Google Git
Sign in
aomedia / avm / refs/heads/lossless-tcq-fix3 / . / av1 / encoder / x86 / highbd_fwd_txfm_avx2.c
blob: d4e9b7f1d38a4dfbd559415a7a0464983999b406 [file] [log] [blame] [edit]
/*
* Copyright (c) 2021, Alliance for Open Media. All rights reserved
*
* This source code is subject to the terms of the BSD 3-Clause Clear License
* and the Alliance for Open Media Patent License 1.0. If the BSD 3-Clause Clear
* License was not distributed with this source code in the LICENSE file, you
* can obtain it at aomedia.org/license/software-license/bsd-3-c-c/. If the
* Alliance for Open Media Patent License 1.0 was not distributed with this
* source code in the PATENTS file, you can obtain it at
* aomedia.org/license/patent-license/.
*/
#include <assert.h>
#include <immintrin.h> /*AVX2*/
#include "config/aom_config.h"
#include "config/av1_rtcd.h"
#include "av1/common/av1_txfm.h"
#include "av1/encoder/av1_fwd_txfm1d_cfg.h"
#include "aom_dsp/txfm_common.h"
#include "aom_ports/mem.h"
#include "aom_dsp/x86/txfm_common_sse2.h"
#include "aom_dsp/x86/txfm_common_avx2.h"
#if CONFIG_CORE_TX
#include "av1/common/txb_common.h"
#endif // CONFIG_CORE_TX
static INLINE void load_buffer_8x8_avx2(const int16_t *input, __m256i *out,
int stride, int flipud, int fliplr,
int shift) {
__m128i out1[8];
if (!flipud) {
out1[0] = _mm_loadu_si128((const __m128i *)(input + 0 * stride));
out1[1] = _mm_loadu_si128((const __m128i *)(input + 1 * stride));
out1[2] = _mm_loadu_si128((const __m128i *)(input + 2 * stride));
out1[3] = _mm_loadu_si128((const __m128i *)(input + 3 * stride));
out1[4] = _mm_loadu_si128((const __m128i *)(input + 4 * stride));
out1[5] = _mm_loadu_si128((const __m128i *)(input + 5 * stride));
out1[6] = _mm_loadu_si128((const __m128i *)(input + 6 * stride));
out1[7] = _mm_loadu_si128((const __m128i *)(input + 7 * stride));
} else {
out1[7] = _mm_loadu_si128((const __m128i *)(input + 0 * stride));
out1[6] = _mm_loadu_si128((const __m128i *)(input + 1 * stride));
out1[5] = _mm_loadu_si128((const __m128i *)(input + 2 * stride));
out1[4] = _mm_loadu_si128((const __m128i *)(input + 3 * stride));
out1[3] = _mm_loadu_si128((const __m128i *)(input + 4 * stride));
out1[2] = _mm_loadu_si128((const __m128i *)(input + 5 * stride));
out1[1] = _mm_loadu_si128((const __m128i *)(input + 6 * stride));
out1[0] = _mm_loadu_si128((const __m128i *)(input + 7 * stride));
}
if (!fliplr) {
out[0] = _mm256_cvtepi16_epi32(out1[0]);
out[1] = _mm256_cvtepi16_epi32(out1[1]);
out[2] = _mm256_cvtepi16_epi32(out1[2]);
out[3] = _mm256_cvtepi16_epi32(out1[3]);
out[4] = _mm256_cvtepi16_epi32(out1[4]);
out[5] = _mm256_cvtepi16_epi32(out1[5]);
out[6] = _mm256_cvtepi16_epi32(out1[6]);
out[7] = _mm256_cvtepi16_epi32(out1[7]);
} else {
out[0] = _mm256_cvtepi16_epi32(mm_reverse_epi16(out1[0]));
out[1] = _mm256_cvtepi16_epi32(mm_reverse_epi16(out1[1]));
out[2] = _mm256_cvtepi16_epi32(mm_reverse_epi16(out1[2]));
out[3] = _mm256_cvtepi16_epi32(mm_reverse_epi16(out1[3]));
out[4] = _mm256_cvtepi16_epi32(mm_reverse_epi16(out1[4]));
out[5] = _mm256_cvtepi16_epi32(mm_reverse_epi16(out1[5]));
out[6] = _mm256_cvtepi16_epi32(mm_reverse_epi16(out1[6]));
out[7] = _mm256_cvtepi16_epi32(mm_reverse_epi16(out1[7]));
}
out[0] = _mm256_slli_epi32(out[0], shift);
out[1] = _mm256_slli_epi32(out[1], shift);
out[2] = _mm256_slli_epi32(out[2], shift);
out[3] = _mm256_slli_epi32(out[3], shift);
out[4] = _mm256_slli_epi32(out[4], shift);
out[5] = _mm256_slli_epi32(out[5], shift);
out[6] = _mm256_slli_epi32(out[6], shift);
out[7] = _mm256_slli_epi32(out[7], shift);
}
static INLINE void col_txfm_8x8_rounding(__m256i *in, int shift) {
const __m256i rounding = _mm256_set1_epi32(1 << (shift - 1));
in[0] = _mm256_add_epi32(in[0], rounding);
in[1] = _mm256_add_epi32(in[1], rounding);
in[2] = _mm256_add_epi32(in[2], rounding);
in[3] = _mm256_add_epi32(in[3], rounding);
in[4] = _mm256_add_epi32(in[4], rounding);
in[5] = _mm256_add_epi32(in[5], rounding);
in[6] = _mm256_add_epi32(in[6], rounding);
in[7] = _mm256_add_epi32(in[7], rounding);
in[0] = _mm256_srai_epi32(in[0], shift);
in[1] = _mm256_srai_epi32(in[1], shift);
in[2] = _mm256_srai_epi32(in[2], shift);
in[3] = _mm256_srai_epi32(in[3], shift);
in[4] = _mm256_srai_epi32(in[4], shift);
in[5] = _mm256_srai_epi32(in[5], shift);
in[6] = _mm256_srai_epi32(in[6], shift);
in[7] = _mm256_srai_epi32(in[7], shift);
}
static INLINE void load_buffer_8x16_avx2(const int16_t *input, __m256i *out,
int stride, int flipud, int fliplr,
int shift) {
const int16_t *topL = input;
const int16_t *botL = input + 8 * stride;
const int16_t *tmp;
if (flipud) {
tmp = topL;
topL = botL;
botL = tmp;
}
load_buffer_8x8_avx2(topL, out, stride, flipud, fliplr, shift);
load_buffer_8x8_avx2(botL, out + 8, stride, flipud, fliplr, shift);
}
static INLINE void load_buffer_16xn_avx2(const int16_t *input, __m256i *out,
int stride, int height, int outstride,
int flipud, int fliplr) {
__m256i out1[64];
if (!flipud) {
for (int i = 0; i < height; i++) {
out1[i] = _mm256_loadu_si256((const __m256i *)(input + i * stride));
}
} else {
for (int i = 0; i < height; i++) {
out1[(height - 1) - i] =
_mm256_loadu_si256((const __m256i *)(input + i * stride));
}
}
if (!fliplr) {
for (int i = 0; i < height; i++) {
out[i * outstride] =
_mm256_cvtepi16_epi32(_mm256_castsi256_si128(out1[i]));
out[i * outstride + 1] =
_mm256_cvtepi16_epi32(_mm256_extractf128_si256(out1[i], 1));
}
} else {
for (int i = 0; i < height; i++) {
out[i * outstride + 1] = _mm256_cvtepi16_epi32(
mm_reverse_epi16(_mm256_castsi256_si128(out1[i])));
out[i * outstride + 0] = _mm256_cvtepi16_epi32(
mm_reverse_epi16(_mm256_extractf128_si256(out1[i], 1)));
}
}
}
static void fwd_txfm_transpose_8x8_avx2(const __m256i *in, __m256i *out,
const int instride,
const int outstride) {
__m256i u0, u1, u2, u3, u4, u5, u6, u7;
__m256i x0, x1;
u0 = _mm256_unpacklo_epi32(in[0 * instride], in[1 * instride]);
u1 = _mm256_unpackhi_epi32(in[0 * instride], in[1 * instride]);
u2 = _mm256_unpacklo_epi32(in[2 * instride], in[3 * instride]);
u3 = _mm256_unpackhi_epi32(in[2 * instride], in[3 * instride]);
u4 = _mm256_unpacklo_epi32(in[4 * instride], in[5 * instride]);
u5 = _mm256_unpackhi_epi32(in[4 * instride], in[5 * instride]);
u6 = _mm256_unpacklo_epi32(in[6 * instride], in[7 * instride]);
u7 = _mm256_unpackhi_epi32(in[6 * instride], in[7 * instride]);
x0 = _mm256_unpacklo_epi64(u0, u2);
x1 = _mm256_unpacklo_epi64(u4, u6);
out[0 * outstride] = _mm256_permute2f128_si256(x0, x1, 0x20);
out[4 * outstride] = _mm256_permute2f128_si256(x0, x1, 0x31);
x0 = _mm256_unpackhi_epi64(u0, u2);
x1 = _mm256_unpackhi_epi64(u4, u6);
out[1 * outstride] = _mm256_permute2f128_si256(x0, x1, 0x20);
out[5 * outstride] = _mm256_permute2f128_si256(x0, x1, 0x31);
x0 = _mm256_unpacklo_epi64(u1, u3);
x1 = _mm256_unpacklo_epi64(u5, u7);
out[2 * outstride] = _mm256_permute2f128_si256(x0, x1, 0x20);
out[6 * outstride] = _mm256_permute2f128_si256(x0, x1, 0x31);
x0 = _mm256_unpackhi_epi64(u1, u3);
x1 = _mm256_unpackhi_epi64(u5, u7);
out[3 * outstride] = _mm256_permute2f128_si256(x0, x1, 0x20);
out[7 * outstride] = _mm256_permute2f128_si256(x0, x1, 0x31);
}
static INLINE void round_shift_32_8xn_avx2(__m256i *in, int size, int bit,
int stride) {
if (bit < 0) {
bit = -bit;
__m256i round = _mm256_set1_epi32(1 << (bit - 1));
for (int i = 0; i < size; ++i) {
in[stride * i] = _mm256_add_epi32(in[stride * i], round);
in[stride * i] = _mm256_srai_epi32(in[stride * i], bit);
}
} else if (bit > 0) {
for (int i = 0; i < size; ++i) {
in[stride * i] = _mm256_slli_epi32(in[stride * i], bit);
}
}
}
static INLINE void store_buffer_avx2(const __m256i *const in, int32_t *out,
const int stride, const int out_size) {
for (int i = 0; i < out_size; ++i) {
_mm256_store_si256((__m256i *)(out), in[i]);
out += stride;
}
}
static INLINE void fwd_txfm_transpose_16x16_avx2(const __m256i *in,
__m256i *out) {
fwd_txfm_transpose_8x8_avx2(&in[0], &out[0], 2, 2);
fwd_txfm_transpose_8x8_avx2(&in[1], &out[16], 2, 2);
fwd_txfm_transpose_8x8_avx2(&in[16], &out[1], 2, 2);
fwd_txfm_transpose_8x8_avx2(&in[17], &out[17], 2, 2);
}
#if !(CONFIG_ADST_TUNED && USE_TUNED_ADST16)
static INLINE __m256i av1_half_btf_avx2(const __m256i *w0, const __m256i *n0,
const __m256i *w1, const __m256i *n1,
const __m256i *rounding, int bit) {
__m256i x, y;
x = _mm256_mullo_epi32(*w0, *n0);
y = _mm256_mullo_epi32(*w1, *n1);
x = _mm256_add_epi32(x, y);
x = _mm256_add_epi32(x, *rounding);
x = _mm256_srai_epi32(x, bit);
return x;
}
#endif // !(CONFIG_ADST_TUNED && USE_TUNED_ADST16)
#define TRANSPOSE_4X4_AVX2(x0, x1, x2, x3, y0, y1, y2, y3) \
do { \
__m256i u0, u1, u2, u3; \
u0 = _mm256_unpacklo_epi32(x0, x1); \
u1 = _mm256_unpackhi_epi32(x0, x1); \
u2 = _mm256_unpacklo_epi32(x2, x3); \
u3 = _mm256_unpackhi_epi32(x2, x3); \
y0 = _mm256_unpacklo_epi64(u0, u2); \
y1 = _mm256_unpackhi_epi64(u0, u2); \
y2 = _mm256_unpacklo_epi64(u1, u3); \
y3 = _mm256_unpackhi_epi64(u1, u3); \
} while (0)
#define btf_32_avx2_type0_new(w0, w1, in0, in1, out0, out1, bit, round) \
do { \
const __m256i ww0 = _mm256_set1_epi32(w0); \
const __m256i ww1 = _mm256_set1_epi32(w1); \
const __m256i in0_w0 = _mm256_mullo_epi32(in0, ww0); \
const __m256i in1_w1 = _mm256_mullo_epi32(in1, ww1); \
out0 = _mm256_add_epi32(in0_w0, in1_w1); \
out0 = _mm256_srai_epi32(_mm256_add_epi32(out0, round), bit); \
const __m256i in0_w1 = _mm256_mullo_epi32(in0, ww1); \
const __m256i in1_w0 = _mm256_mullo_epi32(in1, ww0); \
out1 = _mm256_sub_epi32(in0_w1, in1_w0); \
out1 = _mm256_srai_epi32(_mm256_add_epi32(out1, round), bit); \
} while (0)
#define btf_32_type0_avx2_new(ww0, ww1, in0, in1, out0, out1, r, bit) \
do { \
const __m256i in0_w0 = _mm256_mullo_epi32(in0, ww0); \
const __m256i in1_w1 = _mm256_mullo_epi32(in1, ww1); \
out0 = _mm256_add_epi32(in0_w0, in1_w1); \
out0 = _mm256_add_epi32(out0, r); \
out0 = _mm256_srai_epi32(out0, bit); \
const __m256i in0_w1 = _mm256_mullo_epi32(in0, ww1); \
const __m256i in1_w0 = _mm256_mullo_epi32(in1, ww0); \
out1 = _mm256_sub_epi32(in0_w1, in1_w0); \
out1 = _mm256_add_epi32(out1, r); \
out1 = _mm256_srai_epi32(out1, bit); \
} while (0)
typedef void (*transform_1d_avx2)(__m256i *in, __m256i *out,
const int8_t cos_bit, int instride,
int outstride);
static void fdct8_avx2(__m256i *in, __m256i *out, const int8_t bit,
const int col_num, const int outstride) {
const int32_t *cospi = cospi_arr(bit);
const __m256i cospi32 = _mm256_set1_epi32(cospi[32]);
const __m256i cospim32 = _mm256_set1_epi32(-cospi[32]);
const __m256i cospi48 = _mm256_set1_epi32(cospi[48]);
const __m256i cospi16 = _mm256_set1_epi32(cospi[16]);
const __m256i cospi56 = _mm256_set1_epi32(cospi[56]);
const __m256i cospi8 = _mm256_set1_epi32(cospi[8]);
const __m256i cospi24 = _mm256_set1_epi32(cospi[24]);
const __m256i cospi40 = _mm256_set1_epi32(cospi[40]);
const __m256i rnding = _mm256_set1_epi32(1 << (bit - 1));
__m256i u[8], v[8];
for (int col = 0; col < col_num; ++col) {
u[0] = _mm256_add_epi32(in[0 * col_num + col], in[7 * col_num + col]);
v[7] = _mm256_sub_epi32(in[0 * col_num + col], in[7 * col_num + col]);
u[1] = _mm256_add_epi32(in[1 * col_num + col], in[6 * col_num + col]);
u[6] = _mm256_sub_epi32(in[1 * col_num + col], in[6 * col_num + col]);
u[2] = _mm256_add_epi32(in[2 * col_num + col], in[5 * col_num + col]);
u[5] = _mm256_sub_epi32(in[2 * col_num + col], in[5 * col_num + col]);
u[3] = _mm256_add_epi32(in[3 * col_num + col], in[4 * col_num + col]);
v[4] = _mm256_sub_epi32(in[3 * col_num + col], in[4 * col_num + col]);
v[0] = _mm256_add_epi32(u[0], u[3]);
v[3] = _mm256_sub_epi32(u[0], u[3]);
v[1] = _mm256_add_epi32(u[1], u[2]);
v[2] = _mm256_sub_epi32(u[1], u[2]);
v[5] = _mm256_mullo_epi32(u[5], cospim32);
v[6] = _mm256_mullo_epi32(u[6], cospi32);
v[5] = _mm256_add_epi32(v[5], v[6]);
v[5] = _mm256_add_epi32(v[5], rnding);
v[5] = _mm256_srai_epi32(v[5], bit);
u[0] = _mm256_mullo_epi32(u[5], cospi32);
v[6] = _mm256_mullo_epi32(u[6], cospim32);
