p08);
1480
1481 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]);
1482 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]);
1483 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]);
1484 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]);
1485 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]);
1486 u[ 5] = k_packs_epi64_avx2(v[10], v[11]);
1487 u[ 6] = k_packs_epi64_avx2(v[12], v[13]);
1488 u[ 7] = k_packs_epi64_avx2(v[14], v[15]);
1489 u[ 8] = k_packs_epi64_avx2(v[16], v[17]);
1490 u[ 9] = k_packs_epi64_avx2(v[18], v[19]);
1491 u[10] = k_packs_epi64_avx2(v[20], v[21]);
1492 u[11] = k_packs_epi64_avx2(v[22], v[23]);
1493 u[12] = k_packs_epi64_avx2(v[24], v[25]);
1494 u[13] = k_packs_epi64_avx2(v[26], v[27]);
1495 u[14] = k_packs_epi64_avx2(v[28], v[29]);
1496 u[15] = k_packs_epi64_avx2(v[30], v[31]);
1497
1498 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING);
1499 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING);
1500 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING);
1501 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING);
1502 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING);
1503 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING);
1504 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING);
1505 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING);
1506 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING);
1507 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING);
1508 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
1509 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
1510 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
1511 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
1512 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
1513 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
1514
1515 lstep1[36] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS);
1516 lstep1[37] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS);
1517 lstep1[38] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS);
1518 lstep1[39] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS);
1519 lstep1[40] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS);
1520 lstep1[41] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS);
1521 lstep1[42] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS);
1522 lstep1[43] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS);
1523 lstep1[52] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS);
1524 lstep1[53] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS);
1525 lstep1[54] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
1526 lstep1[55] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
1527 lstep1[56] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
1528 lstep1[57] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
1529 lstep1[58] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
1530 lstep1[59] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
1531 }
1532 // stage 5
1533 {
1534 lstep2[ 8] = _mm256_add_epi32(lstep1[10], lstep3[ 8]);
1535 lstep2[ 9] = _mm256_add_epi32(lstep1[11], lstep3[ 9]);
1536 lstep2[10] = _mm256_sub_epi32(lstep3[ 8], lstep1[10]);
1537 lstep2[11] = _mm256_sub_epi32(lstep3[ 9], lstep1[11]);
1538 lstep2[12] = _mm256_sub_epi32(lstep3[14], lstep1[12]);
1539 lstep2[13] = _mm256_sub_epi32(lstep3[15], lstep1[13]);
1540 lstep2[14] = _mm256_add_epi32(lstep1[12], lstep3[14]);
1541 lstep2[15] = _mm256_add_epi32(lstep1[13], lstep3[15]);
1542 }
1543 {
1544 const __m256i k32_p16_p16 = pair256_set_epi32(cospi_16_64, cospi_16_64);
1545 const __m256i k32_p16_m16 = pair256_set_epi32(cospi_16_64, -cospi_16_64);
1546 const __m256i k32_p24_p08 = pair256_set_epi32(cospi_24_64, cospi_8_64);
1547 const __m256i k32_m08_p24 = pair256_set_epi32(-cospi_8_64, cospi_24_64);
1548
1549 u[0] = _mm256_unpacklo_epi32(lstep1[0], lstep1[2]);
1550 u[1] = _mm256_unpackhi_epi32(lstep1[0], lstep1[2]);
1551 u[2] = _mm256_unpacklo_epi32(lstep1[1], lstep1[3]);
1552 u[3] = _mm256_unpackhi_epi32(lstep1[1], lstep1[3]);
1553 u[4] = _mm256_unpacklo_epi32(lstep1[4], lstep1[6]);
1554 u[5] = _mm256_unpackhi_epi32(lstep1[4], lstep1[6]);
1555 u[6] = _mm256_unpacklo_epi32(lstep1[5], lstep1[7]);
1556 u[7] = _mm256_unpackhi_epi32(lstep1[5], lstep1[7]);
1557
1558 // TODO(jingning): manually inline k_madd_epi32_avx2_ to further hide
1559 // instruction latency.
1560 v[ 0] = k_madd_epi32_avx2(u[0], k32_p16_p16);
1561 v[ 1] = k_madd_epi32_avx2(u[1], k32_p16_p16);
1562 v[ 2] = k_madd_epi32_avx2(u[2], k32_p16_p16);
1563 v[ 3] = k_madd_epi32_avx2(u[3], k32_p16_p16);
1564 v[ 4] = k_madd_epi32_avx2(u[0], k32_p16_m16);
1565 v[ 5] = k_madd_epi32_avx2(u[1], k32_p16_m16);
1566 v[ 6] = k_madd_epi32_avx2(u[2], k32_p16_m16);
1567 v[ 7] = k_madd_epi32_avx2(u[3], k32_p16_m16);
1568 v[ 8] = k_madd_epi32_avx2(u[4], k32_p24_p08);
1569 v[ 9] = k_madd_epi32_avx2(u[5], k32_p24_p08);
1570 v[10] = k_madd_epi32_avx2(u[6], k32_p24_p08);
1571 v[11] = k_madd_epi32_avx2(u[7], k32_p24_p08);
1572 v[12] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1573 v[13] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1574 v[14] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1575 v[15] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1576
1577 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1578 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1579 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1580 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1581 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1582 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1583 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1584 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1585
1586 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1587 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1588 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1589 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1590 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1591 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1592 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1593 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1594
1595 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1596 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1597 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1598 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1599 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
1600 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
1601 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
1602 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
1603
1604 sign[0] = _mm256_cmpgt_epi32(kZero,u[0]);
1605 sign[1] = _mm256_cmpgt_epi32(kZero,u[1]);
1606 sign[2] = _mm256_cmpgt_epi32(kZero,u[2]);
1607 sign[3] = _mm256_cmpgt_epi32(kZero,u[3]);
1608 sign[4] = _mm256_cmpgt_epi32(kZero,u[4]);
1609 sign[5] = _mm256_cmpgt_epi32(kZero,u[5]);
1610 sign[6] = _mm256_cmpgt_epi32(kZero,u[6]);
1611 sign[7] = _mm256_cmpgt_epi32(kZero,u[7]);
1612
1613 u[0] = _mm256_sub_epi32(u[0], sign[0]);
1614 u[1] = _mm256_sub_epi32(u[1], sign[1]);
1615 u[2] = _mm256_sub_epi32(u[2], sign[2]);
1616 u[3] = _mm256_sub_epi32(u[3], sign[3]);
1617 u[4] = _mm256_sub_epi32(u[4], sign[4]);
1618 u[5] = _mm256_sub_epi32(u[5], sign[5]);
1619 u[6] = _mm256_sub_epi32(u[6], sign[6]);
1620 u[7] = _mm256_sub_epi32(u[7], sign[7]);
1621
1622 u[0] = _mm256_add_epi32(u[0], K32One);
1623 u[1] = _mm256_add_epi32(u[1], K32One);
1624 u[2] = _mm256_add_epi32(u[2], K32One);
1625 u[3] = _mm256_add_epi32(u[3], K32One);
1626 u[4] = _mm256_add_epi32(u[4], K32One);
1627 u[5] = _mm256_add_epi32(u[5], K32One);
1628 u[6] = _mm256_add_epi32(u[6], K32One);
1629 u[7] = _mm256_add_epi32(u[7], K32One);
1630
1631 u[0] = _mm256_srai_epi32(u[0], 2);
1632 u[1] = _mm256_srai_epi32(u[1], 2);
1633 u[2] = _mm256_srai_epi32(u[2], 2);
1634 u[3] = _mm256_srai_epi32(u[3], 2);
1635 u[4] = _mm256_srai_epi32(u[4], 2);
1636 u[5] = _mm256_srai_epi32(u[5], 2);