v[6] = _mm256_sub_epi32(u[0], v[6]);
v[6] = _mm256_add_epi32(v[6], rnding);
v[6] = _mm256_srai_epi32(v[6], bit);
// stage 3
// type 0
v[0] = _mm256_mullo_epi32(v[0], cospi32);
v[1] = _mm256_mullo_epi32(v[1], cospi32);
u[0] = _mm256_add_epi32(v[0], v[1]);
u[0] = _mm256_add_epi32(u[0], rnding);
u[0] = _mm256_srai_epi32(u[0], bit);
u[1] = _mm256_sub_epi32(v[0], v[1]);
u[1] = _mm256_add_epi32(u[1], rnding);
u[1] = _mm256_srai_epi32(u[1], bit);
// type 1
v[0] = _mm256_mullo_epi32(v[2], cospi48);
v[1] = _mm256_mullo_epi32(v[3], cospi16);
u[2] = _mm256_add_epi32(v[0], v[1]);
u[2] = _mm256_add_epi32(u[2], rnding);
u[2] = _mm256_srai_epi32(u[2], bit);
v[0] = _mm256_mullo_epi32(v[2], cospi16);
v[1] = _mm256_mullo_epi32(v[3], cospi48);
u[3] = _mm256_sub_epi32(v[1], v[0]);
u[3] = _mm256_add_epi32(u[3], rnding);
u[3] = _mm256_srai_epi32(u[3], bit);
u[4] = _mm256_add_epi32(v[4], v[5]);
u[5] = _mm256_sub_epi32(v[4], v[5]);
u[6] = _mm256_sub_epi32(v[7], v[6]);
u[7] = _mm256_add_epi32(v[7], v[6]);
// stage 4
// stage 5
v[0] = _mm256_mullo_epi32(u[4], cospi56);
v[1] = _mm256_mullo_epi32(u[7], cospi8);
v[0] = _mm256_add_epi32(v[0], v[1]);
v[0] = _mm256_add_epi32(v[0], rnding);
out[1 * outstride + col] = _mm256_srai_epi32(v[0], bit); // buf0[4]
v[0] = _mm256_mullo_epi32(u[4], cospi8);
v[1] = _mm256_mullo_epi32(u[7], cospi56);
v[0] = _mm256_sub_epi32(v[1], v[0]);
v[0] = _mm256_add_epi32(v[0], rnding);
out[7 * outstride + col] = _mm256_srai_epi32(v[0], bit); // buf0[7]
v[0] = _mm256_mullo_epi32(u[5], cospi24);
v[1] = _mm256_mullo_epi32(u[6], cospi40);
v[0] = _mm256_add_epi32(v[0], v[1]);
v[0] = _mm256_add_epi32(v[0], rnding);
out[5 * outstride + col] = _mm256_srai_epi32(v[0], bit); // buf0[5]
v[0] = _mm256_mullo_epi32(u[5], cospi40);
v[1] = _mm256_mullo_epi32(u[6], cospi24);
v[0] = _mm256_sub_epi32(v[1], v[0]);
v[0] = _mm256_add_epi32(v[0], rnding);
out[3 * outstride + col] = _mm256_srai_epi32(v[0], bit); // buf0[6]
out[0 * outstride + col] = u[0]; // buf0[0]
out[4 * outstride + col] = u[1]; // buf0[1]
out[2 * outstride + col] = u[2]; // buf0[2]
out[6 * outstride + col] = u[3]; // buf0[3]
}
}
#if CONFIG_INTER_DDT
static void fddt8_avx2(__m256i *in, __m256i *out, const int8_t bit,
const int col_num, const int outstride) {
(void)bit;
const int32_t *kernel = ddt8_kernel[FWD_TXFM];
const int size = 8;
const __m256i zero = _mm256_setzero_si256();
const __m256i rnding = _mm256_set1_epi32(1 << (FWD_ADST_BIT - 1));
__m256i x[8];
int col;
for (col = 0; col < col_num; ++col) {
for (int i = 0; i < 8; ++i) {
int row_idx = i * size;
__m256i sum = zero;
__m256i t;
for (int j = 0; j < 8; ++j) {
const __m256i coef = _mm256_set1_epi32(kernel[row_idx + j]);
t = _mm256_mullo_epi32(in[j * col_num + col], coef);
sum = _mm256_add_epi32(sum, t);
}
sum = _mm256_add_epi32(sum, rnding);
x[i] = _mm256_srai_epi32(sum, FWD_ADST_BIT);
}
for (int i = 0; i < 8; ++i) out[i * outstride + col] = x[i];
}
}
#endif // CONFIG_INTER_DDT
#if CONFIG_ADST_TUNED && USE_TUNED_ADST8
static void fadst8_avx2(__m256i *in, __m256i *out, const int8_t bit,
const int col_num, const int outstride) {
(void)bit;
const int32_t *kernel = av2_adst_kernel8[FWD_TXFM];
const int size = tx_size_wide[TX_8X8];
const __m256i zero = _mm256_setzero_si256();
const __m256i rnding = _mm256_set1_epi32(1 << (FWD_ADST_BIT - 1));
__m256i x[8];
int col;
for (col = 0; col < col_num; ++col) {
for (int i = 0; i < 8; ++i) {
int row_idx = i * size;
__m256i sum = zero;
__m256i t;
for (int j = 0; j < 8; ++j) {
const __m256i coef = _mm256_set1_epi32(kernel[row_idx + j]);
t = _mm256_mullo_epi32(in[j * col_num + col], coef);
sum = _mm256_add_epi32(sum, t);
}
sum = _mm256_add_epi32(sum, rnding);
x[i] = _mm256_srai_epi32(sum, FWD_ADST_BIT);
}
for (int i = 0; i < 8; ++i) out[i * outstride + col] = x[i];
}
}
#else
static void fadst8_avx2(__m256i *in, __m256i *out, const int8_t bit,
const int col_num, const int outstirde) {
(void)col_num;
const int32_t *cospi = cospi_arr(bit);
const __m256i cospi32 = _mm256_set1_epi32(cospi[32]);
const __m256i cospi16 = _mm256_set1_epi32(cospi[16]);
const __m256i cospim16 = _mm256_set1_epi32(-cospi[16]);
const __m256i cospi48 = _mm256_set1_epi32(cospi[48]);
const __m256i cospim48 = _mm256_set1_epi32(-cospi[48]);
const __m256i cospi4 = _mm256_set1_epi32(cospi[4]);
const __m256i cospim4 = _mm256_set1_epi32(-cospi[4]);
const __m256i cospi60 = _mm256_set1_epi32(cospi[60]);
const __m256i cospi20 = _mm256_set1_epi32(cospi[20]);
const __m256i cospim20 = _mm256_set1_epi32(-cospi[20]);
const __m256i cospi44 = _mm256_set1_epi32(cospi[44]);
const __m256i cospi28 = _mm256_set1_epi32(cospi[28]);
const __m256i cospi36 = _mm256_set1_epi32(cospi[36]);
const __m256i cospim36 = _mm256_set1_epi32(-cospi[36]);
const __m256i cospi52 = _mm256_set1_epi32(cospi[52]);
const __m256i cospim52 = _mm256_set1_epi32(-cospi[52]);
const __m256i cospi12 = _mm256_set1_epi32(cospi[12]);
const __m256i rnding = _mm256_set1_epi32(1 << (bit - 1));
const __m256i zero = _mm256_setzero_si256();
__m256i u0, u1, u2, u3, u4, u5, u6, u7;
__m256i v0, v1, v2, v3, v4, v5, v6, v7;
__m256i x, y;
for (int col = 0; col < col_num; ++col) {
u0 = in[0 * col_num + col];
u1 = _mm256_sub_epi32(zero, in[7 * col_num + col]);
u2 = _mm256_sub_epi32(zero, in[3 * col_num + col]);
u3 = in[4 * col_num + col];
u4 = _mm256_sub_epi32(zero, in[1 * col_num + col]);
u5 = in[6 * col_num + col];
u6 = in[2 * col_num + col];
u7 = _mm256_sub_epi32(zero, in[5 * col_num + col]);
// stage 2
v0 = u0;
v1 = u1;
x = _mm256_mullo_epi32(u2, cospi32);
y = _mm256_mullo_epi32(u3, cospi32);
v2 = _mm256_add_epi32(x, y);
v2 = _mm256_add_epi32(v2, rnding);
v2 = _mm256_srai_epi32(v2, bit);
v3 = _mm256_sub_epi32(x, y);
v3 = _mm256_add_epi32(v3, rnding);
v3 = _mm256_srai_epi32(v3, bit);
v4 = u4;
v5 = u5;
x = _mm256_mullo_epi32(u6, cospi32);
y = _mm256_mullo_epi32(u7, cospi32);
v6 = _mm256_add_epi32(x, y);
v6 = _mm256_add_epi32(v6, rnding);
v6 = _mm256_srai_epi32(v6, bit);
v7 = _mm256_sub_epi32(x, y);
v7 = _mm256_add_epi32(v7, rnding);
v7 = _mm256_srai_epi32(v7, bit);
// stage 3
u0 = _mm256_add_epi32(v0, v2);
u1 = _mm256_add_epi32(v1, v3);
u2 = _mm256_sub_epi32(v0, v2);
u3 = _mm256_sub_epi32(v1, v3);
u4 = _mm256_add_epi32(v4, v6);
u5 = _mm256_add_epi32(v5, v7);
u6 = _mm256_sub_epi32(v4, v6);
u7 = _mm256_sub_epi32(v5, v7);
// stage 4
v0 = u0;
v1 = u1;
v2 = u2;
v3 = u3;
x = _mm256_mullo_epi32(u4, cospi16);
y = _mm256_mullo_epi32(u5, cospi48);
v4 = _mm256_add_epi32(x, y);
v4 = _mm256_add_epi32(v4, rnding);
v4 = _mm256_srai_epi32(v4, bit);
x = _mm256_mullo_epi32(u4, cospi48);
y = _mm256_mullo_epi32(u5, cospim16);
v5 = _mm256_add_epi32(x, y);
v5 = _mm256_add_epi32(v5, rnding);
v5 = _mm256_srai_epi32(v5, bit);
x = _mm256_mullo_epi32(u6, cospim48);
y = _mm256_mullo_epi32(u7, cospi16);
v6 = _mm256_add_epi32(x, y);
v6 = _mm256_add_epi32(v6, rnding);
v6 = _mm256_srai_epi32(v6, bit);
x = _mm256_mullo_epi32(u6, cospi16);
y = _mm256_mullo_epi32(u7, cospi48);
v7 = _mm256_add_epi32(x, y);
v7 = _mm256_add_epi32(v7, rnding);
v7 = _mm256_srai_epi32(v7, bit);
// stage 5
u0 = _mm256_add_epi32(v0, v4);
u1 = _mm256_add_epi32(v1, v5);
u2 = _mm256_add_epi32(v2, v6);
u3 = _mm256_add_epi32(v3, v7);
u4 = _mm256_sub_epi32(v0, v4);
u5 = _mm256_sub_epi32(v1, v5);
u6 = _mm256_sub_epi32(v2, v6);
u7 = _mm256_sub_epi32(v3, v7);
// stage 6
x = _mm256_mullo_epi32(u0, cospi4);
y = _mm256_mullo_epi32(u1, cospi60);
v0 = _mm256_add_epi32(x, y);
v0 = _mm256_add_epi32(v0, rnding);
v0 = _mm256_srai_epi32(v0, bit);
x = _mm256_mullo_epi32(u0, cospi60);
y = _mm256_mullo_epi32(u1, cospim4);
v1 = _mm256_add_epi32(x, y);
v1 = _mm256_add_epi32(v1, rnding);
v1 = _mm256_srai_epi32(v1, bit);
x = _mm256_mullo_epi32(u2, cospi20);
y = _mm256_mullo_epi32(u3, cospi44);
v2 = _mm256_add_epi32(x, y);
v2 = _mm256_add_epi32(v2, rnding);
v2 = _mm256_srai_epi32(v2, bit);
x = _mm256_mullo_epi32(u2, cospi44);
y = _mm256_mullo_epi32(u3, cospim20);
v3 = _mm256_add_epi32(x, y);
v3 = _mm256_add_epi32(v3, rnding);
v3 = _mm256_srai_epi32(v3, bit);
x = _mm256_mullo_epi32(u4, cospi36);
y = _mm256_mullo_epi32(u5, cospi28);
v4 = _mm256_add_epi32(x, y);
v4 = _mm256_add_epi32(v4, rnding);
v4 = _mm256_srai_epi32(v4, bit);
x = _mm256_mullo_epi32(u4, cospi28);
y = _mm256_mullo_epi32(u5, cospim36);
v5 = _mm256_add_epi32(x, y);
v5 = _mm256_add_epi32(v5, rnding);
v5 = _mm256_srai_epi32(v5, bit);
x = _mm256_mullo_epi32(u6, cospi52);
y = _mm256_mullo_epi32(u7, cospi12);
v6 = _mm256_add_epi32(x, y);
v6 = _mm256_add_epi32(v6, rnding);
v6 = _mm256_srai_epi32(v6, bit);
x = _mm256_mullo_epi32(u6, cospi12);
y = _mm256_mullo_epi32(u7, cospim52);
v7 = _mm256_add_epi32(x, y);
v7 = _mm256_add_epi32(v7, rnding);
v7 = _mm256_srai_epi32(v7, bit);
// stage 7
out[0 * outstirde + col] = v1;
out[1 * outstirde + col] = v6;
out[2 * outstirde + col] = v3;
out[3 * outstirde + col] = v4;
out[4 * outstirde + col] = v5;
out[5 * outstirde + col] = v2;
out[6 * outstirde + col] = v7;
out[7 * outstirde + col] = v0;
}
}
#endif // CONFIG_ADST_TUNED && USE_TUNED_ADST8
static void idtx8_avx2(__m256i *in, __m256i *out, const int8_t bit, int col_num,
int outstride) {
(void)bit;
(void)outstride;
int num_iters = 8 * col_num;
for (int i = 0; i < num_iters; i += 8) {
out[i] = _mm256_add_epi32(in[i], in[i]);
out[i + 1] = _mm256_add_epi32(in[i + 1], in[i + 1]);
out[i + 2] = _mm256_add_epi32(in[i + 2], in[i + 2]);
out[i + 3] = _mm256_add_epi32(in[i + 3], in[i + 3]);
out[i + 4] = _mm256_add_epi32(in[i + 4], in[i + 4]);
out[i + 5] = _mm256_add_epi32(in[i + 5], in[i + 5]);
out[i + 6] = _mm256_add_epi32(in[i + 6], in[i + 6]);
out[i + 7] = _mm256_add_epi32(in[i + 7], in[i + 7]);
}
}
void av1_fwd_txfm2d_8x8_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
__m256i in[8], out[8];
const TX_SIZE tx_size = TX_8X8;
const int8_t *shift = av1_fwd_txfm_shift_ls[tx_size];
const int txw_idx = get_txw_idx(tx_size);
const int txh_idx = get_txh_idx(tx_size);
const int width = tx_size_wide[tx_size];
const int width_div8 = (width >> 3);
switch (tx_type) {
case DCT_DCT:
load_buffer_8x8_avx2(input, in, stride, 0, 0, shift[0]);
fdct8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
fdct8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case ADST_DCT: load_buffer_8x8_avx2(input, in, stride, 0, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
fdct8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case DCT_ADST:
load_buffer_8x8_avx2(input, in, stride, 0, 0, shift[0]);
fdct8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case ADST_ADST: load_buffer_8x8_avx2(input, in, stride, 0, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case FLIPADST_DCT: load_buffer_8x8_avx2(input, in, stride, 1, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
fdct8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case DCT_FLIPADST:
load_buffer_8x8_avx2(input, in, stride, 0, 1, shift[0]);
fdct8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case FLIPADST_FLIPADST:
load_buffer_8x8_avx2(input, in, stride, 1, 1, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case ADST_FLIPADST: load_buffer_8x8_avx2(input, in, stride, 0, 1, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case FLIPADST_ADST: load_buffer_8x8_avx2(input, in, stride, 1, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case IDTX:
load_buffer_8x8_avx2(input, in, stride, 0, 0, shift[0]);
idtx8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
idtx8_avx2(out, in, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case V_DCT:
load_buffer_8x8_avx2(input, in, stride, 0, 0, shift[0]);
fdct8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
idtx8_avx2(out, in, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case H_DCT:
load_buffer_8x8_avx2(input, in, stride, 0, 0, shift[0]);
idtx8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
fdct8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case V_ADST: load_buffer_8x8_avx2(input, in, stride, 0, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