1637 u[6] = _mm256_srai_epi32(u[6], 2);
1638 u[7] = _mm256_srai_epi32(u[7], 2);
1639
1640 // Combine
1641 out[ 0] = _mm256_packs_epi32(u[0], u[1]);
1642 out[16] = _mm256_packs_epi32(u[2], u[3]);
1643 out[ 8] = _mm256_packs_epi32(u[4], u[5]);
1644 out[24] = _mm256_packs_epi32(u[6], u[7]);
1645 }
1646 {
1647 const __m256i k32_m08_p24 = pair256_set_epi32(-cospi_8_64, cospi_24_64);
1648 const __m256i k32_m24_m08 = pair256_set_epi32(-cospi_24_64, -cospi_8_64);
1649 const __m256i k32_p24_p08 = pair256_set_epi32(cospi_24_64, cospi_8_64);
1650
1651 u[0] = _mm256_unpacklo_epi32(lstep1[18], lstep1[28]);
1652 u[1] = _mm256_unpackhi_epi32(lstep1[18], lstep1[28]);
1653 u[2] = _mm256_unpacklo_epi32(lstep1[19], lstep1[29]);
1654 u[3] = _mm256_unpackhi_epi32(lstep1[19], lstep1[29]);
1655 u[4] = _mm256_unpacklo_epi32(lstep1[20], lstep1[26]);
1656 u[5] = _mm256_unpackhi_epi32(lstep1[20], lstep1[26]);
1657 u[6] = _mm256_unpacklo_epi32(lstep1[21], lstep1[27]);
1658 u[7] = _mm256_unpackhi_epi32(lstep1[21], lstep1[27]);
1659
1660 v[0] = k_madd_epi32_avx2(u[0], k32_m08_p24);
1661 v[1] = k_madd_epi32_avx2(u[1], k32_m08_p24);
1662 v[2] = k_madd_epi32_avx2(u[2], k32_m08_p24);
1663 v[3] = k_madd_epi32_avx2(u[3], k32_m08_p24);
1664 v[4] = k_madd_epi32_avx2(u[4], k32_m24_m08);
1665 v[5] = k_madd_epi32_avx2(u[5], k32_m24_m08);
1666 v[6] = k_madd_epi32_avx2(u[6], k32_m24_m08);
1667 v[7] = k_madd_epi32_avx2(u[7], k32_m24_m08);
1668 v[ 8] = k_madd_epi32_avx2(u[4], k32_m08_p24);
1669 v[ 9] = k_madd_epi32_avx2(u[5], k32_m08_p24);
1670 v[10] = k_madd_epi32_avx2(u[6], k32_m08_p24);
1671 v[11] = k_madd_epi32_avx2(u[7], k32_m08_p24);
1672 v[12] = k_madd_epi32_avx2(u[0], k32_p24_p08);
1673 v[13] = k_madd_epi32_avx2(u[1], k32_p24_p08);
1674 v[14] = k_madd_epi32_avx2(u[2], k32_p24_p08);
1675 v[15] = k_madd_epi32_avx2(u[3], k32_p24_p08);
1676
1677 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1678 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1679 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1680 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1681 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1682 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1683 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1684 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1685
1686 u[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1687 u[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1688 u[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1689 u[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1690 u[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1691 u[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1692 u[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1693 u[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1694
1695 lstep2[18] = _mm256_srai_epi32(u[0], DCT_CONST_BITS);
1696 lstep2[19] = _mm256_srai_epi32(u[1], DCT_CONST_BITS);
1697 lstep2[20] = _mm256_srai_epi32(u[2], DCT_CONST_BITS);
1698 lstep2[21] = _mm256_srai_epi32(u[3], DCT_CONST_BITS);
1699 lstep2[26] = _mm256_srai_epi32(u[4], DCT_CONST_BITS);
1700 lstep2[27] = _mm256_srai_epi32(u[5], DCT_CONST_BITS);
1701 lstep2[28] = _mm256_srai_epi32(u[6], DCT_CONST_BITS);
1702 lstep2[29] = _mm256_srai_epi32(u[7], DCT_CONST_BITS);
1703 }
1704 {
1705 lstep2[32] = _mm256_add_epi32(lstep1[38], lstep3[32]);
1706 lstep2[33] = _mm256_add_epi32(lstep1[39], lstep3[33]);
1707 lstep2[34] = _mm256_add_epi32(lstep1[36], lstep3[34]);
1708 lstep2[35] = _mm256_add_epi32(lstep1[37], lstep3[35]);
1709 lstep2[36] = _mm256_sub_epi32(lstep3[34], lstep1[36]);
1710 lstep2[37] = _mm256_sub_epi32(lstep3[35], lstep1[37]);
1711 lstep2[38] = _mm256_sub_epi32(lstep3[32], lstep1[38]);
1712 lstep2[39] = _mm256_sub_epi32(lstep3[33], lstep1[39]);
1713 lstep2[40] = _mm256_sub_epi32(lstep3[46], lstep1[40]);
1714 lstep2[41] = _mm256_sub_epi32(lstep3[47], lstep1[41]);
1715 lstep2[42] = _mm256_sub_epi32(lstep3[44], lstep1[42]);
1716 lstep2[43] = _mm256_sub_epi32(lstep3[45], lstep1[43]);
1717 lstep2[44] = _mm256_add_epi32(lstep1[42], lstep3[44]);
1718 lstep2[45] = _mm256_add_epi32(lstep1[43], lstep3[45]);
1719 lstep2[46] = _mm256_add_epi32(lstep1[40], lstep3[46]);
1720 lstep2[47] = _mm256_add_epi32(lstep1[41], lstep3[47]);
1721 lstep2[48] = _mm256_add_epi32(lstep1[54], lstep3[48]);
1722 lstep2[49] = _mm256_add_epi32(lstep1[55], lstep3[49]);
1723 lstep2[50] = _mm256_add_epi32(lstep1[52], lstep3[50]);
1724 lstep2[51] = _mm256_add_epi32(lstep1[53], lstep3[51]);
1725 lstep2[52] = _mm256_sub_epi32(lstep3[50], lstep1[52]);
1726 lstep2[53] = _mm256_sub_epi32(lstep3[51], lstep1[53]);
1727 lstep2[54] = _mm256_sub_epi32(lstep3[48], lstep1[54]);
1728 lstep2[55] = _mm256_sub_epi32(lstep3[49], lstep1[55]);
1729 lstep2[56] = _mm256_sub_epi32(lstep3[62], lstep1[56]);
1730 lstep2[57] = _mm256_sub_epi32(lstep3[63], lstep1[57]);
1731 lstep2[58] = _mm256_sub_epi32(lstep3[60], lstep1[58]);
1732 lstep2[59] = _mm256_sub_epi32(lstep3[61], lstep1[59]);
1733 lstep2[60] = _mm256_add_epi32(lstep1[58], lstep3[60]);
1734 lstep2[61] = _mm256_add_epi32(lstep1[59], lstep3[61]);
1735 lstep2[62] = _mm256_add_epi32(lstep1[56], lstep3[62]);
1736 lstep2[63] = _mm256_add_epi32(lstep1[57], lstep3[63]);
1737 }
1738 // stage 6
1739 {
1740 const __m256i k32_p28_p04 = pair256_set_epi32(cospi_28_64, cospi_4_64);
1741 const __m256i k32_p12_p20 = pair256_set_epi32(cospi_12_64, cospi_20_64);
1742 const __m256i k32_m20_p12 = pair256_set_epi32(-cospi_20_64, cospi_12_64);
1743 const __m256i k32_m04_p28 = pair256_set_epi32(-cospi_4_64, cospi_28_64);
1744
1745 u[0] = _mm256_unpacklo_epi32(lstep2[ 8], lstep2[14]);
1746 u[1] = _mm256_unpackhi_epi32(lstep2[ 8], lstep2[14]);
1747 u[2] = _mm256_unpacklo_epi32(lstep2[ 9], lstep2[15]);
1748 u[3] = _mm256_unpackhi_epi32(lstep2[ 9], lstep2[15]);
1749 u[4] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]);
1750 u[5] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]);
1751 u[6] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]);
1752 u[7] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]);
1753 u[8] = _mm256_unpacklo_epi32(lstep2[10], lstep2[12]);
1754 u[9] = _mm256_unpackhi_epi32(lstep2[10], lstep2[12]);
1755 u[10] = _mm256_unpacklo_epi32(lstep2[11], lstep2[13]);
1756 u[11] = _mm256_unpackhi_epi32(lstep2[11], lstep2[13]);
1757 u[12] = _mm256_unpacklo_epi32(lstep2[ 8], lstep2[14]);
1758 u[13] = _mm256_unpackhi_epi32(lstep2[ 8], lstep2[14]);
1759 u[14] = _mm256_unpacklo_epi32(lstep2[ 9], lstep2[15]);
1760 u[15] = _mm256_unpackhi_epi32(lstep2[ 9], lstep2[15]);
1761
1762 v[0] = k_madd_epi32_avx2(u[0], k32_p28_p04);
1763 v[1] = k_madd_epi32_avx2(u[1], k32_p28_p04);
1764 v[2] = k_madd_epi32_avx2(u[2], k32_p28_p04);
1765 v[3] = k_madd_epi32_avx2(u[3], k32_p28_p04);
1766 v[4] = k_madd_epi32_avx2(u[4], k32_p12_p20);
1767 v[5] = k_madd_epi32_avx2(u[5], k32_p12_p20);
1768 v[6] = k_madd_epi32_avx2(u[6], k32_p12_p20);
1769 v[7] = k_madd_epi32_avx2(u[7], k32_p12_p20);
1770 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_m20_p12);
1771 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_m20_p12);
1772 v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12);
1773 v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12);
1774 v[12] = k_madd_epi32_avx2(u[12], k32_m04_p28);
1775 v[13] = k_madd_epi32_avx2(u[13], k32_m04_p28);
1776 v[14] = k_madd_epi32_avx2(u[14], k32_m04_p28);
1777 v[15] = k_madd_epi32_avx2(u[15], k32_m04_p28);
1778
1779 u[0] = k_packs_epi64_avx2(v[0], v[1]);
1780 u[1] = k_packs_epi64_avx2(v[2], v[3]);
1781 u[2] = k_packs_epi64_avx2(v[4], v[5]);
1782 u[3] = k_packs_epi64_avx2(v[6], v[7]);
1783 u[4] = k_packs_epi64_avx2(v[8], v[9]);
1784 u[5] = k_packs_epi64_avx2(v[10], v[11]);
1785 u[6] = k_packs_epi64_avx2(v[12], v[13]);
1786 u[7] = k_packs_epi64_avx2(v[14], v[15]);
1787
1788 v[0] = _mm256_add_epi32(u[0], k__DCT_CONST_ROUNDING);
1789 v[1] = _mm256_add_epi32(u[1], k__DCT_CONST_ROUNDING);
1790 v[2] = _mm256_add_epi32(u[2], k__DCT_CONST_ROUNDING);
1791 v[3] = _mm256_add_epi32(u[3], k__DCT_CONST_ROUNDING);