idtx8_avx2(out, in, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case H_ADST:
load_buffer_8x8_avx2(input, in, stride, 0, 0, shift[0]);
idtx8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case V_FLIPADST: load_buffer_8x8_avx2(input, in, stride, 1, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
idtx8_avx2(out, in, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
case H_FLIPADST:
load_buffer_8x8_avx2(input, in, stride, 0, 1, shift[0]);
idtx8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
col_txfm_8x8_rounding(out, -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST8)
fddt8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst8_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_8x8_avx2(out, in, width_div8, width_div8);
store_buffer_avx2(in, coeff, 8, 8);
break;
default: assert(0);
}
(void)bd;
}
static void fdct16_avx2(__m256i *in, __m256i *out, const int8_t bit,
const int col_num, const int outstride) {
const int32_t *cospi = cospi_arr(bit);
const __m256i cospi32 = _mm256_set1_epi32(cospi[32]);
const __m256i cospim32 = _mm256_set1_epi32(-cospi[32]);
const __m256i cospi48 = _mm256_set1_epi32(cospi[48]);
const __m256i cospi16 = _mm256_set1_epi32(cospi[16]);
const __m256i cospim48 = _mm256_set1_epi32(-cospi[48]);
const __m256i cospim16 = _mm256_set1_epi32(-cospi[16]);
const __m256i cospi56 = _mm256_set1_epi32(cospi[56]);
const __m256i cospi8 = _mm256_set1_epi32(cospi[8]);
const __m256i cospi24 = _mm256_set1_epi32(cospi[24]);
const __m256i cospi40 = _mm256_set1_epi32(cospi[40]);
const __m256i cospi60 = _mm256_set1_epi32(cospi[60]);
const __m256i cospi4 = _mm256_set1_epi32(cospi[4]);
const __m256i cospi28 = _mm256_set1_epi32(cospi[28]);
const __m256i cospi36 = _mm256_set1_epi32(cospi[36]);
const __m256i cospi44 = _mm256_set1_epi32(cospi[44]);
const __m256i cospi20 = _mm256_set1_epi32(cospi[20]);
const __m256i cospi12 = _mm256_set1_epi32(cospi[12]);
const __m256i cospi52 = _mm256_set1_epi32(cospi[52]);
const __m256i rnding = _mm256_set1_epi32(1 << (bit - 1));
__m256i u[16], v[16], x;
int col;
// Calculate the column 0, 1, 2, 3
for (col = 0; col < col_num; ++col) {
// stage 0
// stage 1
u[0] = _mm256_add_epi32(in[0 * col_num + col], in[15 * col_num + col]);
u[15] = _mm256_sub_epi32(in[0 * col_num + col], in[15 * col_num + col]);
u[1] = _mm256_add_epi32(in[1 * col_num + col], in[14 * col_num + col]);
u[14] = _mm256_sub_epi32(in[1 * col_num + col], in[14 * col_num + col]);
u[2] = _mm256_add_epi32(in[2 * col_num + col], in[13 * col_num + col]);
u[13] = _mm256_sub_epi32(in[2 * col_num + col], in[13 * col_num + col]);
u[3] = _mm256_add_epi32(in[3 * col_num + col], in[12 * col_num + col]);
u[12] = _mm256_sub_epi32(in[3 * col_num + col], in[12 * col_num + col]);
u[4] = _mm256_add_epi32(in[4 * col_num + col], in[11 * col_num + col]);
u[11] = _mm256_sub_epi32(in[4 * col_num + col], in[11 * col_num + col]);
u[5] = _mm256_add_epi32(in[5 * col_num + col], in[10 * col_num + col]);
u[10] = _mm256_sub_epi32(in[5 * col_num + col], in[10 * col_num + col]);
u[6] = _mm256_add_epi32(in[6 * col_num + col], in[9 * col_num + col]);
u[9] = _mm256_sub_epi32(in[6 * col_num + col], in[9 * col_num + col]);
u[7] = _mm256_add_epi32(in[7 * col_num + col], in[8 * col_num + col]);
u[8] = _mm256_sub_epi32(in[7 * col_num + col], in[8 * col_num + col]);
// stage 2
v[0] = _mm256_add_epi32(u[0], u[7]);
v[7] = _mm256_sub_epi32(u[0], u[7]);
v[1] = _mm256_add_epi32(u[1], u[6]);
v[6] = _mm256_sub_epi32(u[1], u[6]);
v[2] = _mm256_add_epi32(u[2], u[5]);
v[5] = _mm256_sub_epi32(u[2], u[5]);
v[3] = _mm256_add_epi32(u[3], u[4]);
v[4] = _mm256_sub_epi32(u[3], u[4]);
v[10] = _mm256_mullo_epi32(u[10], cospim32);
x = _mm256_mullo_epi32(u[13], cospi32);
v[10] = _mm256_add_epi32(v[10], x);
v[10] = _mm256_add_epi32(v[10], rnding);
v[10] = _mm256_srai_epi32(v[10], bit);
v[13] = _mm256_mullo_epi32(u[10], cospi32);
x = _mm256_mullo_epi32(u[13], cospim32);
v[13] = _mm256_sub_epi32(v[13], x);
v[13] = _mm256_add_epi32(v[13], rnding);
v[13] = _mm256_srai_epi32(v[13], bit);
v[11] = _mm256_mullo_epi32(u[11], cospim32);
x = _mm256_mullo_epi32(u[12], cospi32);
v[11] = _mm256_add_epi32(v[11], x);
v[11] = _mm256_add_epi32(v[11], rnding);
v[11] = _mm256_srai_epi32(v[11], bit);
v[12] = _mm256_mullo_epi32(u[11], cospi32);
x = _mm256_mullo_epi32(u[12], cospim32);
v[12] = _mm256_sub_epi32(v[12], x);
v[12] = _mm256_add_epi32(v[12], rnding);
v[12] = _mm256_srai_epi32(v[12], bit);
// stage 3
u[0] = _mm256_add_epi32(v[0], v[3]);
u[3] = _mm256_sub_epi32(v[0], v[3]);
u[1] = _mm256_add_epi32(v[1], v[2]);
u[2] = _mm256_sub_epi32(v[1], v[2]);
u[5] = _mm256_mullo_epi32(v[5], cospim32);
x = _mm256_mullo_epi32(v[6], cospi32);
u[5] = _mm256_add_epi32(u[5], x);
u[5] = _mm256_add_epi32(u[5], rnding);
u[5] = _mm256_srai_epi32(u[5], bit);
u[6] = _mm256_mullo_epi32(v[5], cospi32);
x = _mm256_mullo_epi32(v[6], cospim32);
u[6] = _mm256_sub_epi32(u[6], x);
u[6] = _mm256_add_epi32(u[6], rnding);
u[6] = _mm256_srai_epi32(u[6], bit);
u[11] = _mm256_sub_epi32(u[8], v[11]);
u[8] = _mm256_add_epi32(u[8], v[11]);
u[10] = _mm256_sub_epi32(u[9], v[10]);
u[9] = _mm256_add_epi32(u[9], v[10]);
u[12] = _mm256_sub_epi32(u[15], v[12]);
u[15] = _mm256_add_epi32(u[15], v[12]);
u[13] = _mm256_sub_epi32(u[14], v[13]);
u[14] = _mm256_add_epi32(u[14], v[13]);
// stage 4
u[0] = _mm256_mullo_epi32(u[0], cospi32);
u[1] = _mm256_mullo_epi32(u[1], cospi32);
v[0] = _mm256_add_epi32(u[0], u[1]);
v[0] = _mm256_add_epi32(v[0], rnding);
out[0 * outstride + col] = _mm256_srai_epi32(v[0], bit);
v[1] = _mm256_sub_epi32(u[0], u[1]);
v[1] = _mm256_add_epi32(v[1], rnding);
out[8 * outstride + col] = _mm256_srai_epi32(v[1], bit);
v[2] = _mm256_mullo_epi32(u[2], cospi48);
x = _mm256_mullo_epi32(u[3], cospi16);
v[2] = _mm256_add_epi32(v[2], x);
v[2] = _mm256_add_epi32(v[2], rnding);
out[4 * outstride + col] = _mm256_srai_epi32(v[2], bit);
v[3] = _mm256_mullo_epi32(u[2], cospi16);
x = _mm256_mullo_epi32(u[3], cospi48);
v[3] = _mm256_sub_epi32(x, v[3]);
v[3] = _mm256_add_epi32(v[3], rnding);
out[12 * outstride + col] = _mm256_srai_epi32(v[3], bit);
v[5] = _mm256_sub_epi32(v[4], u[5]);
v[4] = _mm256_add_epi32(v[4], u[5]);
v[6] = _mm256_sub_epi32(v[7], u[6]);
v[7] = _mm256_add_epi32(v[7], u[6]);
v[9] = _mm256_mullo_epi32(u[9], cospim16);
x = _mm256_mullo_epi32(u[14], cospi48);
v[9] = _mm256_add_epi32(v[9], x);
v[9] = _mm256_add_epi32(v[9], rnding);
v[9] = _mm256_srai_epi32(v[9], bit);
v[14] = _mm256_mullo_epi32(u[9], cospi48);
x = _mm256_mullo_epi32(u[14], cospim16);
v[14] = _mm256_sub_epi32(v[14], x);
v[14] = _mm256_add_epi32(v[14], rnding);
v[14] = _mm256_srai_epi32(v[14], bit);
v[10] = _mm256_mullo_epi32(u[10], cospim48);
x = _mm256_mullo_epi32(u[13], cospim16);
v[10] = _mm256_add_epi32(v[10], x);
v[10] = _mm256_add_epi32(v[10], rnding);
v[10] = _mm256_srai_epi32(v[10], bit);
v[13] = _mm256_mullo_epi32(u[10], cospim16);
x = _mm256_mullo_epi32(u[13], cospim48);
v[13] = _mm256_sub_epi32(v[13], x);
v[13] = _mm256_add_epi32(v[13], rnding);
v[13] = _mm256_srai_epi32(v[13], bit);
// stage 5
u[4] = _mm256_mullo_epi32(v[4], cospi56);
x = _mm256_mullo_epi32(v[7], cospi8);
u[4] = _mm256_add_epi32(u[4], x);
u[4] = _mm256_add_epi32(u[4], rnding);
out[2 * outstride + col] = _mm256_srai_epi32(u[4], bit);
u[7] = _mm256_mullo_epi32(v[4], cospi8);
x = _mm256_mullo_epi32(v[7], cospi56);
u[7] = _mm256_sub_epi32(x, u[7]);
u[7] = _mm256_add_epi32(u[7], rnding);
out[14 * outstride + col] = _mm256_srai_epi32(u[7], bit);
u[5] = _mm256_mullo_epi32(v[5], cospi24);
x = _mm256_mullo_epi32(v[6], cospi40);
u[5] = _mm256_add_epi32(u[5], x);
u[5] = _mm256_add_epi32(u[5], rnding);
out[10 * outstride + col] = _mm256_srai_epi32(u[5], bit);
u[6] = _mm256_mullo_epi32(v[5], cospi40);
x = _mm256_mullo_epi32(v[6], cospi24);
u[6] = _mm256_sub_epi32(x, u[6]);
u[6] = _mm256_add_epi32(u[6], rnding);
out[6 * outstride + col] = _mm256_srai_epi32(u[6], bit);
u[9] = _mm256_sub_epi32(u[8], v[9]);
u[8] = _mm256_add_epi32(u[8], v[9]);
u[10] = _mm256_sub_epi32(u[11], v[10]);
u[11] = _mm256_add_epi32(u[11], v[10]);
u[13] = _mm256_sub_epi32(u[12], v[13]);
u[12] = _mm256_add_epi32(u[12], v[13]);
u[14] = _mm256_sub_epi32(u[15], v[14]);
u[15] = _mm256_add_epi32(u[15], v[14]);
// stage 6
v[8] = _mm256_mullo_epi32(u[8], cospi60);
x = _mm256_mullo_epi32(u[15], cospi4);
v[8] = _mm256_add_epi32(v[8], x);
v[8] = _mm256_add_epi32(v[8], rnding);
out[1 * outstride + col] = _mm256_srai_epi32(v[8], bit);
v[15] = _mm256_mullo_epi32(u[8], cospi4);
x = _mm256_mullo_epi32(u[15], cospi60);
v[15] = _mm256_sub_epi32(x, v[15]);
v[15] = _mm256_add_epi32(v[15], rnding);
out[15 * outstride + col] = _mm256_srai_epi32(v[15], bit);
v[9] = _mm256_mullo_epi32(u[9], cospi28);
x = _mm256_mullo_epi32(u[14], cospi36);
v[9] = _mm256_add_epi32(v[9], x);
v[9] = _mm256_add_epi32(v[9], rnding);
out[9 * outstride + col] = _mm256_srai_epi32(v[9], bit);
v[14] = _mm256_mullo_epi32(u[9], cospi36);
x = _mm256_mullo_epi32(u[14], cospi28);
v[14] = _mm256_sub_epi32(x, v[14]);
v[14] = _mm256_add_epi32(v[14], rnding);
out[7 * outstride + col] = _mm256_srai_epi32(v[14], bit);
v[10] = _mm256_mullo_epi32(u[10], cospi44);
x = _mm256_mullo_epi32(u[13], cospi20);
v[10] = _mm256_add_epi32(v[10], x);
v[10] = _mm256_add_epi32(v[10], rnding);
out[5 * outstride + col] = _mm256_srai_epi32(v[10], bit);
v[13] = _mm256_mullo_epi32(u[10], cospi20);
x = _mm256_mullo_epi32(u[13], cospi44);
v[13] = _mm256_sub_epi32(x, v[13]);
v[13] = _mm256_add_epi32(v[13], rnding);
out[11 * outstride + col] = _mm256_srai_epi32(v[13], bit);
v[11] = _mm256_mullo_epi32(u[11], cospi12);
x = _mm256_mullo_epi32(u[12], cospi52);
v[11] = _mm256_add_epi32(v[11], x);
v[11] = _mm256_add_epi32(v[11], rnding);
out[13 * outstride + col] = _mm256_srai_epi32(v[11], bit);
v[12] = _mm256_mullo_epi32(u[11], cospi52);
x = _mm256_mullo_epi32(u[12], cospi12);
v[12] = _mm256_sub_epi32(x, v[12]);
v[12] = _mm256_add_epi32(v[12], rnding);
out[3 * outstride + col] = _mm256_srai_epi32(v[12], bit);
}
}
#if CONFIG_INTER_DDT
static void fddt16_avx2(__m256i *in, __m256i *out, const int8_t bit,
const int num_cols, const int outstride) {
(void)bit;
const int32_t *kernel = ddt16_kernel[FWD_TXFM];
const int size = 16;
const __m256i zero = _mm256_setzero_si256();
const __m256i rnding = _mm256_set1_epi32(1 << (FWD_ADST_BIT - 1));
__m256i x[16];
int col;
for (col = 0; col < num_cols; ++col) {
for (int i = 0; i < 16; ++i) {
int row_idx = i * size;
__m256i sum = zero;
__m256i t;
for (int j = 0; j < 16; ++j) {
const __m256i coef = _mm256_set1_epi32(kernel[row_idx + j]);
t = _mm256_mullo_epi32(in[j * num_cols + col], coef);
sum = _mm256_add_epi32(sum, t);
}
sum = _mm256_add_epi32(sum, rnding);
x[i] = _mm256_srai_epi32(sum, FWD_ADST_BIT);
}
for (int i = 0; i < 16; ++i) out[i * outstride + col] = x[i];
}
}
#endif // CONFIG_INTER_DDT
#if CONFIG_ADST_TUNED && USE_TUNED_ADST16
static void fadst16_avx2(__m256i *in, __m256i *out, const int8_t bit,
const int num_cols, const int outstride) {
(void)bit;
const int32_t *kernel = av2_adst_kernel16[FWD_TXFM];
const int size = tx_size_wide[TX_16X16];
const __m256i zero = _mm256_setzero_si256();
const __m256i rnding = _mm256_set1_epi32(1 << (FWD_ADST_BIT - 1));
__m256i x[16];
int col;
for (col = 0; col < num_cols; ++col) {
for (int i = 0; i < 16; ++i) {
int row_idx = i * size;
__m256i sum = zero;
__m256i t;
for (int j = 0; j < 16; ++j) {
const __m256i coef = _mm256_set1_epi32(kernel[row_idx + j]);
t = _mm256_mullo_epi32(in[j * num_cols + col], coef);
sum = _mm256_add_epi32(sum, t);
}
sum = _mm256_add_epi32(sum, rnding);
x[i] = _mm256_srai_epi32(sum, FWD_ADST_BIT);
}
for (int i = 0; i < 16; ++i) out[i * outstride + col] = x[i];
}
}
#else
static void fadst16_avx2(__m256i *in, __m256i *out, const int8_t bit,
const int num_cols, const int outstride) {
const int32_t *cospi = cospi_arr(bit);
const __m256i cospi32 = _mm256_set1_epi32(cospi[32]);
const __m256i cospi48 = _mm256_set1_epi32(cospi[48]);
const __m256i cospi16 = _mm256_set1_epi32(cospi[16]);
const __m256i cospim16 = _mm256_set1_epi32(-cospi[16]);
const __m256i cospim48 = _mm256_set1_epi32(-cospi[48]);
const __m256i cospi8 = _mm256_set1_epi32(cospi[8]);
const __m256i cospi56 = _mm256_set1_epi32(cospi[56]);
const __m256i cospim56 = _mm256_set1_epi32(-cospi[56]);
const __m256i cospim8 = _mm256_set1_epi32(-cospi[8]);
const __m256i cospi24 = _mm256_set1_epi32(cospi[24]);
const __m256i cospim24 = _mm256_set1_epi32(-cospi[24]);
const __m256i cospim40 = _mm256_set1_epi32(-cospi[40]);
const __m256i cospi40 = _mm256_set1_epi32(cospi[40]);
const __m256i cospi2 = _mm256_set1_epi32(cospi[2]);
const __m256i cospi62 = _mm256_set1_epi32(cospi[62]);
const __m256i cospim2 = _mm256_set1_epi32(-cospi[2]);
const __m256i cospi10 = _mm256_set1_epi32(cospi[10]);
const __m256i cospi54 = _mm256_set1_epi32(cospi[54]);
const __m256i cospim10 = _mm256_set1_epi32(-cospi[10]);
const __m256i cospi18 = _mm256_set1_epi32(cospi[18]);
const __m256i cospi46 = _mm256_set1_epi32(cospi[46]);
const __m256i cospim18 = _mm256_set1_epi32(-cospi[18]);
const __m256i cospi26 = _mm256_set1_epi32(cospi[26]);
const __m256i cospi38 = _mm256_set1_epi32(cospi[38]);
const __m256i cospim26 = _mm256_set1_epi32(-cospi[26]);
const __m256i cospi34 = _mm256_set1_epi32(cospi[34]);
const __m256i cospi30 = _mm256_set1_epi32(cospi[30]);
const __m256i cospim34 = _mm256_set1_epi32(-cospi[34]);
const __m256i cospi42 = _mm256_set1_epi32(cospi[42]);
const __m256i cospi22 = _mm256_set1_epi32(cospi[22]);
const __m256i cospim42 = _mm256_set1_epi32(-cospi[42]);
const __m256i cospi50 = _mm256_set1_epi32(cospi[50]);
const __m256i cospi14 = _mm256_set1_epi32(cospi[14]);
const __m256i cospim50 = _mm256_set1_epi32(-cospi[50]);
const __m256i cospi58 = _mm256_set1_epi32(cospi[58]);
const __m256i cospi6 = _mm256_set1_epi32(cospi[6]);
const __m256i cospim58 = _mm256_set1_epi32(-cospi[58]);
const __m256i rnding = _mm256_set1_epi32(1 << (bit - 1));
const __m256i zero = _mm256_setzero_si256();
__m256i u[16], v[16], x, y;
int col;
for (col = 0; col < num_cols; ++col) {
// stage 0
// stage 1
u[0] = in[0 * num_cols + col];
u[1] = _mm256_sub_epi32(zero, in[15 * num_cols + col]);
u[2] = _mm256_sub_epi32(zero, in[7 * num_cols + col]);
u[3] = in[8 * num_cols + col];
u[4] = _mm256_sub_epi32(zero, in[3 * num_cols + col]);
u[5] = in[12 * num_cols + col];
u[6] = in[4 * num_cols + col];
u[7] = _mm256_sub_epi32(zero, in[11 * num_cols + col]);
u[8] = _mm256_sub_epi32(zero, in[1 * num_cols + col]);
u[9] = in[14 * num_cols + col];
u[10] = in[6 * num_cols + col];
u[11] = _mm256_sub_epi32(zero, in[9 * num_cols + col]);
u[12] = in[2 * num_cols + col];
u[13] = _mm256_sub_epi32(zero, in[13 * num_cols + col]);
u[14] = _mm256_sub_epi32(zero, in[5 * num_cols + col]);
u[15] = in[10 * num_cols + col];
// stage 2
v[0] = u[0];
v[1] = u[1];
x = _mm256_mullo_epi32(u[2], cospi32);
y = _mm256_mullo_epi32(u[3], cospi32);
v[2] = _mm256_add_epi32(x, y);
v[2] = _mm256_add_epi32(v[2], rnding);
v[2] = _mm256_srai_epi32(v[2], bit);
v[3] = _mm256_sub_epi32(x, y);
v[3] = _mm256_add_epi32(v[3], rnding);
v[3] = _mm256_srai_epi32(v[3], bit);
v[4] = u[4];
v[5] = u[5];
x = _mm256_mullo_epi32(u[6], cospi32);
y = _mm256_mullo_epi32(u[7], cospi32);
v[6] = _mm256_add_epi32(x, y);
v[6] = _mm256_add_epi32(v[6], rnding);
v[6] = _mm256_srai_epi32(v[6], bit);
v[7] = _mm256_sub_epi32(x, y);
v[7] = _mm256_add_epi32(v[7], rnding);
v[7] = _mm256_srai_epi32(v[7], bit);
v[8] = u[8];
v[9] = u[9];
x = _mm256_mullo_epi32(u[10], cospi32);
y = _mm256_mullo_epi32(u[11], cospi32);
v[10] = _mm256_add_epi32(x, y);
v[10] = _mm256_add_epi32(v[10], rnding);
v[10] = _mm256_srai_epi32(v[10], bit);
v[11] = _mm256_sub_epi32(x, y);
v[11] = _mm256_add_epi32(v[11], rnding);
v[11] = _mm256_srai_epi32(v[11], bit);
v[12] = u[12];
v[13] = u[13];
x = _mm256_mullo_epi32(u[14], cospi32);
y = _mm256_mullo_epi32(u[15], cospi32);
v[14] = _mm256_add_epi32(x, y);
v[14] = _mm256_add_epi32(v[14], rnding);
v[14] = _mm256_srai_epi32(v[14], bit);
v[15] = _mm256_sub_epi32(x, y);
v[15] = _mm256_add_epi32(v[15], rnding);
v[15] = _mm256_srai_epi32(v[15], bit);
// stage 3
u[0] = _mm256_add_epi32(v[0], v[2]);
u[1] = _mm256_add_epi32(v[1], v[3]);
u[2] = _mm256_sub_epi32(v[0], v[2]);
u[3] = _mm256_sub_epi32(v[1], v[3]);
u[4] = _mm256_add_epi32(v[4], v[6]);
u[5] = _mm256_add_epi32(v[5], v[7]);
u[6] = _mm256_sub_epi32(v[4], v[6]);
u[7] = _mm256_sub_epi32(v[5], v[7]);
u[8] = _mm256_add_epi32(v[8], v[10]);
u[9] = _mm256_add_epi32(v[9], v[11]);
u[10] = _mm256_sub_epi32(v[8], v[10]);
u[11] = _mm256_sub_epi32(v[9], v[11]);
u[12] = _mm256_add_epi32(v[12], v[14]);
u[13] = _mm256_add_epi32(v[13], v[15]);
u[14] = _mm256_sub_epi32(v[12], v[14]);
u[15] = _mm256_sub_epi32(v[13], v[15]);
// stage 4
v[0] = u[0];
v[1] = u[1];
v[2] = u[2];
v[3] = u[3];
v[4] = av1_half_btf_avx2(&cospi16, &u[4], &cospi48, &u[5], &rnding, bit);
v[5] = av1_half_btf_avx2(&cospi48, &u[4], &cospim16, &u[5], &rnding, bit);
v[6] = av1_half_btf_avx2(&cospim48, &u[6], &cospi16, &u[7], &rnding, bit);
v[7] = av1_half_btf_avx2(&cospi16, &u[6], &cospi48, &u[7], &rnding, bit);
v[8] = u[8];
v[9] = u[9];
v[10] = u[10];
v[11] = u[11];
v[12] = av1_half_btf_avx2(&cospi16, &u[12], &cospi48, &u[13], &rnding, bit);
v[13] =
av1_half_btf_avx2(&cospi48, &u[12], &cospim16, &u[13], &rnding, bit);
v[14] =
av1_half_btf_avx2(&cospim48, &u[14], &cospi16, &u[15], &rnding, bit);
v[15] = av1_half_btf_avx2(&cospi16, &u[14], &cospi48, &u[15], &rnding, bit);
// stage 5
u[0] = _mm256_add_epi32(v[0], v[4]);
u[1] = _mm256_add_epi32(v[1], v[5]);
u[2] = _mm256_add_epi32(v[2], v[6]);
u[3] = _mm256_add_epi32(v[3], v[7]);
u[4] = _mm256_sub_epi32(v[0], v[4]);
u[5] = _mm256_sub_epi32(v[1], v[5]);
u[6] = _mm256_sub_epi32(v[2], v[6]);
u[7] = _mm256_sub_epi32(v[3], v[7]);
u[8] = _mm256_add_epi32(v[8], v[12]);
u[9] = _mm256_add_epi32(v[9], v[13]);
u[10] = _mm256_add_epi32(v[10], v[14]);
u[11] = _mm256_add_epi32(v[11], v[15]);
u[12] = _mm256_sub_epi32(v[8], v[12]);
u[13] = _mm256_sub_epi32(v[9], v[13]);
u[14] = _mm256_sub_epi32(v[10], v[14]);
u[15] = _mm256_sub_epi32(v[11], v[15]);
// stage 6
v[0] = u[0];
v[1] = u[1];
v[2] = u[2];
v[3] = u[3];
v[4] = u[4];
v[5] = u[5];
v[6] = u[6];
v[7] = u[7];
v[8] = av1_half_btf_avx2(&cospi8, &u[8], &cospi56, &u[9], &rnding, bit);
v[9] = av1_half_btf_avx2(&cospi56, &u[8], &cospim8, &u[9], &rnding, bit);
v[10] = av1_half_btf_avx2(&cospi40, &u[10], &cospi24, &u[11], &rnding, bit);
v[11] =
av1_half_btf_avx2(&cospi24, &u[10], &cospim40, &u[11], &rnding, bit);
v[12] = av1_half_btf_avx2(&cospim56, &u[12], &cospi8, &u[13], &rnding, bit);
v[13] = av1_half_btf_avx2(&cospi8, &u[12], &cospi56, &u[13], &rnding, bit);
v[14] =
av1_half_btf_avx2(&cospim24, &u[14], &cospi40, &u[15], &rnding, bit);
v[15] = av1_half_btf_avx2(&cospi40, &u[14], &cospi24, &u[15], &rnding, bit);
// stage 7
u[0] = _mm256_add_epi32(v[0], v[8]);
u[1] = _mm256_add_epi32(v[1], v[9]);
u[2] = _mm256_add_epi32(v[2], v[10]);
u[3] = _mm256_add_epi32(v[3], v[11]);
u[4] = _mm256_add_epi32(v[4], v[12]);
u[5] = _mm256_add_epi32(v[5], v[13]);
u[6] = _mm256_add_epi32(v[6], v[14]);
u[7] = _mm256_add_epi32(v[7], v[15]);
u[8] = _mm256_sub_epi32(v[0], v[8]);
u[9] = _mm256_sub_epi32(v[1], v[9]);
u[10] = _mm256_sub_epi32(v[2], v[10]);
u[11] = _mm256_sub_epi32(v[3], v[11]);
u[12] = _mm256_sub_epi32(v[4], v[12]);
u[13] = _mm256_sub_epi32(v[5], v[13]);
u[14] = _mm256_sub_epi32(v[6], v[14]);
u[15] = _mm256_sub_epi32(v[7], v[15]);
// stage 8
v[0] = av1_half_btf_avx2(&cospi2, &u[0], &cospi62, &u[1], &rnding, bit);
v[1] = av1_half_btf_avx2(&cospi62, &u[0], &cospim2, &u[1], &rnding, bit);
v[2] = av1_half_btf_avx2(&cospi10, &u[2], &cospi54, &u[3], &rnding, bit);
v[3] = av1_half_btf_avx2(&cospi54, &u[2], &cospim10, &u[3], &rnding, bit);
v[4] = av1_half_btf_avx2(&cospi18, &u[4], &cospi46, &u[5], &rnding, bit);
v[5] = av1_half_btf_avx2(&cospi46, &u[4], &cospim18, &u[5], &rnding, bit);
v[6] = av1_half_btf_avx2(&cospi26, &u[6], &cospi38, &u[7], &rnding, bit);
v[7] = av1_half_btf_avx2(&cospi38, &u[6], &cospim26, &u[7], &rnding, bit);
v[8] = av1_half_btf_avx2(&cospi34, &u[8], &cospi30, &u[9], &rnding, bit);
v[9] = av1_half_btf_avx2(&cospi30, &u[8], &cospim34, &u[9], &rnding, bit);
v[10] = av1_half_btf_avx2(&cospi42, &u[10], &cospi22, &u[11], &rnding, bit);
v[11] =
av1_half_btf_avx2(&cospi22, &u[10], &cospim42, &u[11], &rnding, bit);
v[12] = av1_half_btf_avx2(&cospi50, &u[12], &cospi14, &u[13], &rnding, bit);
v[13] =
av1_half_btf_avx2(&cospi14, &u[12], &cospim50, &u[13], &rnding, bit);
v[14] = av1_half_btf_avx2(&cospi58, &u[14], &cospi6, &u[15], &rnding, bit);
v[15] = av1_half_btf_avx2(&cospi6, &u[14], &cospim58, &u[15], &rnding, bit);
// stage 9
out[0 * outstride + col] = v[1];
out[1 * outstride + col] = v[14];
out[2 * outstride + col] = v[3];
out[3 * outstride + col] = v[12];
out[4 * outstride + col] = v[5];
out[5 * outstride + col] = v[10];
out[6 * outstride + col] = v[7];
out[7 * outstride + col] = v[8];
out[8 * outstride + col] = v[9];
out[9 * outstride + col] = v[6];
out[10 * outstride + col] = v[11];
out[11 * outstride + col] = v[4];
out[12 * outstride + col] = v[13];
out[13 * outstride + col] = v[2];
out[14 * outstride + col] = v[15];
out[15 * outstride + col] = v[0];
}
}
#endif // CONFIG_ADST_TUNED && USE_TUNED_ADST16
static void idtx16_avx2(__m256i *in, __m256i *out, const int8_t bit,
int col_num, const int outstride) {
(void)bit;
(void)outstride;
__m256i fact = _mm256_set1_epi32(2 * NewSqrt2);
__m256i offset = _mm256_set1_epi32(1 << (NewSqrt2Bits - 1));
__m256i a_low;
int num_iters = 16 * col_num;
for (int i = 0; i < num_iters; i++) {
a_low = _mm256_mullo_epi32(in[i], fact);
a_low = _mm256_add_epi32(a_low, offset);
out[i] = _mm256_srai_epi32(a_low, NewSqrt2Bits);
}
}
#if CONFIG_INTER_DDT
static const transform_1d_avx2 col_highbd_txfm8x16_arr_inter[TX_TYPES] = {
fdct16_avx2, // DCT_DCT
fddt16_avx2, // ADST_DCT
fdct16_avx2, // DCT_ADST
fddt16_avx2, // ADST_ADST
fddt16_avx2, // FLIPADST_DCT
fdct16_avx2, // DCT_FLIPADST
fddt16_avx2, // FLIPADST_FLIPADST
fddt16_avx2, // ADST_FLIPADST
fddt16_avx2, // FLIPADST_ADST
idtx16_avx2, // IDTX
fdct16_avx2, // V_DCT
idtx16_avx2, // H_DCT
fddt16_avx2, // V_ADST
idtx16_avx2, // H_ADST
fddt16_avx2, // V_FLIPADST
idtx16_avx2, // H_FLIPADST
};
static const transform_1d_avx2 row_highbd_txfm8x8_arr_inter[TX_TYPES] = {
fdct8_avx2, // DCT_DCT
fdct8_avx2, // ADST_DCT
fddt8_avx2, // DCT_ADST
fddt8_avx2, // ADST_ADST
fdct8_avx2, // FLIPADST_DCT
fddt8_avx2, // DCT_FLIPADST
fddt8_avx2, // FLIPADST_FLIPADST
fddt8_avx2, // ADST_FLIPADST
fddt8_avx2, // FLIPADST_ADST
idtx8_avx2, // IDTX
idtx8_avx2, // V_DCT
fdct8_avx2, // H_DCT
idtx8_avx2, // V_ADST
fddt8_avx2, // H_ADST
idtx8_avx2, // V_FLIPADST
fddt8_avx2, // H_FLIPADST
};
static const transform_1d_avx2 col_highbd_txfm8x8_arr_inter[TX_TYPES] = {
fdct8_avx2, // DCT_DCT
fddt8_avx2, // ADST_DCT
fdct8_avx2, // DCT_ADST
fddt8_avx2, // ADST_ADST
fddt8_avx2, // FLIPADST_DCT
fdct8_avx2, // DCT_FLIPADST
fddt8_avx2, // FLIPADST_FLIPADST
fddt8_avx2, // ADST_FLIPADST
fddt8_avx2, // FLIPADST_ADST
idtx8_avx2, // IDTX
fdct8_avx2, // V_DCT
idtx8_avx2, // H_DCT
fddt8_avx2, // V_ADST
idtx8_avx2, // H_ADST
fddt8_avx2, // V_FLIPADST
idtx8_avx2, // H_FLIPADST
};
static const transform_1d_avx2 row_highbd_txfm8x16_arr_inter[TX_TYPES] = {
fdct16_avx2, // DCT_DCT
fdct16_avx2, // ADST_DCT
fddt16_avx2, // DCT_ADST
fddt16_avx2, // ADST_ADST
fdct16_avx2, // FLIPADST_DCT
fddt16_avx2, // DCT_FLIPADST
fddt16_avx2, // FLIPADST_FLIPADST
fddt16_avx2, // ADST_FLIPADST
fddt16_avx2, // FLIPADST_ADST
idtx16_avx2, // IDTX
idtx16_avx2, // V_DCT
fdct16_avx2, // H_DCT
idtx16_avx2, // V_ADST
fddt16_avx2, // H_ADST
idtx16_avx2, // V_FLIPADST
fddt16_avx2, // H_FLIPADST
};
#endif // CONFIG_INTER_DDT
static const transform_1d_avx2 col_highbd_txfm8x16_arr[TX_TYPES] = {
fdct16_avx2, // DCT_DCT
fadst16_avx2, // ADST_DCT
fdct16_avx2, // DCT_ADST
fadst16_avx2, // ADST_ADST
fadst16_avx2, // FLIPADST_DCT