1792 v[4] = _mm256_add_epi32(u[4], k__DCT_CONST_ROUNDING);
1793 v[5] = _mm256_add_epi32(u[5], k__DCT_CONST_ROUNDING);
1794 v[6] = _mm256_add_epi32(u[6], k__DCT_CONST_ROUNDING);
1795 v[7] = _mm256_add_epi32(u[7], k__DCT_CONST_ROUNDING);
1796
1797 u[0] = _mm256_srai_epi32(v[0], DCT_CONST_BITS);
1798 u[1] = _mm256_srai_epi32(v[1], DCT_CONST_BITS);
1799 u[2] = _mm256_srai_epi32(v[2], DCT_CONST_BITS);
1800 u[3] = _mm256_srai_epi32(v[3], DCT_CONST_BITS);
1801 u[4] = _mm256_srai_epi32(v[4], DCT_CONST_BITS);
1802 u[5] = _mm256_srai_epi32(v[5], DCT_CONST_BITS);
1803 u[6] = _mm256_srai_epi32(v[6], DCT_CONST_BITS);
1804 u[7] = _mm256_srai_epi32(v[7], DCT_CONST_BITS);
1805
1806 sign[0] = _mm256_cmpgt_epi32(kZero,u[0]);
1807 sign[1] = _mm256_cmpgt_epi32(kZero,u[1]);
1808 sign[2] = _mm256_cmpgt_epi32(kZero,u[2]);
1809 sign[3] = _mm256_cmpgt_epi32(kZero,u[3]);
1810 sign[4] = _mm256_cmpgt_epi32(kZero,u[4]);
1811 sign[5] = _mm256_cmpgt_epi32(kZero,u[5]);
1812 sign[6] = _mm256_cmpgt_epi32(kZero,u[6]);
1813 sign[7] = _mm256_cmpgt_epi32(kZero,u[7]);
1814
1815 u[0] = _mm256_sub_epi32(u[0], sign[0]);
1816 u[1] = _mm256_sub_epi32(u[1], sign[1]);
1817 u[2] = _mm256_sub_epi32(u[2], sign[2]);
1818 u[3] = _mm256_sub_epi32(u[3], sign[3]);
1819 u[4] = _mm256_sub_epi32(u[4], sign[4]);
1820 u[5] = _mm256_sub_epi32(u[5], sign[5]);
1821 u[6] = _mm256_sub_epi32(u[6], sign[6]);
1822 u[7] = _mm256_sub_epi32(u[7], sign[7]);
1823
1824 u[0] = _mm256_add_epi32(u[0], K32One);
1825 u[1] = _mm256_add_epi32(u[1], K32One);
1826 u[2] = _mm256_add_epi32(u[2], K32One);
1827 u[3] = _mm256_add_epi32(u[3], K32One);
1828 u[4] = _mm256_add_epi32(u[4], K32One);
1829 u[5] = _mm256_add_epi32(u[5], K32One);
1830 u[6] = _mm256_add_epi32(u[6], K32One);
1831 u[7] = _mm256_add_epi32(u[7], K32One);
1832
1833 u[0] = _mm256_srai_epi32(u[0], 2);
1834 u[1] = _mm256_srai_epi32(u[1], 2);
1835 u[2] = _mm256_srai_epi32(u[2], 2);
1836 u[3] = _mm256_srai_epi32(u[3], 2);
1837 u[4] = _mm256_srai_epi32(u[4], 2);
1838 u[5] = _mm256_srai_epi32(u[5], 2);
1839 u[6] = _mm256_srai_epi32(u[6], 2);
1840 u[7] = _mm256_srai_epi32(u[7], 2);
1841
1842 out[ 4] = _mm256_packs_epi32(u[0], u[1]);
1843 out[20] = _mm256_packs_epi32(u[2], u[3]);
1844 out[12] = _mm256_packs_epi32(u[4], u[5]);
1845 out[28] = _mm256_packs_epi32(u[6], u[7]);
1846 }
1847 {
1848 lstep3[16] = _mm256_add_epi32(lstep2[18], lstep1[16]);
1849 lstep3[17] = _mm256_add_epi32(lstep2[19], lstep1[17]);
1850 lstep3[18] = _mm256_sub_epi32(lstep1[16], lstep2[18]);
1851 lstep3[19] = _mm256_sub_epi32(lstep1[17], lstep2[19]);
1852 lstep3[20] = _mm256_sub_epi32(lstep1[22], lstep2[20]);
1853 lstep3[21] = _mm256_sub_epi32(lstep1[23], lstep2[21]);
1854 lstep3[22] = _mm256_add_epi32(lstep2[20], lstep1[22]);
1855 lstep3[23] = _mm256_add_epi32(lstep2[21], lstep1[23]);
1856 lstep3[24] = _mm256_add_epi32(lstep2[26], lstep1[24]);
1857 lstep3[25] = _mm256_add_epi32(lstep2[27], lstep1[25]);
1858 lstep3[26] = _mm256_sub_epi32(lstep1[24], lstep2[26]);
1859 lstep3[27] = _mm256_sub_epi32(lstep1[25], lstep2[27]);
1860 lstep3[28] = _mm256_sub_epi32(lstep1[30], lstep2[28]);
1861 lstep3[29] = _mm256_sub_epi32(lstep1[31], lstep2[29]);
1862 lstep3[30] = _mm256_add_epi32(lstep2[28], lstep1[30]);
1863 lstep3[31] = _mm256_add_epi32(lstep2[29], lstep1[31]);
1864 }
1865 {
1866 const __m256i k32_m04_p28 = pair256_set_epi32(-cospi_4_64, cospi_28_64);
1867 const __m256i k32_m28_m04 = pair256_set_epi32(-cospi_28_64, -cospi_4_64);
1868 const __m256i k32_m20_p12 = pair256_set_epi32(-cospi_20_64, cospi_12_64);
1869 const __m256i k32_m12_m20 = pair256_set_epi32(-cospi_12_64,
1870 -cospi_20_64);
1871 const __m256i k32_p12_p20 = pair256_set_epi32(cospi_12_64, cospi_20_64);
1872 const __m256i k32_p28_p04 = pair256_set_epi32(cospi_28_64, cospi_4_64);
1873
1874 u[ 0] = _mm256_unpacklo_epi32(lstep2[34], lstep2[60]);
1875 u[ 1] = _mm256_unpackhi_epi32(lstep2[34], lstep2[60]);
1876 u[ 2] = _mm256_unpacklo_epi32(lstep2[35], lstep2[61]);
1877 u[ 3] = _mm256_unpackhi_epi32(lstep2[35], lstep2[61]);
1878 u[ 4] = _mm256_unpacklo_epi32(lstep2[36], lstep2[58]);
1879 u[ 5] = _mm256_unpackhi_epi32(lstep2[36], lstep2[58]);
1880 u[ 6] = _mm256_unpacklo_epi32(lstep2[37], lstep2[59]);
1881 u[ 7] = _mm256_unpackhi_epi32(lstep2[37], lstep2[59]);
1882 u[ 8] = _mm256_unpacklo_epi32(lstep2[42], lstep2[52]);
1883 u[ 9] = _mm256_unpackhi_epi32(lstep2[42], lstep2[52]);
1884 u[10] = _mm256_unpacklo_epi32(lstep2[43], lstep2[53]);
1885 u[11] = _mm256_unpackhi_epi32(lstep2[43], lstep2[53]);
1886 u[12] = _mm256_unpacklo_epi32(lstep2[44], lstep2[50]);
1887 u[13] = _mm256_unpackhi_epi32(lstep2[44], lstep2[50]);
1888 u[14] = _mm256_unpacklo_epi32(lstep2[45], lstep2[51]);
1889 u[15] = _mm256_unpackhi_epi32(lstep2[45], lstep2[51]);
1890
1891 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_m04_p28);
1892 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_m04_p28);
1893 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_m04_p28);
1894 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_m04_p28);
1895 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_m28_m04);
1896 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_m28_m04);
1897 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_m28_m04);
1898 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_m28_m04);
1899 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_m20_p12);
1900 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_m20_p12);
1901 v[10] = k_madd_epi32_avx2(u[10], k32_m20_p12);
1902 v[11] = k_madd_epi32_avx2(u[11], k32_m20_p12);
1903 v[12] = k_madd_epi32_avx2(u[12], k32_m12_m20);
1904 v[13] = k_madd_epi32_avx2(u[13], k32_m12_m20);
1905 v[14] = k_madd_epi32_avx2(u[14], k32_m12_m20);
1906 v[15] = k_madd_epi32_avx2(u[15], k32_m12_m20);
1907 v[16] = k_madd_epi32_avx2(u[12], k32_m20_p12);
1908 v[17] = k_madd_epi32_avx2(u[13], k32_m20_p12);
1909 v[18] = k_madd_epi32_avx2(u[14], k32_m20_p12);
1910 v[19] = k_madd_epi32_avx2(u[15], k32_m20_p12);
1911 v[20] = k_madd_epi32_avx2(u[ 8], k32_p12_p20);
1912 v[21] = k_madd_epi32_avx2(u[ 9], k32_p12_p20);
1913 v[22] = k_madd_epi32_avx2(u[10], k32_p12_p20);
1914 v[23] = k_madd_epi32_avx2(u[11], k32_p12_p20);
1915 v[24] = k_madd_epi32_avx2(u[ 4], k32_m04_p28);
1916 v[25] = k_madd_epi32_avx2(u[ 5], k32_m04_p28);
1917 v[26] = k_madd_epi32_avx2(u[ 6], k32_m04_p28);
1918 v[27] = k_madd_epi32_avx2(u[ 7], k32_m04_p28);
1919 v[28] = k_madd_epi32_avx2(u[ 0], k32_p28_p04);
1920 v[29] = k_madd_epi32_avx2(u[ 1], k32_p28_p04);
1921 v[30] = k_madd_epi32_avx2(u[ 2], k32_p28_p04);
1922 v[31] = k_madd_epi32_avx2(u[ 3], k32_p28_p04);
1923
1924 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]);
1925 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]);
1926 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]);
1927 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]);
1928 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]);
1929 u[ 5] = k_packs_epi64_avx2(v[10], v[11]);
1930 u[ 6] = k_packs_epi64_avx2(v[12], v[13]);
1931 u[ 7] = k_packs_epi64_avx2(v[14], v[15]);
1932 u[ 8] = k_packs_epi64_avx2(v[16], v[17]);
1933 u[ 9] = k_packs_epi64_avx2(v[18], v[19]);
1934 u[10] = k_packs_epi64_avx2(v[20], v[21]);
1935 u[11] = k_packs_epi64_avx2(v[22], v[23]);
1936 u[12] = k_packs_epi64_avx2(v[24], v[25]);
1937 u[13] = k_packs_epi64_avx2(v[26], v[27]);
1938 u[14] = k_packs_epi64_avx2(v[28], v[29]);
1939 u[15] = k_packs_epi64_avx2(v[30], v[31]);
1940
1941 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING);
1942 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING);
1943 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING);
1944 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING);
1945 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING);
1946 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING);
1947 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING);
1948 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING);
1949 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING);