fdct16_avx2, // DCT_FLIPADST
fadst16_avx2, // FLIPADST_FLIPADST
fadst16_avx2, // ADST_FLIPADST
fadst16_avx2, // FLIPADST_ADST
idtx16_avx2, // IDTX
fdct16_avx2, // V_DCT
idtx16_avx2, // H_DCT
fadst16_avx2, // V_ADST
idtx16_avx2, // H_ADST
fadst16_avx2, // V_FLIPADST
idtx16_avx2, // H_FLIPADST
};
static const transform_1d_avx2 row_highbd_txfm8x8_arr[TX_TYPES] = {
fdct8_avx2, // DCT_DCT
fdct8_avx2, // ADST_DCT
fadst8_avx2, // DCT_ADST
fadst8_avx2, // ADST_ADST
fdct8_avx2, // FLIPADST_DCT
fadst8_avx2, // DCT_FLIPADST
fadst8_avx2, // FLIPADST_FLIPADST
fadst8_avx2, // ADST_FLIPADST
fadst8_avx2, // FLIPADST_ADST
idtx8_avx2, // IDTX
idtx8_avx2, // V_DCT
fdct8_avx2, // H_DCT
idtx8_avx2, // V_ADST
fadst8_avx2, // H_ADST
idtx8_avx2, // V_FLIPADST
fadst8_avx2, // H_FLIPADST
};
void av1_fwd_txfm2d_8x16_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
__m256i in[16], out[16];
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_8X16];
const int txw_idx = get_txw_idx(TX_8X16);
const int txh_idx = get_txh_idx(TX_8X16);
#if CONFIG_INTER_DDT
const transform_1d_avx2 col_txfm =
(use_ddt && REPLACE_ADST16) ? col_highbd_txfm8x16_arr_inter[tx_type]
: col_highbd_txfm8x16_arr[tx_type];
const transform_1d_avx2 row_txfm = (use_ddt && REPLACE_ADST8)
? row_highbd_txfm8x8_arr_inter[tx_type]
: row_highbd_txfm8x8_arr[tx_type];
#else
const transform_1d_avx2 col_txfm = col_highbd_txfm8x16_arr[tx_type];
const transform_1d_avx2 row_txfm = row_highbd_txfm8x8_arr[tx_type];
#endif // CONFIG_INTER_DDT
const int8_t bit = av1_fwd_cos_bit_col[txw_idx][txh_idx];
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
load_buffer_8x16_avx2(input, in, stride, ud_flip, lr_flip, shift[0]);
col_txfm(in, out, bit, 1, 1);
col_txfm_8x8_rounding(out, -shift[1]);
col_txfm_8x8_rounding(&out[8], -shift[1]);
fwd_txfm_transpose_8x8_avx2(out, in, 1, 2);
fwd_txfm_transpose_8x8_avx2(&out[8], &in[1], 1, 2);
row_txfm(in, out, bit, 2, 2);
fwd_txfm_transpose_8x8_avx2(out, in, 2, 1);
fwd_txfm_transpose_8x8_avx2(&out[1], &in[8], 2, 1);
av1_round_shift_rect_array_32_avx2(in, in, 16, -shift[2], NewSqrt2);
store_buffer_avx2(in, coeff, 8, 16);
(void)bd;
}
static const transform_1d_avx2 col_highbd_txfm8x8_arr[TX_TYPES] = {
fdct8_avx2, // DCT_DCT
fadst8_avx2, // ADST_DCT
fdct8_avx2, // DCT_ADST
fadst8_avx2, // ADST_ADST
fadst8_avx2, // FLIPADST_DCT
fdct8_avx2, // DCT_FLIPADST
fadst8_avx2, // FLIPADST_FLIPADST
fadst8_avx2, // ADST_FLIPADST
fadst8_avx2, // FLIPADST_ADST
idtx8_avx2, // IDTX
fdct8_avx2, // V_DCT
idtx8_avx2, // H_DCT
fadst8_avx2, // V_ADST
idtx8_avx2, // H_ADST
fadst8_avx2, // V_FLIPADST
idtx8_avx2, // H_FLIPADST
};
static const transform_1d_avx2 row_highbd_txfm8x16_arr[TX_TYPES] = {
fdct16_avx2, // DCT_DCT
fdct16_avx2, // ADST_DCT
fadst16_avx2, // DCT_ADST
fadst16_avx2, // ADST_ADST
fdct16_avx2, // FLIPADST_DCT
fadst16_avx2, // DCT_FLIPADST
fadst16_avx2, // FLIPADST_FLIPADST
fadst16_avx2, // ADST_FLIPADST
fadst16_avx2, // FLIPADST_ADST
idtx16_avx2, // IDTX
idtx16_avx2, // V_DCT
fdct16_avx2, // H_DCT
idtx16_avx2, // V_ADST
fadst16_avx2, // H_ADST
idtx16_avx2, // V_FLIPADST
fadst16_avx2, // H_FLIPADST
};
void av1_fwd_txfm2d_16x8_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
__m256i in[16], out[16];
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_16X8];
const int txw_idx = get_txw_idx(TX_16X8);
const int txh_idx = get_txh_idx(TX_16X8);
#if CONFIG_INTER_DDT
const transform_1d_avx2 col_txfm = (use_ddt && REPLACE_ADST8)
? col_highbd_txfm8x8_arr_inter[tx_type]
: col_highbd_txfm8x8_arr[tx_type];
const transform_1d_avx2 row_txfm =
(use_ddt && REPLACE_ADST16) ? row_highbd_txfm8x16_arr_inter[tx_type]
: row_highbd_txfm8x16_arr[tx_type];
#else
const transform_1d_avx2 col_txfm = col_highbd_txfm8x8_arr[tx_type];
const transform_1d_avx2 row_txfm = row_highbd_txfm8x16_arr[tx_type];
#endif // CONFIG_INTER_DDT
const int8_t bit = av1_fwd_cos_bit_col[txw_idx][txh_idx];
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
// column transform
load_buffer_16xn_avx2(input, in, stride, 8, 2, ud_flip, lr_flip);
round_shift_32_8xn_avx2(in, 16, shift[0], 1);
col_txfm(in, out, bit, 2, 2);
round_shift_32_8xn_avx2(out, 16, shift[1], 1);
fwd_txfm_transpose_8x8_avx2(out, in, 2, 1);
fwd_txfm_transpose_8x8_avx2(&out[1], &in[8], 2, 1);
// row transform
row_txfm(in, out, bit, 1, 1);
fwd_txfm_transpose_8x8_avx2(out, in, 1, 2);
fwd_txfm_transpose_8x8_avx2(&out[8], &in[1], 1, 2);
av1_round_shift_rect_array_32_avx2(in, in, 16, -shift[2], NewSqrt2);
store_buffer_avx2(in, coeff, 8, 16);
(void)bd;
}
static INLINE void convert_8x8_to_16x16(const __m256i *in, __m256i *out) {
int32_t row_index = 0;
int32_t dst_index = 0;
int32_t src_index = 0;
// row 0, 1, .., 7
do {
out[dst_index] = in[src_index];
out[dst_index + 1] = in[src_index + 8];
dst_index += 2;
src_index++;
row_index++;
} while (row_index < 8);
// row 8, 9, ..., 15
src_index += 8;
do {
out[dst_index] = in[src_index];
out[dst_index + 1] = in[src_index + 8];
dst_index += 2;
src_index++;
row_index++;
} while (row_index < 16);
}
static INLINE void load_buffer_8x8(const int16_t *input, __m256i *in,
int stride, int flipud, int fliplr,
int8_t shift) {
__m128i temp[8];
if (!flipud) {
temp[0] = _mm_loadu_si128((const __m128i *)(input + 0 * stride));
temp[1] = _mm_loadu_si128((const __m128i *)(input + 1 * stride));
temp[2] = _mm_loadu_si128((const __m128i *)(input + 2 * stride));
temp[3] = _mm_loadu_si128((const __m128i *)(input + 3 * stride));
temp[4] = _mm_loadu_si128((const __m128i *)(input + 4 * stride));
temp[5] = _mm_loadu_si128((const __m128i *)(input + 5 * stride));
temp[6] = _mm_loadu_si128((const __m128i *)(input + 6 * stride));
temp[7] = _mm_loadu_si128((const __m128i *)(input + 7 * stride));
} else {
temp[0] = _mm_loadu_si128((const __m128i *)(input + 7 * stride));
temp[1] = _mm_loadu_si128((const __m128i *)(input + 6 * stride));
temp[2] = _mm_loadu_si128((const __m128i *)(input + 5 * stride));
temp[3] = _mm_loadu_si128((const __m128i *)(input + 4 * stride));
temp[4] = _mm_loadu_si128((const __m128i *)(input + 3 * stride));
temp[5] = _mm_loadu_si128((const __m128i *)(input + 2 * stride));
temp[6] = _mm_loadu_si128((const __m128i *)(input + 1 * stride));
temp[7] = _mm_loadu_si128((const __m128i *)(input + 0 * stride));
}
if (fliplr) {
temp[0] = mm_reverse_epi16(temp[0]);
temp[1] = mm_reverse_epi16(temp[1]);
temp[2] = mm_reverse_epi16(temp[2]);
temp[3] = mm_reverse_epi16(temp[3]);
temp[4] = mm_reverse_epi16(temp[4]);
temp[5] = mm_reverse_epi16(temp[5]);
temp[6] = mm_reverse_epi16(temp[6]);
temp[7] = mm_reverse_epi16(temp[7]);
}
in[0] = _mm256_cvtepi16_epi32(temp[0]);
in[1] = _mm256_cvtepi16_epi32(temp[1]);
in[2] = _mm256_cvtepi16_epi32(temp[2]);
in[3] = _mm256_cvtepi16_epi32(temp[3]);
in[4] = _mm256_cvtepi16_epi32(temp[4]);
in[5] = _mm256_cvtepi16_epi32(temp[5]);
in[6] = _mm256_cvtepi16_epi32(temp[6]);
in[7] = _mm256_cvtepi16_epi32(temp[7]);
in[0] = _mm256_slli_epi32(in[0], shift);
in[1] = _mm256_slli_epi32(in[1], shift);
in[2] = _mm256_slli_epi32(in[2], shift);
in[3] = _mm256_slli_epi32(in[3], shift);
in[4] = _mm256_slli_epi32(in[4], shift);
in[5] = _mm256_slli_epi32(in[5], shift);
in[6] = _mm256_slli_epi32(in[6], shift);
in[7] = _mm256_slli_epi32(in[7], shift);
}
static INLINE void load_buffer_16x16(const int16_t *input, __m256i *out,
int stride, int flipud, int fliplr,
int8_t shift) {
__m256i in[32];
// Load 4 8x8 blocks
const int16_t *top_l = input;
const int16_t *top_r = input + 8;
const int16_t *bot_l = input + 8 * stride;
const int16_t *bot_r = input + 8 * stride + 8;
const int16_t *tmp;
if (flipud) {
// Swap left columns
tmp = top_l;
top_l = bot_l;
bot_l = tmp;
// Swap right columns
tmp = top_r;
top_r = bot_r;
bot_r = tmp;
}
if (fliplr) {
// Swap top rows
tmp = top_l;
top_l = top_r;
top_r = tmp;
// Swap bottom rows
tmp = bot_l;
bot_l = bot_r;
bot_r = tmp;
}
// load first 8 columns
load_buffer_8x8(top_l, &in[0], stride, flipud, fliplr, shift);
load_buffer_8x8(bot_l, &in[16], stride, flipud, fliplr, shift);
// load second 8 columns
load_buffer_8x8(top_r, &in[8], stride, flipud, fliplr, shift);
load_buffer_8x8(bot_r, &in[24], stride, flipud, fliplr, shift);
convert_8x8_to_16x16(in, out);
}
static INLINE void write_buffer_16x16(const __m256i *res, int32_t *output) {
int32_t fact = 0, index = 0;
for (int32_t i = 0; i < 8; ++i) {
_mm256_storeu_si256((__m256i *)(output + fact * 16), res[index++]);
_mm256_storeu_si256((__m256i *)(output + fact * 16 + 8), res[index++]);
++fact;
_mm256_storeu_si256((__m256i *)(output + fact * 16), res[index++]);
_mm256_storeu_si256((__m256i *)(output + fact * 16 + 8), res[index++]);
++fact;
}
}
void av1_fwd_txfm2d_16x16_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
__m256i in[32], out[32];
const TX_SIZE tx_size = TX_16X16;
const int8_t *shift = av1_fwd_txfm_shift_ls[tx_size];
const int txw_idx = get_txw_idx(tx_size);
const int txh_idx = get_txh_idx(tx_size);
const int width = tx_size_wide[tx_size];
const int height = tx_size_high[tx_size];
const int width_div8 = (width >> 3);
const int width_div16 = (width >> 4);
const int size = (height << 1);
switch (tx_type) {
case DCT_DCT:
load_buffer_16x16(input, in, stride, 0, 0, shift[0]);
fdct16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
fdct16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case ADST_DCT: load_buffer_16x16(input, in, stride, 0, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
fdct16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case DCT_ADST:
load_buffer_16x16(input, in, stride, 0, 0, shift[0]);
fdct16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case ADST_ADST: load_buffer_16x16(input, in, stride, 0, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case FLIPADST_DCT: load_buffer_16x16(input, in, stride, 1, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
fdct16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case DCT_FLIPADST:
load_buffer_16x16(input, in, stride, 0, 1, shift[0]);
fdct16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case FLIPADST_FLIPADST:
load_buffer_16x16(input, in, stride, 1, 1, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case ADST_FLIPADST: load_buffer_16x16(input, in, stride, 0, 1, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case FLIPADST_ADST: load_buffer_16x16(input, in, stride, 1, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case IDTX:
load_buffer_16x16(input, in, stride, 0, 0, shift[0]);
idtx16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
idtx16_avx2(out, in, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
write_buffer_16x16(in, coeff);
break;
case V_DCT:
load_buffer_16x16(input, in, stride, 0, 0, shift[0]);
fdct16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
idtx16_avx2(out, in, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
write_buffer_16x16(in, coeff);
break;
case H_DCT:
load_buffer_16x16(input, in, stride, 0, 0, shift[0]);
idtx16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
fdct16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case V_ADST: load_buffer_16x16(input, in, stride, 0, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
idtx16_avx2(out, in, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
write_buffer_16x16(in, coeff);
break;
case H_ADST:
load_buffer_16x16(input, in, stride, 0, 0, shift[0]);
idtx16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
case V_FLIPADST: load_buffer_16x16(input, in, stride, 1, 0, shift[0]);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
idtx16_avx2(out, in, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
write_buffer_16x16(in, coeff);
break;
case H_FLIPADST:
load_buffer_16x16(input, in, stride, 0, 1, shift[0]);
idtx16_avx2(in, out, av1_fwd_cos_bit_col[txw_idx][txh_idx], width_div8,
width_div8);
round_shift_32_8xn_avx2(out, size, shift[1], width_div16);
fwd_txfm_transpose_16x16_avx2(out, in);
#if CONFIG_INTER_DDT
if (use_ddt && REPLACE_ADST16)
fddt16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
else
#endif // CONFIG_INTER_DDT
fadst16_avx2(in, out, av1_fwd_cos_bit_row[txw_idx][txh_idx], width_div8,
width_div8);
fwd_txfm_transpose_16x16_avx2(out, in);
write_buffer_16x16(in, coeff);
break;
default: assert(0);
}
(void)bd;
}
static INLINE void fdct32_avx2(__m256i *input, __m256i *output,
const int8_t cos_bit, const int instride,
const int outstride) {
__m256i buf0[32];
__m256i buf1[32];
const int32_t *cospi;
int startidx = 0 * instride;
int endidx = 31 * instride;
// stage 0
// stage 1
buf1[0] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[31] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[1] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[30] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[2] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[29] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[3] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[28] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[4] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[27] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[5] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[26] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[6] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[25] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[7] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[24] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[8] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[23] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[9] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[22] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[10] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[21] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[11] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[20] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[12] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[19] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[13] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[18] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[14] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[17] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
buf1[15] = _mm256_add_epi32(input[startidx], input[endidx]);
buf1[16] = _mm256_sub_epi32(input[startidx], input[endidx]);
// stage 2
cospi = cospi_arr(cos_bit);
buf0[0] = _mm256_add_epi32(buf1[0], buf1[15]);
buf0[15] = _mm256_sub_epi32(buf1[0], buf1[15]);
buf0[1] = _mm256_add_epi32(buf1[1], buf1[14]);
buf0[14] = _mm256_sub_epi32(buf1[1], buf1[14]);
buf0[2] = _mm256_add_epi32(buf1[2], buf1[13]);
buf0[13] = _mm256_sub_epi32(buf1[2], buf1[13]);
buf0[3] = _mm256_add_epi32(buf1[3], buf1[12]);
buf0[12] = _mm256_sub_epi32(buf1[3], buf1[12]);
buf0[4] = _mm256_add_epi32(buf1[4], buf1[11]);
buf0[11] = _mm256_sub_epi32(buf1[4], buf1[11]);
buf0[5] = _mm256_add_epi32(buf1[5], buf1[10]);
buf0[10] = _mm256_sub_epi32(buf1[5], buf1[10]);
buf0[6] = _mm256_add_epi32(buf1[6], buf1[9]);
buf0[9] = _mm256_sub_epi32(buf1[6], buf1[9]);
buf0[7] = _mm256_add_epi32(buf1[7], buf1[8]);
buf0[8] = _mm256_sub_epi32(buf1[7], buf1[8]);
const __m256i round = _mm256_set1_epi32(1 << (cos_bit - 1));
btf_32_avx2_type0_new(-cospi[32], cospi[32], buf1[20], buf1[27], buf0[20],
buf0[27], cos_bit, round);
btf_32_avx2_type0_new(-cospi[32], cospi[32], buf1[21], buf1[26], buf0[21],
buf0[26], cos_bit, round);
btf_32_avx2_type0_new(-cospi[32], cospi[32], buf1[22], buf1[25], buf0[22],
buf0[25], cos_bit, round);
btf_32_avx2_type0_new(-cospi[32], cospi[32], buf1[23], buf1[24], buf0[23],
buf0[24], cos_bit, round);
// stage 3
buf1[0] = _mm256_add_epi32(buf0[0], buf0[7]);
buf1[7] = _mm256_sub_epi32(buf0[0], buf0[7]);
buf1[1] = _mm256_add_epi32(buf0[1], buf0[6]);
buf1[6] = _mm256_sub_epi32(buf0[1], buf0[6]);
buf1[2] = _mm256_add_epi32(buf0[2], buf0[5]);
buf1[5] = _mm256_sub_epi32(buf0[2], buf0[5]);
buf1[3] = _mm256_add_epi32(buf0[3], buf0[4]);
buf1[4] = _mm256_sub_epi32(buf0[3], buf0[4]);
btf_32_avx2_type0_new(-cospi[32], cospi[32], buf0[10], buf0[13], buf1[10],
buf1[13], cos_bit, round);
btf_32_avx2_type0_new(-cospi[32], cospi[32], buf0[11], buf0[12], buf1[11],
buf1[12], cos_bit, round);
buf1[23] = _mm256_sub_epi32(buf1[16], buf0[23]);
buf1[16] = _mm256_add_epi32(buf1[16], buf0[23]);
buf1[22] = _mm256_sub_epi32(buf1[17], buf0[22]);
buf1[17] = _mm256_add_epi32(buf1[17], buf0[22]);
buf1[21] = _mm256_sub_epi32(buf1[18], buf0[21]);
buf1[18] = _mm256_add_epi32(buf1[18], buf0[21]);
buf1[20] = _mm256_sub_epi32(buf1[19], buf0[20]);
buf1[19] = _mm256_add_epi32(buf1[19], buf0[20]);
buf1[24] = _mm256_sub_epi32(buf1[31], buf0[24]);
buf1[31] = _mm256_add_epi32(buf1[31], buf0[24]);
buf1[25] = _mm256_sub_epi32(buf1[30], buf0[25]);
buf1[30] = _mm256_add_epi32(buf1[30], buf0[25]);
buf1[26] = _mm256_sub_epi32(buf1[29], buf0[26]);
buf1[29] = _mm256_add_epi32(buf1[29], buf0[26]);
buf1[27] = _mm256_sub_epi32(buf1[28], buf0[27]);
buf1[28] = _mm256_add_epi32(buf1[28], buf0[27]);
// stage 4
buf0[0] = _mm256_add_epi32(buf1[0], buf1[3]);
buf0[3] = _mm256_sub_epi32(buf1[0], buf1[3]);
buf0[1] = _mm256_add_epi32(buf1[1], buf1[2]);
buf0[2] = _mm256_sub_epi32(buf1[1], buf1[2]);
btf_32_avx2_type0_new(-cospi[32], cospi[32], buf1[5], buf1[6], buf0[5],
buf0[6], cos_bit, round);
buf0[11] = _mm256_sub_epi32(buf0[8], buf1[11]);
buf0[8] = _mm256_add_epi32(buf0[8], buf1[11]);
buf0[10] = _mm256_sub_epi32(buf0[9], buf1[10]);
buf0[9] = _mm256_add_epi32(buf0[9], buf1[10]);
buf0[12] = _mm256_sub_epi32(buf0[15], buf1[12]);
buf0[15] = _mm256_add_epi32(buf0[15], buf1[12]);
buf0[13] = _mm256_sub_epi32(buf0[14], buf1[13]);
buf0[14] = _mm256_add_epi32(buf0[14], buf1[13]);
btf_32_avx2_type0_new(-cospi[16], cospi[48], buf1[18], buf1[29], buf0[18],
buf0[29], cos_bit, round);
btf_32_avx2_type0_new(-cospi[16], cospi[48], buf1[19], buf1[28], buf0[19],
buf0[28], cos_bit, round);
btf_32_avx2_type0_new(-cospi[48], -cospi[16], buf1[20], buf1[27], buf0[20],
buf0[27], cos_bit, round);
btf_32_avx2_type0_new(-cospi[48], -cospi[16], buf1[21], buf1[26], buf0[21],
buf0[26], cos_bit, round);
// stage 5
btf_32_avx2_type0_new(cospi[32], cospi[32], buf0[0], buf0[1], buf1[0],
buf1[1], cos_bit, round);
btf_32_avx2_type0_new(cospi[16], cospi[48], buf0[3], buf0[2], buf1[2],
buf1[3], cos_bit, round);
buf1[5] = _mm256_sub_epi32(buf1[4], buf0[5]);
buf1[4] = _mm256_add_epi32(buf1[4], buf0[5]);
buf1[6] = _mm256_sub_epi32(buf1[7], buf0[6]);
buf1[7] = _mm256_add_epi32(buf1[7], buf0[6]);
btf_32_avx2_type0_new(-cospi[16], cospi[48], buf0[9], buf0[14], buf1[9],
buf1[14], cos_bit, round);
btf_32_avx2_type0_new(-cospi[48], -cospi[16], buf0[10], buf0[13], buf1[10],
buf1[13], cos_bit, round);
buf1[19] = _mm256_sub_epi32(buf1[16], buf0[19]);
buf1[16] = _mm256_add_epi32(buf1[16], buf0[19]);
buf1[18] = _mm256_sub_epi32(buf1[17], buf0[18]);
buf1[17] = _mm256_add_epi32(buf1[17], buf0[18]);
buf1[20] = _mm256_sub_epi32(buf1[23], buf0[20]);
buf1[23] = _mm256_add_epi32(buf1[23], buf0[20]);
buf1[21] = _mm256_sub_epi32(buf1[22], buf0[21]);
buf1[22] = _mm256_add_epi32(buf1[22], buf0[21]);
buf1[27] = _mm256_sub_epi32(buf1[24], buf0[27]);
buf1[24] = _mm256_add_epi32(buf1[24], buf0[27]);
buf1[26] = _mm256_sub_epi32(buf1[25], buf0[26]);
buf1[25] = _mm256_add_epi32(buf1[25], buf0[26]);
buf1[28] = _mm256_sub_epi32(buf1[31], buf0[28]);
buf1[31] = _mm256_add_epi32(buf1[31], buf0[28]);
buf1[29] = _mm256_sub_epi32(buf1[30], buf0[29]);
buf1[30] = _mm256_add_epi32(buf1[30], buf0[29]);
// stage 6
btf_32_avx2_type0_new(cospi[8], cospi[56], buf1[7], buf1[4], buf0[4], buf0[7],
cos_bit, round);
btf_32_avx2_type0_new(cospi[40], cospi[24], buf1[6], buf1[5], buf0[5],
buf0[6], cos_bit, round);
buf0[9] = _mm256_sub_epi32(buf0[8], buf1[9]);
buf0[8] = _mm256_add_epi32(buf0[8], buf1[9]);
buf0[10] = _mm256_sub_epi32(buf0[11], buf1[10]);
buf0[11] = _mm256_add_epi32(buf0[11], buf1[10]);
buf0[13] = _mm256_sub_epi32(buf0[12], buf1[13]);
buf0[12] = _mm256_add_epi32(buf0[12], buf1[13]);
buf0[14] = _mm256_sub_epi32(buf0[15], buf1[14]);
buf0[15] = _mm256_add_epi32(buf0[15], buf1[14]);
btf_32_avx2_type0_new(-cospi[8], cospi[56], buf1[17], buf1[30], buf0[17],
buf0[30], cos_bit, round);
btf_32_avx2_type0_new(-cospi[56], -cospi[8], buf1[18], buf1[29], buf0[18],
buf0[29], cos_bit, round);
btf_32_avx2_type0_new(-cospi[40], cospi[24], buf1[21], buf1[26], buf0[21],
buf0[26], cos_bit, round);
btf_32_avx2_type0_new(-cospi[24], -cospi[40], buf1[22], buf1[25], buf0[22],
buf0[25], cos_bit, round);
// stage 7
btf_32_avx2_type0_new(cospi[4], cospi[60], buf0[15], buf0[8], buf1[8],
buf1[15], cos_bit, round);
btf_32_avx2_type0_new(cospi[36], cospi[28], buf0[14], buf0[9], buf1[9],
buf1[14], cos_bit, round);
btf_32_avx2_type0_new(cospi[20], cospi[44], buf0[13], buf0[10], buf1[10],
buf1[13], cos_bit, round);
btf_32_avx2_type0_new(cospi[52], cospi[12], buf0[12], buf0[11], buf1[11],
buf1[12], cos_bit, round);
buf1[17] = _mm256_sub_epi32(buf1[16], buf0[17]);
buf1[16] = _mm256_add_epi32(buf1[16], buf0[17]);
buf1[18] = _mm256_sub_epi32(buf1[19], buf0[18]);
buf1[19] = _mm256_add_epi32(buf1[19], buf0[18]);
buf1[21] = _mm256_sub_epi32(buf1[20], buf0[21]);
buf1[20] = _mm256_add_epi32(buf1[20], buf0[21]);
buf1[22] = _mm256_sub_epi32(buf1[23], buf0[22]);
buf1[23] = _mm256_add_epi32(buf1[23], buf0[22]);
buf1[25] = _mm256_sub_epi32(buf1[24], buf0[25]);
buf1[24] = _mm256_add_epi32(buf1[24], buf0[25]);
buf1[26] = _mm256_sub_epi32(buf1[27], buf0[26]);
buf1[27] = _mm256_add_epi32(buf1[27], buf0[26]);
buf1[29] = _mm256_sub_epi32(buf1[28], buf0[29]);
buf1[28] = _mm256_add_epi32(buf1[28], buf0[29]);
buf1[30] = _mm256_sub_epi32(buf1[31], buf0[30]);
buf1[31] = _mm256_add_epi32(buf1[31], buf0[30]);
// stage 8
btf_32_avx2_type0_new(cospi[2], cospi[62], buf1[31], buf1[16], buf0[16],
buf0[31], cos_bit, round);
btf_32_avx2_type0_new(cospi[34], cospi[30], buf1[30], buf1[17], buf0[17],
buf0[30], cos_bit, round);
btf_32_avx2_type0_new(cospi[18], cospi[46], buf1[29], buf1[18], buf0[18],
buf0[29], cos_bit, round);
btf_32_avx2_type0_new(cospi[50], cospi[14], buf1[28], buf1[19], buf0[19],
buf0[28], cos_bit, round);
btf_32_avx2_type0_new(cospi[10], cospi[54], buf1[27], buf1[20], buf0[20],
buf0[27], cos_bit, round);
btf_32_avx2_type0_new(cospi[42], cospi[22], buf1[26], buf1[21], buf0[21],
buf0[26], cos_bit, round);
btf_32_avx2_type0_new(cospi[26], cospi[38], buf1[25], buf1[22], buf0[22],
buf0[25], cos_bit, round);
btf_32_avx2_type0_new(cospi[58], cospi[6], buf1[24], buf1[23], buf0[23],
buf0[24], cos_bit, round);
startidx = 0 * outstride;
endidx = 31 * outstride;
// stage 9
output[startidx] = buf1[0];
output[endidx] = buf0[31];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[16];
output[endidx] = buf1[15];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf1[8];
output[endidx] = buf0[23];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[24];
output[endidx] = buf0[7];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[4];
output[endidx] = buf0[27];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[20];
output[endidx] = buf1[11];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf1[12];
output[endidx] = buf0[19];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[28];
output[endidx] = buf1[3];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf1[2];
output[endidx] = buf0[29];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[18];
output[endidx] = buf1[13];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf1[10];
output[endidx] = buf0[21];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[26];
output[endidx] = buf0[5];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[6];
output[endidx] = buf0[25];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[22];
output[endidx] = buf1[9];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf1[14];
output[endidx] = buf0[17];
startidx += outstride;
endidx -= outstride;
output[startidx] = buf0[30];
output[endidx] = buf1[1];
}
static INLINE void idtx32x32_avx2(__m256i *input, __m256i *output,