1950 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING);
1951 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
1952 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
1953 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
1954 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
1955 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
1956 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
1957
1958 lstep3[34] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS);
1959 lstep3[35] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS);
1960 lstep3[36] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS);
1961 lstep3[37] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS);
1962 lstep3[42] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS);
1963 lstep3[43] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS);
1964 lstep3[44] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS);
1965 lstep3[45] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS);
1966 lstep3[50] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS);
1967 lstep3[51] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS);
1968 lstep3[52] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
1969 lstep3[53] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
1970 lstep3[58] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
1971 lstep3[59] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
1972 lstep3[60] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
1973 lstep3[61] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
1974 }
1975 // stage 7
1976 {
1977 const __m256i k32_p30_p02 = pair256_set_epi32(cospi_30_64, cospi_2_64);
1978 const __m256i k32_p14_p18 = pair256_set_epi32(cospi_14_64, cospi_18_64);
1979 const __m256i k32_p22_p10 = pair256_set_epi32(cospi_22_64, cospi_10_64);
1980 const __m256i k32_p06_p26 = pair256_set_epi32(cospi_6_64, cospi_26_64);
1981 const __m256i k32_m26_p06 = pair256_set_epi32(-cospi_26_64, cospi_6_64);
1982 const __m256i k32_m10_p22 = pair256_set_epi32(-cospi_10_64, cospi_22_64);
1983 const __m256i k32_m18_p14 = pair256_set_epi32(-cospi_18_64, cospi_14_64);
1984 const __m256i k32_m02_p30 = pair256_set_epi32(-cospi_2_64, cospi_30_64);
1985
1986 u[ 0] = _mm256_unpacklo_epi32(lstep3[16], lstep3[30]);
1987 u[ 1] = _mm256_unpackhi_epi32(lstep3[16], lstep3[30]);
1988 u[ 2] = _mm256_unpacklo_epi32(lstep3[17], lstep3[31]);
1989 u[ 3] = _mm256_unpackhi_epi32(lstep3[17], lstep3[31]);
1990 u[ 4] = _mm256_unpacklo_epi32(lstep3[18], lstep3[28]);
1991 u[ 5] = _mm256_unpackhi_epi32(lstep3[18], lstep3[28]);
1992 u[ 6] = _mm256_unpacklo_epi32(lstep3[19], lstep3[29]);
1993 u[ 7] = _mm256_unpackhi_epi32(lstep3[19], lstep3[29]);
1994 u[ 8] = _mm256_unpacklo_epi32(lstep3[20], lstep3[26]);
1995 u[ 9] = _mm256_unpackhi_epi32(lstep3[20], lstep3[26]);
1996 u[10] = _mm256_unpacklo_epi32(lstep3[21], lstep3[27]);
1997 u[11] = _mm256_unpackhi_epi32(lstep3[21], lstep3[27]);
1998 u[12] = _mm256_unpacklo_epi32(lstep3[22], lstep3[24]);
1999 u[13] = _mm256_unpackhi_epi32(lstep3[22], lstep3[24]);
2000 u[14] = _mm256_unpacklo_epi32(lstep3[23], lstep3[25]);
2001 u[15] = _mm256_unpackhi_epi32(lstep3[23], lstep3[25]);
2002
2003 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_p30_p02);
2004 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_p30_p02);
2005 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_p30_p02);
2006 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_p30_p02);
2007 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_p14_p18);
2008 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_p14_p18);
2009 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_p14_p18);
2010 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_p14_p18);
2011 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_p22_p10);
2012 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_p22_p10);
2013 v[10] = k_madd_epi32_avx2(u[10], k32_p22_p10);
2014 v[11] = k_madd_epi32_avx2(u[11], k32_p22_p10);
2015 v[12] = k_madd_epi32_avx2(u[12], k32_p06_p26);
2016 v[13] = k_madd_epi32_avx2(u[13], k32_p06_p26);
2017 v[14] = k_madd_epi32_avx2(u[14], k32_p06_p26);
2018 v[15] = k_madd_epi32_avx2(u[15], k32_p06_p26);
2019 v[16] = k_madd_epi32_avx2(u[12], k32_m26_p06);
2020 v[17] = k_madd_epi32_avx2(u[13], k32_m26_p06);
2021 v[18] = k_madd_epi32_avx2(u[14], k32_m26_p06);
2022 v[19] = k_madd_epi32_avx2(u[15], k32_m26_p06);
2023 v[20] = k_madd_epi32_avx2(u[ 8], k32_m10_p22);
2024 v[21] = k_madd_epi32_avx2(u[ 9], k32_m10_p22);
2025 v[22] = k_madd_epi32_avx2(u[10], k32_m10_p22);
2026 v[23] = k_madd_epi32_avx2(u[11], k32_m10_p22);
2027 v[24] = k_madd_epi32_avx2(u[ 4], k32_m18_p14);
2028 v[25] = k_madd_epi32_avx2(u[ 5], k32_m18_p14);
2029 v[26] = k_madd_epi32_avx2(u[ 6], k32_m18_p14);
2030 v[27] = k_madd_epi32_avx2(u[ 7], k32_m18_p14);
2031 v[28] = k_madd_epi32_avx2(u[ 0], k32_m02_p30);
2032 v[29] = k_madd_epi32_avx2(u[ 1], k32_m02_p30);
2033 v[30] = k_madd_epi32_avx2(u[ 2], k32_m02_p30);
2034 v[31] = k_madd_epi32_avx2(u[ 3], k32_m02_p30);
2035
2036 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]);
2037 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]);
2038 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]);
2039 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]);
2040 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]);
2041 u[ 5] = k_packs_epi64_avx2(v[10], v[11]);
2042 u[ 6] = k_packs_epi64_avx2(v[12], v[13]);
2043 u[ 7] = k_packs_epi64_avx2(v[14], v[15]);
2044 u[ 8] = k_packs_epi64_avx2(v[16], v[17]);
2045 u[ 9] = k_packs_epi64_avx2(v[18], v[19]);
2046 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2047 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2048 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2049 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2050 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2051 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2052
2053 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING);
2054 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING);
2055 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING);
2056 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING);
2057 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING);
2058 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING);
2059 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING);
2060 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING);
2061 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING);
2062 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING);
2063 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2064 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2065 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2066 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2067 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2068 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2069
2070 u[ 0] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS);
2071 u[ 1] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS);
2072 u[ 2] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS);
2073 u[ 3] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS);
2074 u[ 4] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS);
2075 u[ 5] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS);
2076 u[ 6] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS);
2077 u[ 7] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS);
2078 u[ 8] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS);
2079 u[ 9] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS);
2080 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2081 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2082 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2083 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2084 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2085 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2086
2087 v[ 0] = _mm256_cmpgt_epi32(kZero,u[ 0]);
2088 v[ 1] = _mm256_cmpgt_epi32(kZero,u[ 1]);
2089 v[ 2] = _mm256_cmpgt_epi32(kZero,u[ 2]);
2090 v[ 3] = _mm256_cmpgt_epi32(kZero,u[ 3]);
2091 v[ 4] = _mm256_cmpgt_epi32(kZero,u[ 4]);
2092 v[ 5] = _mm256_cmpgt_epi32(kZero,u[ 5]);
2093 v[ 6] = _mm256_cmpgt_epi32(kZero,u[ 6]);
2094 v[ 7] = _mm256_cmpgt_epi32(kZero,u[ 7]);
2095 v[ 8] = _mm256_cmpgt_epi32(kZero,u[ 8]);
2096 v[ 9] = _mm256_cmpgt_epi32(kZero,u[ 9]);
2097 v[10] = _mm256_cmpgt_epi32(kZero,u[10]);
2098 v[11] = _mm256_cmpgt_epi32(kZero,u[11]);
2099 v[12] = _mm256_cmpgt_epi32(kZero,u[12]);
2100 v[13] = _mm256_cmpgt_epi32(kZero,u[13]);
2101 v[14] = _mm256_cmpgt_epi32(kZero,u[14]);
2102 v[15] = _mm256_cmpgt_epi32(kZero,u[15]);
2103
2104 u[ 0] = _mm256_sub_epi32(u[ 0], v[ 0]);
2105 u[ 1] = _mm256_sub_epi32(u[ 1], v[ 1]);
2106 u[ 2] = _mm256_sub_epi32(u[ 2], v[ 2]);
2107 u[ 3] = _mm256_sub_epi32(u[ 3], v[ 3]);
2108 u[ 4] = _mm256_sub_epi32(u[ 4], v[ 4]);
2109 u[ 5] = _mm256_sub_epi32(u[ 5], v[ 5]);
2110 u[ 6] = _mm256_sub_epi32(u[ 6], v[ 6]);
2111 u[ 7] = _mm256_sub_epi32(u[ 7], v[ 7]);
2112 u[ 8] = _mm256_sub_epi32(u[ 8], v[ 8]);
2113 u[ 9] = _mm256_sub_epi32(u[ 9], v[ 9]);
2114 u[10] = _mm256_sub_epi32(u[10], v[10]);
2115 u[11] = _mm256_sub_epi32(u[11], v[11]);
2116 u[12] = _mm256_sub_epi32(u[12], v[12]);
2117 u[13] = _mm256_sub_epi32(u[13], v[13]);
2118 u[14] = _mm256_sub_epi32(u[14], v[14]);
2119 u[15] = _mm256_sub_epi32(u[15], v[15]);
2120
2121 v[ 0] = _mm256_add_epi32(u[ 0], K32One);
2122 v[ 1] = _mm256_add_epi32(u[ 1], K32One);
2123 v[ 2] = _mm256_add_epi32(u[ 2], K32One);
2124 v[ 3] = _mm256_add_epi32(u[ 3], K32One);
2125 v[ 4] = _mm256_add_epi32(u[ 4], K32One);
2126 v[ 5] = _mm256_add_epi32(u[ 5], K32One);
2127 v[ 6] = _mm256_add_epi32(u[ 6], K32One);
2128 v[ 7] = _mm256_add_epi32(u[ 7], K32One);
2129 v[ 8] = _mm256_add_epi32(u[ 8], K32One);
2130 v[ 9] = _mm256_add_epi32(u[ 9], K32One);
2131 v[10] = _mm256_add_epi32(u[10], K32One);
2132 v[11] = _mm256_add_epi32(u[11], K32One);
2133 v[12] = _mm256_add_epi32(u[12], K32One);
2134 v[13] = _mm256_add_epi32(u[13], K32One);
2135 v[14] = _mm256_add_epi32(u[14], K32One);
2136 v[15] = _mm256_add_epi32(u[15], K32One);
2137
2138 u[ 0] = _mm256_srai_epi32(v[ 0], 2);
2139 u[ 1] = _mm256_srai_epi32(v[ 1], 2);
2140 u[ 2] = _mm256_srai_epi32(v[ 2], 2);
2141 u[ 3] = _mm256_srai_epi32(v[ 3], 2);
2142 u[ 4] = _mm256_srai_epi32(v[ 4], 2);
2143 u[ 5] = _mm256_srai_epi32(v[ 5], 2);
2144 u[ 6] = _mm256_srai_epi32(v[ 6], 2);
2145 u[ 7] = _mm256_srai_epi32(v[ 7], 2);
2146 u[ 8] = _mm256_srai_epi32(v[ 8], 2);
2147 u[ 9] = _mm256_srai_epi32(v[ 9], 2);
2148 u[10] = _mm256_srai_epi32(v[10], 2);
2149 u[11] = _mm256_srai_epi32(v[11], 2);
2150 u[12] = _mm256_srai_epi32(v[12], 2);
2151 u[13] = _mm256_srai_epi32(v[13], 2);
2152 u[14] = _mm256_srai_epi32(v[14], 2);
2153 u[15] = _mm256_srai_epi32(v[15], 2);
2154
2155 out[ 2] = _mm256_packs_epi32(u[0], u[1]);
2156 out[18] = _mm256_packs_epi32(u[2], u[3]);
2157 out[10] = _mm256_packs_epi32(u[4], u[5]);
2158 out[26] = _mm256_packs_epi32(u[6], u[7]);
2159 out[ 6] = _mm256_packs_epi32(u[8], u[9]);
2160 out[22] = _mm256_packs_epi32(u[10], u[11]);
2161 out[14] = _mm256_packs_epi32(u[12], u[13]);
2162 out[30] = _mm256_packs_epi32(u[14], u[15]);
2163 }
2164 {
2165 lstep1[32] = _mm256_add_epi32(lstep3[34], lstep2[32]);
2166 lstep1[33] = _mm256_add_epi32(lstep3[35], lstep2[33]);
2167 lstep1[34] = _mm256_sub_epi32(lstep2[32], lstep3[34]);
2168 lstep1[35] = _mm256_sub_epi32(lstep2[33], lstep3[35]);
2169 lstep1[36] = _mm256_sub_epi32(lstep2[38], lstep3[36]);
2170 lstep1[37] = _mm256_sub_epi32(lstep2[39], lstep3[37]);
2171 lstep1[38] = _mm256_add_epi32(lstep3[36], lstep2[38]);
2172 lstep1[39] = _mm256_add_epi32(lstep3[37], lstep2[39]);
2173 lstep1[40] = _mm256_add_epi32(lstep3[42], lstep2[40]);
2174 lstep1[41] = _mm256_add_epi32(lstep3[43], lstep2[41]);
2175 lstep1[42] = _mm256_sub_epi32(lstep2[40], lstep3[42]);
2176 lstep1[43] = _mm256_sub_epi32(lstep2[41], lstep3[43]);
2177 lstep1[44] = _mm256_sub_epi32(lstep2[46], lstep3[44]);
2178 lstep1[45] = _mm256_sub_epi32(lstep2[47], lstep3[45]);
2179 lstep1[46] = _mm256_add_epi32(lstep3[44], lstep2[46]);
2180 lstep1[47] = _mm256_add_epi32(lstep3[45], lstep2[47]);
2181 lstep1[48] = _mm256_add_epi32(lstep3[50], lstep2[48]);
2182 lstep1[49] = _mm256_add_epi32(lstep3[51], lstep2[49]);
2183 lstep1[50] = _mm256_sub_epi32(lstep2[48], lstep3[50]);
2184 lstep1[51] = _mm256_sub_epi32(lstep2[49], lstep3[51]);
2185 lstep1[52] = _mm256_sub_epi32(lstep2[54], lstep3[52]);
2186 lstep1[53] = _mm256_sub_epi32(lstep2[55], lstep3[53]);
2187 lstep1[54] = _mm256_add_epi32(lstep3[52], lstep2[54]);
2188 lstep1[55] = _mm256_add_epi32(lstep3[53], lstep2[55]);
2189 lstep1[56] = _mm256_add_epi32(lstep3[58], lstep2[56]);
2190 lstep1[57] = _mm256_add_epi32(lstep3[59], lstep2[57]);
2191 lstep1[58] = _mm256_sub_epi32(lstep2[56], lstep3[58]);
2192 lstep1[59] = _mm256_sub_epi32(lstep2[57], lstep3[59]);
2193 lstep1[60] = _mm256_sub_epi32(lstep2[62], lstep3[60]);
2194 lstep1[61] = _mm256_sub_epi32(lstep2[63], lstep3[61]);
2195 lstep1[62] = _mm256_add_epi32(lstep3[60], lstep2[62]);
2196 lstep1[63] = _mm256_add_epi32(lstep3[61], lstep2[63]);
2197 }
2198 // stage 8
2199 {
2200 const __m256i k32_p31_p01 = pair256_set_epi32(cospi_31_64, cospi_1_64);
2201 const __m256i k32_p15_p17 = pair256_set_epi32(cospi_15_64, cospi_17_64);
2202 const __m256i k32_p23_p09 = pair256_set_epi32(cospi_23_64, cospi_9_64);
2203 const __m256i k32_p07_p25 = pair256_set_epi32(cospi_7_64, cospi_25_64);
2204 const __m256i k32_m25_p07 = pair256_set_epi32(-cospi_25_64, cospi_7_64);
2205 const __m256i k32_m09_p23 = pair256_set_epi32(-cospi_9_64, cospi_23_64);
2206 const __m256i k32_m17_p15 = pair256_set_epi32(-cospi_17_64, cospi_15_64);
2207 const __m256i k32_m01_p31 = pair256_set_epi32(-cospi_1_64, cospi_31_64);
2208
2209 u[ 0] = _mm256_unpacklo_epi32(lstep1[32], lstep1[62]);
2210 u[ 1] = _mm256_unpackhi_epi32(lstep1[32], lstep1[62]);
2211 u[ 2] = _mm256_unpacklo_epi32(lstep1[33], lstep1[63]);
2212 u[ 3] = _mm256_unpackhi_epi32(lstep1[33], lstep1[63]);
2213 u[ 4] = _mm256_unpacklo_epi32(lstep1[34], lstep1[60]);
2214 u[ 5] = _mm256_unpackhi_epi32(lstep1[34], lstep1[60]);
2215 u[ 6] = _mm256_unpacklo_epi32(lstep1[35], lstep1[61]);
2216 u[ 7] = _mm256_unpackhi_epi32(lstep1[35], lstep1[61]);
2217 u[ 8] = _mm256_unpacklo_epi32(lstep1[36], lstep1[58]);
2218 u[ 9] = _mm256_unpackhi_epi32(lstep1[36], lstep1[58]);
2219 u[10] = _mm256_unpacklo_epi32(lstep1[37], lstep1[59]);
2220 u[11] = _mm256_unpackhi_epi32(lstep1[37], lstep1[59]);
2221 u[12] = _mm256_unpacklo_epi32(lstep1[38], lstep1[56]);
2222 u[13] = _mm256_unpackhi_epi32(lstep1[38], lstep1[56]);
2223 u[14] = _mm256_unpacklo_epi32(lstep1[39], lstep1[57]);
2224 u[15] = _mm256_unpackhi_epi32(lstep1[39], lstep1[57]);
2225
2226 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_p31_p01);
2227 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_p31_p01);
2228 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_p31_p01);
2229 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_p31_p01);
2230 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_p15_p17);
2231 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_p15_p17);
2232 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_p15_p17);
2233 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_p15_p17);
2234 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_p23_p09);
2235 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_p23_p09);
2236 v[10] = k_madd_epi32_avx2(u[10], k32_p23_p09);
2237 v[11] = k_madd_epi32_avx2(u[11], k32_p23_p09);
2238 v[12] = k_madd_epi32_avx2(u[12], k32_p07_p25);
2239 v[13] = k_madd_epi32_avx2(u[13], k32_p07_p25);
2240 v[14] = k_madd_epi32_avx2(u[14], k32_p07_p25);
2241 v[15] = k_madd_epi32_avx2(u[15], k32_p07_p25);
2242 v[16] = k_madd_epi32_avx2(u[12], k32_m25_p07);
2243 v[17] = k_madd_epi32_avx2(u[13], k32_m25_p07);
2244 v[18] = k_madd_epi32_avx2(u[14], k32_m25_p07);
2245 v[19] = k_madd_epi32_avx2(u[15], k32_m25_p07);