const int8_t cos_bit, int instride,
int outstride) {
(void)cos_bit;
for (int i = 0; i < 32; i += 8) {
output[i * outstride] = _mm256_slli_epi32(input[i * instride], 2);
output[(i + 1) * outstride] =
_mm256_slli_epi32(input[(i + 1) * instride], 2);
output[(i + 2) * outstride] =
_mm256_slli_epi32(input[(i + 2) * instride], 2);
output[(i + 3) * outstride] =
_mm256_slli_epi32(input[(i + 3) * instride], 2);
output[(i + 4) * outstride] =
_mm256_slli_epi32(input[(i + 4) * instride], 2);
output[(i + 5) * outstride] =
_mm256_slli_epi32(input[(i + 5) * instride], 2);
output[(i + 6) * outstride] =
_mm256_slli_epi32(input[(i + 6) * instride], 2);
output[(i + 7) * outstride] =
_mm256_slli_epi32(input[(i + 7) * instride], 2);
}
}
static INLINE void idtx32_avx2(__m256i *input, __m256i *output, int8_t cos_bit,
int32_t col_num, int32_t col) {
(void)cos_bit;
(void)col;
for (int32_t i = 0; i < 32; i++)
output[i * col_num] = _mm256_slli_epi32(input[i * col_num], 2);
}
static const transform_1d_avx2 highbd_txfm8_arr[TX_TYPES_1D] = {
fdct8_avx2, // DCT_1D
fadst8_avx2, // ADST_1D
fadst8_avx2, // FLIPADST_1D
idtx8_avx2, // IDTX_1D
#if CONFIG_INTER_DDT
fddt8_avx2, // DDT_1D
#endif // CONFIG_INTER_DDT
};
static const transform_1d_avx2 highbd_txfm16_arr[TX_TYPES_1D] = {
fdct16_avx2, // DCT_1D
fadst16_avx2, // ADST_1D
fadst16_avx2, // FLIPADST_1D
idtx16_avx2, // IDTX_1D
#if CONFIG_INTER_DDT
fddt16_avx2, // DDT_1D
#endif // CONFIG_INTER_DDT
};
static const transform_1d_avx2 highbd_txfm32_arr[TX_TYPES_1D] = {
fdct32_avx2, // DCT_1D
NULL, // ADST_1D
NULL, // FLIPADST_1D
idtx32_avx2, // IDTX_1D
#if CONFIG_INTER_DDT
NULL, // DDT_1D
#endif // CONFIG_INTER_DDT
};
static const transform_1d_avx2 col_txfm8x32_arr[TX_TYPES] = {
fdct32_avx2, // DCT_DCT
NULL, // ADST_DCT
NULL, // DCT_ADST
NULL, // ADST_ADST
NULL, // FLIPADST_DCT
NULL, // DCT_FLIPADST
NULL, // FLIPADST_FLIPADST
NULL, // ADST_FLIPADST
NULL, // FLIPADST_ADST
idtx32x32_avx2, // IDTX
NULL, // V_DCT
NULL, // H_DCT
NULL, // V_ADST
NULL, // H_ADST
NULL, // V_FLIPADST
NULL, // H_FLIPADST
};
static const transform_1d_avx2 row_txfm8x32_arr[TX_TYPES] = {
fdct32_avx2, // DCT_DCT
NULL, // ADST_DCT
NULL, // DCT_ADST
NULL, // ADST_ADST
NULL, // FLIPADST_DCT
NULL, // DCT_FLIPADST
NULL, // FLIPADST_FLIPADST
NULL, // ADST_FLIPADST
NULL, // FLIPADST_ADST
idtx32x32_avx2, // IDTX
NULL, // V_DCT
NULL, // H_DCT
NULL, // V_ADST
NULL, // H_ADST
NULL, // V_FLIPADST
NULL, // H_FLIPADST
};
static INLINE void round_shift_32_64xn_avx2(__m256i *in, int size, int8_t bit,
int width) {
if (bit < 0) {
bit = -bit;
const __m256i round = _mm256_set1_epi32(1 << (bit - 1));
for (int i = 0; i < size; ++i) {
const int idx = (i * width);
in[idx] = _mm256_add_epi32(in[idx], round);
in[idx] = _mm256_srai_epi32(in[idx], bit);
in[idx + 1] = _mm256_add_epi32(in[idx + 1], round);
in[idx + 1] = _mm256_srai_epi32(in[idx + 1], bit);
in[idx + 2] = _mm256_add_epi32(in[idx + 2], round);
in[idx + 2] = _mm256_srai_epi32(in[idx + 2], bit);
in[idx + 3] = _mm256_add_epi32(in[idx + 3], round);
in[idx + 3] = _mm256_srai_epi32(in[idx + 3], bit);
}
} else if (bit > 0) {
for (int i = 0; i < size; ++i) {
const int idx = (i * width);
in[idx] = _mm256_slli_epi32(in[idx], bit);
in[idx + 1] = _mm256_slli_epi32(in[idx + 1], bit);
in[idx + 2] = _mm256_slli_epi32(in[idx + 2], bit);
in[idx + 3] = _mm256_slli_epi32(in[idx + 3], bit);
}
}
}
static INLINE void load_buffer_32xn_avx2(const int16_t *input, __m256i *in,
int stride, int8_t shift) {
in[0] = _mm256_cvtepi16_epi32(
_mm_loadu_si128((const __m128i *)(input + 0 * stride)));
in[1] = _mm256_cvtepi16_epi32(
_mm_loadu_si128((const __m128i *)(input + 1 * stride)));
in[2] = _mm256_cvtepi16_epi32(
_mm_loadu_si128((const __m128i *)(input + 2 * stride)));
in[3] = _mm256_cvtepi16_epi32(
_mm_loadu_si128((const __m128i *)(input + 3 * stride)));
in[0] = _mm256_slli_epi32(in[0], shift);
in[1] = _mm256_slli_epi32(in[1], shift);
in[2] = _mm256_slli_epi32(in[2], shift);
in[3] = _mm256_slli_epi32(in[3], shift);
}
void av1_fwd_txfm2d_32x32_avx2(const int16_t *input, int32_t *output,
int stride, TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
#if CONFIG_INTER_DDT
(void)use_ddt;
#endif // CONFIG_INTER_DDT
__m256i buf0[128], buf1[128];
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_32X32];
const int txw_idx = get_txw_idx(TX_32X32);
const int txh_idx = get_txh_idx(TX_32X32);
const int8_t cos_bit_col = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t cos_bit_row = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int width = tx_size_wide[TX_32X32];
const int height = tx_size_high[TX_32X32];
const transform_1d_avx2 col_txfm = col_txfm8x32_arr[tx_type];
const transform_1d_avx2 row_txfm = row_txfm8x32_arr[tx_type];
const int width_div16 = width >> 4;
const int width_div8 = width >> 3;
// column transform
for (int i = 0; i < height; ++i)
load_buffer_32xn_avx2(input + i * stride, buf0 + i * 4, 8, shift[0]);
for (int i = 0; i < width_div16; ++i) {
col_txfm(&buf0[i << 1], &buf0[i << 1], cos_bit_col, width_div8, width_div8);
col_txfm(&buf0[(i << 1) + 1], &buf0[(i << 1) + 1], cos_bit_col, width_div8,
width_div8);
}
round_shift_32_64xn_avx2(&buf0[0], height, shift[1], width_div8);
for (int r = 0; r < height; r += 8) {
for (int c = 0; c < width_div8; ++c) {
fwd_txfm_transpose_8x8_avx2(&buf0[r * width_div8 + c],
&buf1[c * 8 * width_div8 + (r >> 3)],
width_div8, width_div8);
}
}
// row transform
for (int i = 0; i < width_div16; ++i) {
row_txfm(&buf1[i << 1], &buf1[i << 1], cos_bit_row, width_div8, width_div8);
row_txfm(&buf1[(i << 1) + 1], &buf1[(i << 1) + 1], cos_bit_row, width_div8,
width_div8);
}
round_shift_32_64xn_avx2(&buf1[0], height, shift[2], width_div8);
for (int r = 0; r < height; r += 8) {
for (int c = 0; c < width_div8; ++c) {
fwd_txfm_transpose_8x8_avx2(&buf1[r * width_div8 + c],
&buf0[c * 8 * width_div8 + (r >> 3)],
width_div8, width_div8);
}
}
store_buffer_avx2(buf0, output, 8, 128);
}
static INLINE void load_buffer_32x8n(const int16_t *input, __m256i *out,
int stride, int flipud, int fliplr,
int8_t shift, int height) {
(void)fliplr;
if (flipud) {
for (int32_t col = 0; col < height; ++col) {
const int16_t *in = input + (height - 1 - col) * stride;
__m256i *output = out + col * 4;
load_buffer_32xn_avx2(in, output, 8, shift);
}
} else {
for (int32_t col = 0; col < height; ++col) {
const int16_t *in = input + col * stride;
__m256i *output = out + col * 4;
load_buffer_32xn_avx2(in, output, 8, shift);
}
}
}
static INLINE void col_txfm_16x16_rounding(__m256i *in, int8_t shift) {
col_txfm_8x8_rounding(&in[0], shift);
col_txfm_8x8_rounding(&in[8], shift);
col_txfm_8x8_rounding(&in[16], shift);
col_txfm_8x8_rounding(&in[24], shift);
}
static INLINE void transpose_8nx8n(const __m256i *input, __m256i *output,
int width, int height) {
const int32_t numcol = height >> 3;
const int32_t numrow = width >> 3;
__m256i out1[8];
for (int32_t j = 0; j < numrow; ++j) {
for (int32_t i = 0; i < numcol; ++i) {
TRANSPOSE_4X4_AVX2(input[i * width + j + (numrow * 0)],
input[i * width + j + (numrow * 1)],
input[i * width + j + (numrow * 2)],
input[i * width + j + (numrow * 3)], out1[0], out1[1],
out1[4], out1[5]);
TRANSPOSE_4X4_AVX2(input[i * width + j + (numrow * 4)],
input[i * width + j + (numrow * 5)],
input[i * width + j + (numrow * 6)],
input[i * width + j + (numrow * 7)], out1[2], out1[3],
out1[6], out1[7]);
output[j * height + i + (numcol * 0)] =
_mm256_permute2x128_si256(out1[0], out1[2], 0x20);
output[j * height + i + (numcol * 1)] =
_mm256_permute2x128_si256(out1[1], out1[3], 0x20);
output[j * height + i + (numcol * 2)] =
_mm256_permute2x128_si256(out1[4], out1[6], 0x20);
output[j * height + i + (numcol * 3)] =
_mm256_permute2x128_si256(out1[5], out1[7], 0x20);
output[j * height + i + (numcol * 4)] =
_mm256_permute2x128_si256(out1[0], out1[2], 0x31);
output[j * height + i + (numcol * 5)] =
_mm256_permute2x128_si256(out1[1], out1[3], 0x31);
output[j * height + i + (numcol * 6)] =
_mm256_permute2x128_si256(out1[4], out1[6], 0x31);
output[j * height + i + (numcol * 7)] =
_mm256_permute2x128_si256(out1[5], out1[7], 0x31);
}
}
}
void av1_fwd_txfm2d_32x16_avx2(const int16_t *input, int32_t *coeff, int stride,
const TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
__m256i in[64];
__m256i *outcoef128 = (__m256i *)coeff;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_32X16];
const int txw_idx = get_txw_idx(TX_32X16);
const int txh_idx = get_txh_idx(TX_32X16);
#if CONFIG_INTER_DDT
const transform_1d_avx2 col_txfm =
(use_ddt && REPLACE_ADST16 &&
(vtx_tab[tx_type] == ADST_1D || vtx_tab[tx_type] == FLIPADST_1D))
? highbd_txfm16_arr[DDT_1D]
: highbd_txfm16_arr[vtx_tab[tx_type]];
#else
const transform_1d_avx2 col_txfm = highbd_txfm16_arr[vtx_tab[tx_type]];
#endif // CONFIG_INTER_DDT
const transform_1d_avx2 row_txfm = highbd_txfm32_arr[htx_tab[tx_type]];
const int8_t bitcol = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t bitrow = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int txfm_size_col = tx_size_wide[TX_32X16];
const int txfm_size_row = tx_size_high[TX_32X16];
const int num_row = txfm_size_row >> 3;
const int num_col = txfm_size_col >> 3;
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
// column transform
load_buffer_32x8n(input, in, stride, ud_flip, lr_flip, shift[0],
txfm_size_row);
col_txfm(in, in, bitcol, num_col, num_col);
col_txfm_16x16_rounding(&in[0], -shift[1]);
col_txfm_16x16_rounding(&in[32], -shift[1]);
transpose_8nx8n(in, outcoef128, txfm_size_col, txfm_size_row);
// row transform
for (int i = 0; i < num_row; ++i)
row_txfm(outcoef128 + i, in + i, bitrow, num_row, num_row);
transpose_8nx8n(in, outcoef128, txfm_size_row, txfm_size_col);
av1_round_shift_rect_array_32_avx2(outcoef128, outcoef128, 64, -shift[2],
NewSqrt2);
}
void av1_fwd_txfm2d_16x32_avx2(const int16_t *input, int32_t *coeff, int stride,
const TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
__m256i in[64];
__m256i *outcoef256 = (__m256i *)coeff;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_16X32];
const int txw_idx = get_txw_idx(TX_16X32);
const int txh_idx = get_txh_idx(TX_16X32);
const int8_t cos_bit_col = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t cos_bit_row = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int txfm_size_col = tx_size_wide[TX_16X32];
const int txfm_size_row = tx_size_high[TX_16X32];
const transform_1d_avx2 col_txfm = highbd_txfm32_arr[vtx_tab[tx_type]];
#if CONFIG_INTER_DDT
const transform_1d_avx2 row_txfm =
(use_ddt && REPLACE_ADST16 &&
(htx_tab[tx_type] == ADST_1D || htx_tab[tx_type] == FLIPADST_1D))
? highbd_txfm16_arr[DDT_1D]
: highbd_txfm16_arr[htx_tab[tx_type]];
#else
const transform_1d_avx2 row_txfm = highbd_txfm16_arr[htx_tab[tx_type]];
#endif // CONFIG_INTER_DDT
const int width_div8 = (txfm_size_col >> 3);
const int height_div8 = (txfm_size_row >> 3);
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
// column transform
load_buffer_16x16(input, in, stride, ud_flip, lr_flip, shift[0]);
load_buffer_16x16(input + 16 * stride, in + 32, stride, ud_flip, lr_flip,
shift[0]);
col_txfm(&in[0], &in[0], cos_bit_col, width_div8, width_div8);
col_txfm(&in[1], &in[1], cos_bit_col, width_div8, width_div8);
col_txfm_16x16_rounding(&in[0], -shift[1]);
col_txfm_16x16_rounding(&in[32], -shift[1]);
transpose_8nx8n(in, outcoef256, txfm_size_col, txfm_size_row);
// row transform
row_txfm(outcoef256, in, cos_bit_row, height_div8, height_div8);
transpose_8nx8n(in, outcoef256, txfm_size_row, txfm_size_col);
av1_round_shift_rect_array_32_avx2(outcoef256, outcoef256, 64, -shift[2],
NewSqrt2);
}
void av1_fwd_txfm2d_32x8_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
__m256i in[32];
__m256i *outcoef256 = (__m256i *)coeff;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_32X8];
const int txw_idx = get_txw_idx(TX_32X8);
const int txh_idx = get_txh_idx(TX_32X8);
#if CONFIG_INTER_DDT
const transform_1d_avx2 col_txfm =