2246 v[20] = k_madd_epi32_avx2(u[ 8], k32_m09_p23);
2247 v[21] = k_madd_epi32_avx2(u[ 9], k32_m09_p23);
2248 v[22] = k_madd_epi32_avx2(u[10], k32_m09_p23);
2249 v[23] = k_madd_epi32_avx2(u[11], k32_m09_p23);
2250 v[24] = k_madd_epi32_avx2(u[ 4], k32_m17_p15);
2251 v[25] = k_madd_epi32_avx2(u[ 5], k32_m17_p15);
2252 v[26] = k_madd_epi32_avx2(u[ 6], k32_m17_p15);
2253 v[27] = k_madd_epi32_avx2(u[ 7], k32_m17_p15);
2254 v[28] = k_madd_epi32_avx2(u[ 0], k32_m01_p31);
2255 v[29] = k_madd_epi32_avx2(u[ 1], k32_m01_p31);
2256 v[30] = k_madd_epi32_avx2(u[ 2], k32_m01_p31);
2257 v[31] = k_madd_epi32_avx2(u[ 3], k32_m01_p31);
2258
2259 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]);
2260 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]);
2261 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]);
2262 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]);
2263 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]);
2264 u[ 5] = k_packs_epi64_avx2(v[10], v[11]);
2265 u[ 6] = k_packs_epi64_avx2(v[12], v[13]);
2266 u[ 7] = k_packs_epi64_avx2(v[14], v[15]);
2267 u[ 8] = k_packs_epi64_avx2(v[16], v[17]);
2268 u[ 9] = k_packs_epi64_avx2(v[18], v[19]);
2269 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2270 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2271 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2272 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2273 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2274 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2275
2276 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING);
2277 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING);
2278 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING);
2279 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING);
2280 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING);
2281 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING);
2282 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING);
2283 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING);
2284 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING);
2285 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING);
2286 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2287 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2288 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2289 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2290 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2291 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2292
2293 u[ 0] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS);
2294 u[ 1] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS);
2295 u[ 2] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS);
2296 u[ 3] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS);
2297 u[ 4] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS);
2298 u[ 5] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS);
2299 u[ 6] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS);
2300 u[ 7] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS);
2301 u[ 8] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS);
2302 u[ 9] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS);
2303 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2304 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2305 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2306 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2307 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2308 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2309
2310 v[ 0] = _mm256_cmpgt_epi32(kZero,u[ 0]);
2311 v[ 1] = _mm256_cmpgt_epi32(kZero,u[ 1]);
2312 v[ 2] = _mm256_cmpgt_epi32(kZero,u[ 2]);
2313 v[ 3] = _mm256_cmpgt_epi32(kZero,u[ 3]);
2314 v[ 4] = _mm256_cmpgt_epi32(kZero,u[ 4]);
2315 v[ 5] = _mm256_cmpgt_epi32(kZero,u[ 5]);
2316 v[ 6] = _mm256_cmpgt_epi32(kZero,u[ 6]);
2317 v[ 7] = _mm256_cmpgt_epi32(kZero,u[ 7]);
2318 v[ 8] = _mm256_cmpgt_epi32(kZero,u[ 8]);
2319 v[ 9] = _mm256_cmpgt_epi32(kZero,u[ 9]);
2320 v[10] = _mm256_cmpgt_epi32(kZero,u[10]);
2321 v[11] = _mm256_cmpgt_epi32(kZero,u[11]);
2322 v[12] = _mm256_cmpgt_epi32(kZero,u[12]);
2323 v[13] = _mm256_cmpgt_epi32(kZero,u[13]);
2324 v[14] = _mm256_cmpgt_epi32(kZero,u[14]);
2325 v[15] = _mm256_cmpgt_epi32(kZero,u[15]);
2326
2327 u[ 0] = _mm256_sub_epi32(u[ 0], v[ 0]);
2328 u[ 1] = _mm256_sub_epi32(u[ 1], v[ 1]);
2329 u[ 2] = _mm256_sub_epi32(u[ 2], v[ 2]);
2330 u[ 3] = _mm256_sub_epi32(u[ 3], v[ 3]);
2331 u[ 4] = _mm256_sub_epi32(u[ 4], v[ 4]);
2332 u[ 5] = _mm256_sub_epi32(u[ 5], v[ 5]);
2333 u[ 6] = _mm256_sub_epi32(u[ 6], v[ 6]);
2334 u[ 7] = _mm256_sub_epi32(u[ 7], v[ 7]);
2335 u[ 8] = _mm256_sub_epi32(u[ 8], v[ 8]);
2336 u[ 9] = _mm256_sub_epi32(u[ 9], v[ 9]);
2337 u[10] = _mm256_sub_epi32(u[10], v[10]);
2338 u[11] = _mm256_sub_epi32(u[11], v[11]);
2339 u[12] = _mm256_sub_epi32(u[12], v[12]);
2340 u[13] = _mm256_sub_epi32(u[13], v[13]);
2341 u[14] = _mm256_sub_epi32(u[14], v[14]);
2342 u[15] = _mm256_sub_epi32(u[15], v[15]);
2343
2344 v[0] = _mm256_add_epi32(u[0], K32One);
2345 v[1] = _mm256_add_epi32(u[1], K32One);
2346 v[2] = _mm256_add_epi32(u[2], K32One);
2347 v[3] = _mm256_add_epi32(u[3], K32One);
2348 v[4] = _mm256_add_epi32(u[4], K32One);
2349 v[5] = _mm256_add_epi32(u[5], K32One);
2350 v[6] = _mm256_add_epi32(u[6], K32One);
2351 v[7] = _mm256_add_epi32(u[7], K32One);
2352 v[8] = _mm256_add_epi32(u[8], K32One);
2353 v[9] = _mm256_add_epi32(u[9], K32One);
2354 v[10] = _mm256_add_epi32(u[10], K32One);
2355 v[11] = _mm256_add_epi32(u[11], K32One);
2356 v[12] = _mm256_add_epi32(u[12], K32One);
2357 v[13] = _mm256_add_epi32(u[13], K32One);
2358 v[14] = _mm256_add_epi32(u[14], K32One);
2359 v[15] = _mm256_add_epi32(u[15], K32One);
2360
2361 u[0] = _mm256_srai_epi32(v[0], 2);
2362 u[1] = _mm256_srai_epi32(v[1], 2);
2363 u[2] = _mm256_srai_epi32(v[2], 2);
2364 u[3] = _mm256_srai_epi32(v[3], 2);
2365 u[4] = _mm256_srai_epi32(v[4], 2);
2366 u[5] = _mm256_srai_epi32(v[5], 2);
2367 u[6] = _mm256_srai_epi32(v[6], 2);
2368 u[7] = _mm256_srai_epi32(v[7], 2);
2369 u[8] = _mm256_srai_epi32(v[8], 2);
2370 u[9] = _mm256_srai_epi32(v[9], 2);
2371 u[10] = _mm256_srai_epi32(v[10], 2);
2372 u[11] = _mm256_srai_epi32(v[11], 2);
2373 u[12] = _mm256_srai_epi32(v[12], 2);
2374 u[13] = _mm256_srai_epi32(v[13], 2);
2375 u[14] = _mm256_srai_epi32(v[14], 2);
2376 u[15] = _mm256_srai_epi32(v[15], 2);
2377
2378 out[ 1] = _mm256_packs_epi32(u[0], u[1]);
2379 out[17] = _mm256_packs_epi32(u[2], u[3]);
2380 out[ 9] = _mm256_packs_epi32(u[4], u[5]);
2381 out[25] = _mm256_packs_epi32(u[6], u[7]);
2382 out[ 7] = _mm256_packs_epi32(u[8], u[9]);
2383 out[23] = _mm256_packs_epi32(u[10], u[11]);
2384 out[15] = _mm256_packs_epi32(u[12], u[13]);
2385 out[31] = _mm256_packs_epi32(u[14], u[15]);
2386 }
2387 {
2388 const __m256i k32_p27_p05 = pair256_set_epi32(cospi_27_64, cospi_5_64);
2389 const __m256i k32_p11_p21 = pair256_set_epi32(cospi_11_64, cospi_21_64);
2390 const __m256i k32_p19_p13 = pair256_set_epi32(cospi_19_64, cospi_13_64);
2391 const __m256i k32_p03_p29 = pair256_set_epi32(cospi_3_64, cospi_29_64);
2392 const __m256i k32_m29_p03 = pair256_set_epi32(-cospi_29_64, cospi_3_64);
2393 const __m256i k32_m13_p19 = pair256_set_epi32(-cospi_13_64, cospi_19_64);
2394 const __m256i k32_m21_p11 = pair256_set_epi32(-cospi_21_64, cospi_11_64);
2395 const __m256i k32_m05_p27 = pair256_set_epi32(-cospi_5_64, cospi_27_64);
2396
2397 u[ 0] = _mm256_unpacklo_epi32(lstep1[40], lstep1[54]);
2398 u[ 1] = _mm256_unpackhi_epi32(lstep1[40], lstep1[54]);
2399 u[ 2] = _mm256_unpacklo_epi32(lstep1[41], lstep1[55]);
2400 u[ 3] = _mm256_unpackhi_epi32(lstep1[41], lstep1[55]);
2401 u[ 4] = _mm256_unpacklo_epi32(lstep1[42], lstep1[52]);
2402 u[ 5] = _mm256_unpackhi_epi32(lstep1[42], lstep1[52]);
2403 u[ 6] = _mm256_unpacklo_epi32(lstep1[43], lstep1[53]);
2404 u[ 7] = _mm256_unpackhi_epi32(lstep1[43], lstep1[53]);
2405 u[ 8] = _mm256_unpacklo_epi32(lstep1[44], lstep1[50]);
2406 u[ 9] = _mm256_unpackhi_epi32(lstep1[44], lstep1[50]);
2407 u[10] = _mm256_unpacklo_epi32(lstep1[45], lstep1[51]);
2408 u[11] = _mm256_unpackhi_epi32(lstep1[45], lstep1[51]);
2409 u[12] = _mm256_unpacklo_epi32(lstep1[46], lstep1[48]);
2410 u[13] = _mm256_unpackhi_epi32(lstep1[46], lstep1[48]);
2411 u[14] = _mm256_unpacklo_epi32(lstep1[47], lstep1[49]);
2412 u[15] = _mm256_unpackhi_epi32(lstep1[47], lstep1[49]);
2413
2414 v[ 0] = k_madd_epi32_avx2(u[ 0], k32_p27_p05);
2415 v[ 1] = k_madd_epi32_avx2(u[ 1], k32_p27_p05);
2416 v[ 2] = k_madd_epi32_avx2(u[ 2], k32_p27_p05);
2417 v[ 3] = k_madd_epi32_avx2(u[ 3], k32_p27_p05);
2418 v[ 4] = k_madd_epi32_avx2(u[ 4], k32_p11_p21);
2419 v[ 5] = k_madd_epi32_avx2(u[ 5], k32_p11_p21);
2420 v[ 6] = k_madd_epi32_avx2(u[ 6], k32_p11_p21);
2421 v[ 7] = k_madd_epi32_avx2(u[ 7], k32_p11_p21);
2422 v[ 8] = k_madd_epi32_avx2(u[ 8], k32_p19_p13);
2423 v[ 9] = k_madd_epi32_avx2(u[ 9], k32_p19_p13);
2424 v[10] = k_madd_epi32_avx2(u[10], k32_p19_p13);
2425 v[11] = k_madd_epi32_avx2(u[11], k32_p19_p13);
2426 v[12] = k_madd_epi32_avx2(u[12], k32_p03_p29);
2427 v[13] = k_madd_epi32_avx2(u[13], k32_p03_p29);
2428 v[14] = k_madd_epi32_avx2(u[14], k32_p03_p29);
2429 v[15] = k_madd_epi32_avx2(u[15], k32_p03_p29);
2430 v[16] = k_madd_epi32_avx2(u[12], k32_m29_p03);
2431 v[17] = k_madd_epi32_avx2(u[13], k32_m29_p03);
2432 v[18] = k_madd_epi32_avx2(u[14], k32_m29_p03);
2433 v[19] = k_madd_epi32_avx2(u[15], k32_m29_p03);
2434 v[20] = k_madd_epi32_avx2(u[ 8], k32_m13_p19);
2435 v[21] = k_madd_epi32_avx2(u[ 9], k32_m13_p19);
2436 v[22] = k_madd_epi32_avx2(u[10], k32_m13_p19);
2437 v[23] = k_madd_epi32_avx2(u[11], k32_m13_p19);
2438 v[24] = k_madd_epi32_avx2(u[ 4], k32_m21_p11);
2439 v[25] = k_madd_epi32_avx2(u[ 5], k32_m21_p11);
2440 v[26] = k_madd_epi32_avx2(u[ 6], k32_m21_p11);
2441 v[27] = k_madd_epi32_avx2(u[ 7], k32_m21_p11);
2442 v[28] = k_madd_epi32_avx2(u[ 0], k32_m05_p27);
2443 v[29] = k_madd_epi32_avx2(u[ 1], k32_m05_p27);
2444 v[30] = k_madd_epi32_avx2(u[ 2], k32_m05_p27);
2445 v[31] = k_madd_epi32_avx2(u[ 3], k32_m05_p27);
2446
2447 u[ 0] = k_packs_epi64_avx2(v[ 0], v[ 1]);
2448 u[ 1] = k_packs_epi64_avx2(v[ 2], v[ 3]);
2449 u[ 2] = k_packs_epi64_avx2(v[ 4], v[ 5]);
2450 u[ 3] = k_packs_epi64_avx2(v[ 6], v[ 7]);
2451 u[ 4] = k_packs_epi64_avx2(v[ 8], v[ 9]);
2452 u[ 5] = k_packs_epi64_avx2(v[10], v[11]);
2453 u[ 6] = k_packs_epi64_avx2(v[12], v[13]);
2454 u[ 7] = k_packs_epi64_avx2(v[14], v[15]);
2455 u[ 8] = k_packs_epi64_avx2(v[16], v[17]);
2456 u[ 9] = k_packs_epi64_avx2(v[18], v[19]);
2457 u[10] = k_packs_epi64_avx2(v[20], v[21]);
2458 u[11] = k_packs_epi64_avx2(v[22], v[23]);
2459 u[12] = k_packs_epi64_avx2(v[24], v[25]);
2460 u[13] = k_packs_epi64_avx2(v[26], v[27]);
2461 u[14] = k_packs_epi64_avx2(v[28], v[29]);
2462 u[15] = k_packs_epi64_avx2(v[30], v[31]);
2463
2464 v[ 0] = _mm256_add_epi32(u[ 0], k__DCT_CONST_ROUNDING);
2465 v[ 1] = _mm256_add_epi32(u[ 1], k__DCT_CONST_ROUNDING);
2466 v[ 2] = _mm256_add_epi32(u[ 2], k__DCT_CONST_ROUNDING);
2467 v[ 3] = _mm256_add_epi32(u[ 3], k__DCT_CONST_ROUNDING);
2468 v[ 4] = _mm256_add_epi32(u[ 4], k__DCT_CONST_ROUNDING);
2469 v[ 5] = _mm256_add_epi32(u[ 5], k__DCT_CONST_ROUNDING);
2470 v[ 6] = _mm256_add_epi32(u[ 6], k__DCT_CONST_ROUNDING);
2471 v[ 7] = _mm256_add_epi32(u[ 7], k__DCT_CONST_ROUNDING);
2472 v[ 8] = _mm256_add_epi32(u[ 8], k__DCT_CONST_ROUNDING);
2473 v[ 9] = _mm256_add_epi32(u[ 9], k__DCT_CONST_ROUNDING);
2474 v[10] = _mm256_add_epi32(u[10], k__DCT_CONST_ROUNDING);
2475 v[11] = _mm256_add_epi32(u[11], k__DCT_CONST_ROUNDING);
2476 v[12] = _mm256_add_epi32(u[12], k__DCT_CONST_ROUNDING);
2477 v[13] = _mm256_add_epi32(u[13], k__DCT_CONST_ROUNDING);
2478 v[14] = _mm256_add_epi32(u[14], k__DCT_CONST_ROUNDING);
2479 v[15] = _mm256_add_epi32(u[15], k__DCT_CONST_ROUNDING);
2480
2481 u[ 0] = _mm256_srai_epi32(v[ 0], DCT_CONST_BITS);
2482 u[ 1] = _mm256_srai_epi32(v[ 1], DCT_CONST_BITS);
2483 u[ 2] = _mm256_srai_epi32(v[ 2], DCT_CONST_BITS);
2484 u[ 3] = _mm256_srai_epi32(v[ 3], DCT_CONST_BITS);
2485 u[ 4] = _mm256_srai_epi32(v[ 4], DCT_CONST_BITS);
2486 u[ 5] = _mm256_srai_epi32(v[ 5], DCT_CONST_BITS);
2487 u[ 6] = _mm256_srai_epi32(v[ 6], DCT_CONST_BITS);
2488 u[ 7] = _mm256_srai_epi32(v[ 7], DCT_CONST_BITS);
2489 u[ 8] = _mm256_srai_epi32(v[ 8], DCT_CONST_BITS);
2490 u[ 9] = _mm256_srai_epi32(v[ 9], DCT_CONST_BITS);
2491 u[10] = _mm256_srai_epi32(v[10], DCT_CONST_BITS);
2492 u[11] = _mm256_srai_epi32(v[11], DCT_CONST_BITS);
2493 u[12] = _mm256_srai_epi32(v[12], DCT_CONST_BITS);
2494 u[13] = _mm256_srai_epi32(v[13], DCT_CONST_BITS);
2495 u[14] = _mm256_srai_epi32(v[14], DCT_CONST_BITS);
2496 u[15] = _mm256_srai_epi32(v[15], DCT_CONST_BITS);
2497
2498 v[ 0] = _mm256_cmpgt_epi32(kZero,u[ 0]);
2499 v[ 1] = _mm256_cmpgt_epi32(kZero,u[ 1]);
2500 v[ 2] = _mm256_cmpgt_epi32(kZero,u[ 2]);
2501 v[ 3] = _mm256_cmpgt_epi32(kZero,u[ 3]);
2502 v[ 4] = _mm256_cmpgt_epi32(kZero,u[ 4]);
2503 v[ 5] = _mm256_cmpgt_epi32(kZero,u[ 5]);
2504 v[ 6] = _mm256_cmpgt_epi32(kZero,u[ 6]);
2505 v[ 7] = _mm256_cmpgt_epi32(kZero,u[ 7]);
2506 v[ 8] = _mm256_cmpgt_epi32(kZero,u[ 8]);
2507 v[ 9] = _mm256_cmpgt_epi32(kZero,u[ 9]);
2508 v[10] = _mm256_cmpgt_epi32(kZero,u[10]);
2509 v[11] = _mm256_cmpgt_epi32(kZero,u[11]);
2510 v[12] = _mm256_cmpgt_epi32(kZero,u[12]);
2511 v[13] = _mm256_cmpgt_epi32(kZero,u[13]);
2512 v[14] = _mm256_cmpgt_epi32(kZero,u[14]);
2513 v[15] = _mm256_cmpgt_epi32(kZero,u[15]);
2514
2515 u[ 0] = _mm256_sub_epi32(u[ 0], v[ 0]);
2516 u[ 1] = _mm256_sub_epi32(u[ 1], v[ 1]);
2517 u[ 2] = _mm256_sub_epi32(u[ 2], v[ 2]);
2518 u[ 3] = _mm256_sub_epi32(u[ 3], v[ 3]);
2519 u[ 4] = _mm256_sub_epi32(u[ 4], v[ 4]);
2520 u[ 5] = _mm256_sub_epi32(u[ 5], v[ 5]);
2521 u[ 6] = _mm256_sub_epi32(u[ 6], v[ 6]);
2522 u[ 7] = _mm256_sub_epi32(u[ 7], v[ 7]);
2523 u[ 8] = _mm256_sub_epi32(u[ 8], v[ 8]);
2524 u[ 9] = _mm256_sub_epi32(u[ 9], v[ 9]);
2525 u[10] = _mm256_sub_epi32(u[10], v[10]);
2526 u[11] = _mm256_sub_epi32(u[11], v[11]);
2527 u[12] = _mm256_sub_epi32(u[12], v[12]);
2528 u[13] = _mm256_sub_epi32(u[13], v[13]);
2529 u[14] = _mm256_sub_epi32(u[14], v[14]);
2530 u[15] = _mm256_sub_epi32(u[15], v[15]);
2531
2532 v[0] = _mm256_add_epi32(u[0], K32One);
2533 v[1] = _mm256_add_epi32(u[1], K32One);
2534 v[2] = _mm256_add_epi32(u[2], K32One);
2535 v[3] = _mm256_add_epi32(u[3], K32One);
2536 v[4] = _mm256_add_epi32(u[4], K32One);
2537 v[5] = _mm256_add_epi32(u[5], K32One);
2538 v[6] = _mm256_add_epi32(u[6], K32One);
2539 v[7] = _mm256_add_epi32(u[7], K32One);
2540 v[8] = _mm256_add_epi32(u[8], K32One);
2541 v[9] = _mm256_add_epi32(u[9], K32One);
2542 v[10] = _mm256_add_epi32(u[10], K32One);
2543 v[11] = _mm256_add_epi32(u[11], K32One);
2544 v[12] = _mm256_add_epi32(u[12], K32One);
2545 v[13] = _mm256_add_epi32(u[13], K32One);
2546 v[14] = _mm256_add_epi32(u[14], K32One);
2547 v[15] = _mm256_add_epi32(u[15], K32One);
2548
2549 u[0] = _mm256_srai_epi32(v[0], 2);
2550 u[1] = _mm256_srai_epi32(v[1], 2);
2551 u[2] = _mm256_srai_epi32(v[2], 2);
2552 u[3] = _mm256_srai_epi32(v[3], 2);
2553 u[4] = _mm256_srai_epi32(v[4], 2);
2554 u[5] = _mm256_srai_epi32(v[5], 2);
2555 u[6] = _mm256_srai_epi32(v[6], 2);
2556 u[7] = _mm256_srai_epi32(v[7], 2);
2557 u[8] = _mm256_srai_epi32(v[8], 2);
2558 u[9] = _mm256_srai_epi32(v[9], 2);
2559 u[10] = _mm256_srai_epi32(v[10], 2);
2560 u[11] = _mm256_srai_epi32(v[11], 2);
2561 u[12] = _mm256_srai_epi32(v[12], 2);
2562 u[13] = _mm256_srai_epi32(v[13], 2);
2563 u[14] = _mm256_srai_epi32(v[14], 2);
2564 u[15] = _mm256_srai_epi32(v[15], 2);
2565
2566 out[ 5] = _mm256_packs_epi32(u[0], u[1]);
2567 out[21] = _mm256_packs_epi32(u[2], u[3]);
2568 out[13] = _mm256_packs_epi32(u[4], u[5]);
2569 out[29] = _mm256_packs_epi32(u[6], u[7]);
2570 out[ 3] = _mm256_packs_epi32(u[8], u[9]);
2571 out[19] = _mm256_packs_epi32(u[10], u[11]);
2572 out[11] = _mm256_packs_epi32(u[12], u[13]);
2573 out[27] = _mm256_packs_epi32(u[14], u[15]);
2574 }
2575 }
2576 #endif
2577 // Transpose the results, do it as four 8x8 transposes.
2578 {
2579 int transpose_block;
2580 int16_t *output_currStep,*output_nextStep;
2581 if (0 == pass){
2582 output_currStep = &intermediate[column_start * 32];
2583 output_nextStep = &intermediate[(column_start + 8) * 32];
2584 } else{
2585 output_currStep = &output_org[column_start * 32];
2586 output_nextStep = &output_org[(column_start + 8) * 32];
2587 }
2588 for (transpose_block = 0; transpose_block < 4; ++transpose_block) {
2589 __m256i *this_out = &out[8 * transpose_block];
2590 // 00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
2591 // 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
2592 // 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
2593 // 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
2594 // 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95
2595 // 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
2596 // 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135
2597 // 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155
2598 const __m256i tr0_0 = _mm256_unpacklo_epi16(this_out[0], this_out[1]);
2599 const __m256i tr0_1 = _mm256_unpacklo_epi16(this_out[2], this_out[3]);
2600 const __m256i tr0_2 = _mm256_unpackhi_epi16(this_out[0], this_out[1]);
2601 const __m256i tr0_3 = _mm256_unpackhi_epi16(this_out[2], this_out[3]);
2602 const __m256i tr0_4 = _mm256_unpacklo_epi16(this_out[4], this_out[5]);
2603 const __m256i tr0_5 = _mm256_unpacklo_epi16(this_out[6], this_out[7]);
2604 const __m256i tr0_6 = _mm256_unpackhi_epi16(this_out[4], this_out[5]);
2605 const __m256i tr0_7 = _mm256_unpackhi_epi16(this_out[6], this_out[7]);
2606 // 00 20 01 21 02 22 03 23 08 28 09 29 10 30 11 31
2607 // 40 60 41 61 42 62 43 63 48 68 49 69 50 70 51 71
2608 // 04 24 05 25 06 26 07 27 12 32 13 33 14 34 15 35
2609 // 44 64 45 65 46 66 47 67 52 72 53 73 54 74 55 75
2610 // 80 100 81 101 82 102 83 103 88 108 89 109 90 110 91 101
2611 // 120 140 121 141 122 142 123 143 128 148 129 149 130 150 131 151
2612 // 84 104 85 105 86 106 87 107 92 112 93 113 94 114 95 115
2613 // 124 144 125 145 126 146 127 147 132 152 133 153 134 154 135 155
2614
2615 const __m256i tr1_0 = _mm256_unpacklo_epi32(tr0_0, tr0_1);
2616 const __m256i tr1_1 = _mm256_unpacklo_epi32(tr0_2, tr0_3);
2617 const __m256i tr1_2 = _mm256_unpackhi_epi32(tr0_0, tr0_1);
2618 const __m256i tr1_3 = _mm256_unpackhi_epi32(tr0_2, tr0_3);
2619 const __m256i tr1_4 = _mm256_unpacklo_epi32(tr0_4, tr0_5);
2620 const __m256i tr1_5 = _mm256_unpacklo_epi32(tr0_6, tr0_7);
2621 const __m256i tr1_6 = _mm256_unpackhi_epi32(tr0_4, tr0_5);
2622 const __m256i tr1_7 = _mm256_unpackhi_epi32(tr0_6, tr0_7);
2623 // 00 20 40 60 01 21 41 61 08 28 48 68 09 29 49 69
2624 // 04 24 44 64 05 25 45 65 12 32 52 72 13 33 53 73
2625 // 02 22 42 62 03 23 43 63 10 30 50 70 11 31 51 71
2626 // 06 26 46 66 07 27 47 67 14 34 54 74 15 35 55 75
2627 // 80 100 120 140 81 101 121 141 88 108 128 148 89 109 129 149
2628 // 84 104 124 144 85 105 125 145 92 112 132 152 93 113 133 153
2629 // 82 102 122 142 83 103 123 143 90 110 130 150 91 101 131 151
2630 // 86 106 126 146 87 107 127 147 94 114 134 154 95 115 135 155
2631 __m256i tr2_0 = _mm256_unpacklo_epi64(tr1_0, tr1_4);
2632 __m256i tr2_1 = _mm256_unpackhi_epi64(tr1_0, tr1_4);
2633 __m256i tr2_2 = _mm256_unpacklo_epi64(tr1_2, tr1_6);
2634 __m256i tr2_3 = _mm256_unpackhi_epi64(tr1_2, tr1_6);
2635 __m256i tr2_4 = _mm256_unpacklo_epi64(tr1_1, tr1_5);
2636 __m256i tr2_5 = _mm256_unpackhi_epi64(tr1_1, tr1_5);
2637 __m256i tr2_6 = _mm256_unpacklo_epi64(tr1_3, tr1_7);
2638 __m256i tr2_7 = _mm256_unpackhi_epi64(tr1_3, tr1_7);
2639 // 00 20 40 60 80 100 120 140 08 28 48 68 88 108 128 148
2640 // 01 21 41 61 81 101 121 141 09 29 49 69 89 109 129 149
2641 // 02 22 42 62 82 102 122 142 10 30 50 70 90 110 130 150
2642 // 03 23 43 63 83 103 123 143 11 31 51 71 91 101 131 151
2643 // 04 24 44 64 84 104 124 144 12 32 52 72 92 112 132 152
2644 // 05 25 45 65 85 105 125 145 13 33 53 73 93 113 133 153
2645 // 06 26 46 66 86 106 126 146 14 34 54 74 94 114 134 154
2646 // 07 27 47 67 87 107 127 147 15 35 55 75 95 115 135 155
2647 if (0 == pass) {
2648 // output[j] = (output[j] + 1 + (output[j] > 0)) >> 2;
2649 // TODO(cd): see quality impact of only doing
2650 // output[j] = (output[j] + 1) >> 2;
2651 // which would remove the code between here ...
2652 __m256i tr2_0_0 = _mm256_cmpgt_epi16(tr2_0, kZero);
2653 __m256i tr2_1_0 = _mm256_cmpgt_epi16(tr2_1, kZero);
2654 __m256i tr2_2_0 = _mm256_cmpgt_epi16(tr2_2, kZero);
2655 __m256i tr2_3_0 = _mm256_cmpgt_epi16(tr2_3, kZero);
2656 __m256i tr2_4_0 = _mm256_cmpgt_epi16(tr2_4, kZero);
2657 __m256i tr2_5_0 = _mm256_cmpgt_epi16(tr2_5, kZero);
2658 __m256i tr2_6_0 = _mm256_cmpgt_epi16(tr2_6, kZero);
2659 __m256i tr2_7_0 = _mm256_cmpgt_epi16(tr2_7, kZero);
2660 tr2_0 = _mm256_sub_epi16(tr2_0, tr2_0_0);
2661 tr2_1 = _mm256_sub_epi16(tr2_1, tr2_1_0);
2662 tr2_2 = _mm256_sub_epi16(tr2_2, tr2_2_0);
2663 tr2_3 = _mm256_sub_epi16(tr2_3, tr2_3_0);
2664 tr2_4 = _mm256_sub_epi16(tr2_4, tr2_4_0);
2665 tr2_5 = _mm256_sub_epi16(tr2_5, tr2_5_0);
2666 tr2_6 = _mm256_sub_epi16(tr2_6, tr2_6_0);
2667 tr2_7 = _mm256_sub_epi16(tr2_7, tr2_7_0);
2668 // ... and here.
2669 // PS: also change code in vp9/encoder/vp9_dct.c
2670 tr2_0 = _mm256_add_epi16(tr2_0, kOne);
2671 tr2_1 = _mm256_add_epi16(tr2_1, kOne);
2672 tr2_2 = _mm256_add_epi16(tr2_2, kOne);
2673 tr2_3 = _mm256_add_epi16(tr2_3, kOne);
2674 tr2_4 = _mm256_add_epi16(tr2_4, kOne);
2675 tr2_5 = _mm256_add_epi16(tr2_5, kOne);
2676 tr2_6 = _mm256_add_epi16(tr2_6, kOne);
2677 tr2_7 = _mm256_add_epi16(tr2_7, kOne);
2678 tr2_0 = _mm256_srai_epi16(tr2_0, 2);
2679 tr2_1 = _mm256_srai_epi16(tr2_1, 2);
2680 tr2_2 = _mm256_srai_epi16(tr2_2, 2);
2681 tr2_3 = _mm256_srai_epi16(tr2_3, 2);
2682 tr2_4 = _mm256_srai_epi16(tr2_4, 2);
2683 tr2_5 = _mm256_srai_epi16(tr2_5, 2);
2684 tr2_6 = _mm256_srai_epi16(tr2_6, 2);
2685 tr2_7 = _mm256_srai_epi16(tr2_7, 2);
2686 }
2687 // Note: even though all these stores are aligned, using the aligned
2688 // intrinsic make the code slightly slower.
2689 _mm_storeu_si128((__m128i *)(output_currStep + 0 * 32), _mm256_castsi256_si128(tr2_0));
2690 _mm_storeu_si128((__m128i *)(output_currStep + 1 * 32), _mm256_castsi256_si128(tr2_1));
2691 _mm_storeu_si128((__m128i *)(output_currStep + 2 * 32), _mm256_castsi256_si128(tr2_2));
2692 _mm_storeu_si128((__m128i *)(output_currStep + 3 * 32), _mm256_castsi256_si128(tr2_3));
2693 _mm_storeu_si128((__m128i *)(output_currStep + 4 * 32), _mm256_castsi256_si128(tr2_4));
2694 _mm_storeu_si128((__m128i *)(output_currStep + 5 * 32), _mm256_castsi256_si128(tr2_5));
2695 _mm_storeu_si128((__m128i *)(output_currStep + 6 * 32), _mm256_castsi256_si128(tr2_6));
2696 _mm_storeu_si128((__m128i *)(output_currStep + 7 * 32), _mm256_castsi256_si128(tr2_7));
2697
2698 _mm_storeu_si128((__m128i *)(output_nextStep + 0 * 32), _mm256_extractf128_si256(tr2_0,1));
2699 _mm_storeu_si128((__m128i *)(output_nextStep + 1 * 32), _mm256_extractf128_si256(tr2_1,1));
2700 _mm_storeu_si128((__m128i *)(output_nextStep + 2 * 32), _mm256_extractf128_si256(tr2_2,1));
2701 _mm_storeu_si128((__m128i *)(output_nextStep + 3 * 32), _mm256_extractf128_si256(tr2_3,1));
2702 _mm_storeu_si128((__m128i *)(output_nextStep + 4 * 32), _mm256_extractf128_si256(tr2_4,1));
2703 _mm_storeu_si128((__m128i *)(output_nextStep + 5 * 32), _mm256_extractf128_si256(tr2_5,1));
2704 _mm_storeu_si128((__m128i *)(output_nextStep + 6 * 32), _mm256_extractf128_si256(tr2_6,1));
2705 _mm_storeu_si128((__m128i *)(output_nextStep + 7 * 32), _mm256_extractf128_si256(tr2_7,1));
2706 // Process next 8x8
2707 output_currStep += 8;
2708 output_nextStep += 8;
2709 }
2710 }
2711 }
2712 }
2713 } // NOLINT
2714