(use_ddt && REPLACE_ADST16 &&
(vtx_tab[tx_type] == ADST_1D || vtx_tab[tx_type] == FLIPADST_1D))
? highbd_txfm8_arr[DDT_1D]
: highbd_txfm8_arr[vtx_tab[tx_type]];
#else
const transform_1d_avx2 col_txfm = highbd_txfm8_arr[vtx_tab[tx_type]];
#endif // CONFIG_INTER_DDT
const transform_1d_avx2 row_txfm = highbd_txfm32_arr[htx_tab[tx_type]];
const int8_t bitcol = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t bitrow = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int txfm_size_col = tx_size_wide[TX_32X8];
const int txfm_size_row = tx_size_high[TX_32X8];
const int num_row = txfm_size_row >> 3;
const int num_col = txfm_size_col >> 3;
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
// column transform
load_buffer_32x8n(input, in, stride, ud_flip, lr_flip, shift[0],
txfm_size_row);
col_txfm(in, in, bitcol, num_col, num_col);
col_txfm_16x16_rounding(&in[0], -shift[1]);
transpose_8nx8n(in, outcoef256, txfm_size_col, txfm_size_row);
// row transform
for (int i = 0; i < num_row; ++i)
row_txfm(outcoef256 + i, in + i, bitrow, num_row, num_row);
transpose_8nx8n(in, outcoef256, txfm_size_row, txfm_size_col);
}
void av1_fwd_txfm2d_8x32_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
__m256i in[32];
__m256i *outcoef256 = (__m256i *)coeff;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_8X32];
const int txw_idx = get_txw_idx(TX_8X32);
const int txh_idx = get_txh_idx(TX_8X32);
const transform_1d_avx2 col_txfm = highbd_txfm32_arr[vtx_tab[tx_type]];
#if CONFIG_INTER_DDT
const transform_1d_avx2 row_txfm =
(use_ddt && REPLACE_ADST8 &&
(htx_tab[tx_type] == ADST_1D || htx_tab[tx_type] == FLIPADST_1D))
? highbd_txfm8_arr[DDT_1D]
: highbd_txfm8_arr[htx_tab[tx_type]];
#else
const transform_1d_avx2 row_txfm = highbd_txfm8_arr[htx_tab[tx_type]];
#endif // CONFIG_INTER_DDT
const int txfm_size_col = tx_size_wide[TX_8X32];
const int txfm_size_row = tx_size_high[TX_8X32];
const int8_t bitcol = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t bitrow = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int num_row = txfm_size_row >> 3;
const int num_col = txfm_size_col >> 3;
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
// column transform
load_buffer_8x16_avx2(input, in, stride, ud_flip, lr_flip, shift[0]);
load_buffer_8x16_avx2(input + (txfm_size_row >> 1) * stride, in + 16, stride,
ud_flip, lr_flip, shift[0]);
col_txfm(in, in, bitcol, num_col, num_col);
col_txfm_16x16_rounding(in, -shift[1]);
transpose_8nx8n(in, outcoef256, txfm_size_col, txfm_size_row);
// row transform
row_txfm(outcoef256, in, bitrow, num_row, num_row);
transpose_8nx8n(in, outcoef256, txfm_size_row, txfm_size_col);
}
static INLINE void fdct64_stage2_avx2(__m256i *x1, __m256i *x2,
__m256i *cospi_m32, __m256i *cospi_p32,
const __m256i *__rounding,
int8_t cos_bit) {
x2[0] = _mm256_add_epi32(x1[0], x1[31]);
x2[31] = _mm256_sub_epi32(x1[0], x1[31]);
x2[1] = _mm256_add_epi32(x1[1], x1[30]);
x2[30] = _mm256_sub_epi32(x1[1], x1[30]);
x2[2] = _mm256_add_epi32(x1[2], x1[29]);
x2[29] = _mm256_sub_epi32(x1[2], x1[29]);
x2[3] = _mm256_add_epi32(x1[3], x1[28]);
x2[28] = _mm256_sub_epi32(x1[3], x1[28]);
x2[4] = _mm256_add_epi32(x1[4], x1[27]);
x2[27] = _mm256_sub_epi32(x1[4], x1[27]);
x2[5] = _mm256_add_epi32(x1[5], x1[26]);
x2[26] = _mm256_sub_epi32(x1[5], x1[26]);
x2[6] = _mm256_add_epi32(x1[6], x1[25]);
x2[25] = _mm256_sub_epi32(x1[6], x1[25]);
x2[7] = _mm256_add_epi32(x1[7], x1[24]);
x2[24] = _mm256_sub_epi32(x1[7], x1[24]);
x2[8] = _mm256_add_epi32(x1[8], x1[23]);
x2[23] = _mm256_sub_epi32(x1[8], x1[23]);
x2[9] = _mm256_add_epi32(x1[9], x1[22]);
x2[22] = _mm256_sub_epi32(x1[9], x1[22]);
x2[10] = _mm256_add_epi32(x1[10], x1[21]);
x2[21] = _mm256_sub_epi32(x1[10], x1[21]);
x2[11] = _mm256_add_epi32(x1[11], x1[20]);
x2[20] = _mm256_sub_epi32(x1[11], x1[20]);
x2[12] = _mm256_add_epi32(x1[12], x1[19]);
x2[19] = _mm256_sub_epi32(x1[12], x1[19]);
x2[13] = _mm256_add_epi32(x1[13], x1[18]);
x2[18] = _mm256_sub_epi32(x1[13], x1[18]);
x2[14] = _mm256_add_epi32(x1[14], x1[17]);
x2[17] = _mm256_sub_epi32(x1[14], x1[17]);
x2[15] = _mm256_add_epi32(x1[15], x1[16]);
x2[16] = _mm256_sub_epi32(x1[15], x1[16]);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x1[40], x1[55], x2[40], x2[55],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x1[41], x1[54], x2[41], x2[54],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x1[42], x1[53], x2[42], x2[53],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x1[43], x1[52], x2[43], x2[52],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x1[44], x1[51], x2[44], x2[51],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x1[45], x1[50], x2[45], x2[50],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x1[46], x1[49], x2[46], x2[49],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x1[47], x1[48], x2[47], x2[48],
*__rounding, cos_bit);
}
static INLINE void fdct64_stage3_avx2(__m256i *x2, __m256i *x3,
__m256i *cospi_m32, __m256i *cospi_p32,
const __m256i *__rounding,
int8_t cos_bit) {
x3[0] = _mm256_add_epi32(x2[0], x2[15]);
x3[15] = _mm256_sub_epi32(x2[0], x2[15]);
x3[1] = _mm256_add_epi32(x2[1], x2[14]);
x3[14] = _mm256_sub_epi32(x2[1], x2[14]);
x3[2] = _mm256_add_epi32(x2[2], x2[13]);
x3[13] = _mm256_sub_epi32(x2[2], x2[13]);
x3[3] = _mm256_add_epi32(x2[3], x2[12]);
x3[12] = _mm256_sub_epi32(x2[3], x2[12]);
x3[4] = _mm256_add_epi32(x2[4], x2[11]);
x3[11] = _mm256_sub_epi32(x2[4], x2[11]);
x3[5] = _mm256_add_epi32(x2[5], x2[10]);
x3[10] = _mm256_sub_epi32(x2[5], x2[10]);
x3[6] = _mm256_add_epi32(x2[6], x2[9]);
x3[9] = _mm256_sub_epi32(x2[6], x2[9]);
x3[7] = _mm256_add_epi32(x2[7], x2[8]);
x3[8] = _mm256_sub_epi32(x2[7], x2[8]);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x2[20], x2[27], x3[20], x3[27],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x2[21], x2[26], x3[21], x3[26],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x2[22], x2[25], x3[22], x3[25],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x2[23], x2[24], x3[23], x3[24],
*__rounding, cos_bit);
x3[47] = _mm256_sub_epi32(x3[32], x2[47]);
x3[32] = _mm256_add_epi32(x3[32], x2[47]);
x3[46] = _mm256_sub_epi32(x3[33], x2[46]);
x3[33] = _mm256_add_epi32(x3[33], x2[46]);
x3[45] = _mm256_sub_epi32(x3[34], x2[45]);
x3[34] = _mm256_add_epi32(x3[34], x2[45]);
x3[44] = _mm256_sub_epi32(x3[35], x2[44]);
x3[35] = _mm256_add_epi32(x3[35], x2[44]);
x3[43] = _mm256_sub_epi32(x3[36], x2[43]);
x3[36] = _mm256_add_epi32(x3[36], x2[43]);
x3[42] = _mm256_sub_epi32(x3[37], x2[42]);
x3[37] = _mm256_add_epi32(x3[37], x2[42]);
x3[41] = _mm256_sub_epi32(x3[38], x2[41]);
x3[38] = _mm256_add_epi32(x3[38], x2[41]);
x3[40] = _mm256_sub_epi32(x3[39], x2[40]);
x3[39] = _mm256_add_epi32(x3[39], x2[40]);
x3[48] = _mm256_sub_epi32(x3[63], x2[48]);
x3[63] = _mm256_add_epi32(x3[63], x2[48]);
x3[49] = _mm256_sub_epi32(x3[62], x2[49]);
x3[62] = _mm256_add_epi32(x3[62], x2[49]);
x3[50] = _mm256_sub_epi32(x3[61], x2[50]);
x3[61] = _mm256_add_epi32(x3[61], x2[50]);
x3[51] = _mm256_sub_epi32(x3[60], x2[51]);
x3[60] = _mm256_add_epi32(x3[60], x2[51]);
x3[52] = _mm256_sub_epi32(x3[59], x2[52]);
x3[59] = _mm256_add_epi32(x3[59], x2[52]);
x3[53] = _mm256_sub_epi32(x3[58], x2[53]);
x3[58] = _mm256_add_epi32(x3[58], x2[53]);
x3[54] = _mm256_sub_epi32(x3[57], x2[54]);
x3[57] = _mm256_add_epi32(x3[57], x2[54]);
x3[55] = _mm256_sub_epi32(x3[56], x2[55]);
x3[56] = _mm256_add_epi32(x3[56], x2[55]);
}
static INLINE void fdct64_stage4_avx2(__m256i *x3, __m256i *x4,
__m256i *cospi_m32, __m256i *cospi_p32,
__m256i *cospi_m16, __m256i *cospi_p48,
__m256i *cospi_m48,
const __m256i *__rounding,
int8_t cos_bit) {
x4[0] = _mm256_add_epi32(x3[0], x3[7]);
x4[7] = _mm256_sub_epi32(x3[0], x3[7]);
x4[1] = _mm256_add_epi32(x3[1], x3[6]);
x4[6] = _mm256_sub_epi32(x3[1], x3[6]);
x4[2] = _mm256_add_epi32(x3[2], x3[5]);
x4[5] = _mm256_sub_epi32(x3[2], x3[5]);
x4[3] = _mm256_add_epi32(x3[3], x3[4]);
x4[4] = _mm256_sub_epi32(x3[3], x3[4]);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x3[10], x3[13], x4[10], x4[13],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x3[11], x3[12], x4[11], x4[12],
*__rounding, cos_bit);
x4[23] = _mm256_sub_epi32(x4[16], x3[23]);
x4[16] = _mm256_add_epi32(x4[16], x3[23]);
x4[22] = _mm256_sub_epi32(x4[17], x3[22]);
x4[17] = _mm256_add_epi32(x4[17], x3[22]);
x4[21] = _mm256_sub_epi32(x4[18], x3[21]);
x4[18] = _mm256_add_epi32(x4[18], x3[21]);
x4[20] = _mm256_sub_epi32(x4[19], x3[20]);
x4[19] = _mm256_add_epi32(x4[19], x3[20]);
x4[24] = _mm256_sub_epi32(x4[31], x3[24]);
x4[31] = _mm256_add_epi32(x4[31], x3[24]);
x4[25] = _mm256_sub_epi32(x4[30], x3[25]);
x4[30] = _mm256_add_epi32(x4[30], x3[25]);
x4[26] = _mm256_sub_epi32(x4[29], x3[26]);
x4[29] = _mm256_add_epi32(x4[29], x3[26]);
x4[27] = _mm256_sub_epi32(x4[28], x3[27]);
x4[28] = _mm256_add_epi32(x4[28], x3[27]);
btf_32_type0_avx2_new(*cospi_m16, *cospi_p48, x3[36], x3[59], x4[36], x4[59],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m16, *cospi_p48, x3[37], x3[58], x4[37], x4[58],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m16, *cospi_p48, x3[38], x3[57], x4[38], x4[57],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m16, *cospi_p48, x3[39], x3[56], x4[39], x4[56],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m48, *cospi_m16, x3[40], x3[55], x4[40], x4[55],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m48, *cospi_m16, x3[41], x3[54], x4[41], x4[54],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m48, *cospi_m16, x3[42], x3[53], x4[42], x4[53],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m48, *cospi_m16, x3[43], x3[52], x4[43], x4[52],
*__rounding, cos_bit);
}
static INLINE void fdct64_stage5_avx2(__m256i *x4, __m256i *x5,
__m256i *cospi_m32, __m256i *cospi_p32,
__m256i *cospi_m16, __m256i *cospi_p48,
__m256i *cospi_m48,
const __m256i *__rounding,
int8_t cos_bit) {
x5[0] = _mm256_add_epi32(x4[0], x4[3]);
x5[3] = _mm256_sub_epi32(x4[0], x4[3]);
x5[1] = _mm256_add_epi32(x4[1], x4[2]);
x5[2] = _mm256_sub_epi32(x4[1], x4[2]);
btf_32_type0_avx2_new(*cospi_m32, *cospi_p32, x4[5], x4[6], x5[5], x5[6],
*__rounding, cos_bit);
x5[11] = _mm256_sub_epi32(x5[8], x4[11]);
x5[8] = _mm256_add_epi32(x5[8], x4[11]);
x5[10] = _mm256_sub_epi32(x5[9], x4[10]);
x5[9] = _mm256_add_epi32(x5[9], x4[10]);
x5[12] = _mm256_sub_epi32(x5[15], x4[12]);
x5[15] = _mm256_add_epi32(x5[15], x4[12]);
x5[13] = _mm256_sub_epi32(x5[14], x4[13]);
x5[14] = _mm256_add_epi32(x5[14], x4[13]);
btf_32_type0_avx2_new(*cospi_m16, *cospi_p48, x4[18], x4[29], x5[18], x5[29],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m16, *cospi_p48, x4[19], x4[28], x5[19], x5[28],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m48, *cospi_m16, x4[20], x4[27], x5[20], x5[27],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m48, *cospi_m16, x4[21], x4[26], x5[21], x5[26],
*__rounding, cos_bit);
x5[39] = _mm256_sub_epi32(x5[32], x4[39]);
x5[32] = _mm256_add_epi32(x5[32], x4[39]);
x5[38] = _mm256_sub_epi32(x5[33], x4[38]);
x5[33] = _mm256_add_epi32(x5[33], x4[38]);
x5[37] = _mm256_sub_epi32(x5[34], x4[37]);
x5[34] = _mm256_add_epi32(x5[34], x4[37]);
x5[36] = _mm256_sub_epi32(x5[35], x4[36]);
x5[35] = _mm256_add_epi32(x5[35], x4[36]);
x5[40] = _mm256_sub_epi32(x5[47], x4[40]);
x5[47] = _mm256_add_epi32(x5[47], x4[40]);
x5[41] = _mm256_sub_epi32(x5[46], x4[41]);
x5[46] = _mm256_add_epi32(x5[46], x4[41]);
x5[42] = _mm256_sub_epi32(x5[45], x4[42]);
x5[45] = _mm256_add_epi32(x5[45], x4[42]);
x5[43] = _mm256_sub_epi32(x5[44], x4[43]);
x5[44] = _mm256_add_epi32(x5[44], x4[43]);
x5[55] = _mm256_sub_epi32(x5[48], x4[55]);
x5[48] = _mm256_add_epi32(x5[48], x4[55]);
x5[54] = _mm256_sub_epi32(x5[49], x4[54]);
x5[49] = _mm256_add_epi32(x5[49], x4[54]);
x5[53] = _mm256_sub_epi32(x5[50], x4[53]);
x5[50] = _mm256_add_epi32(x5[50], x4[53]);
x5[52] = _mm256_sub_epi32(x5[51], x4[52]);
x5[51] = _mm256_add_epi32(x5[51], x4[52]);
x5[56] = _mm256_sub_epi32(x5[63], x4[56]);
x5[63] = _mm256_add_epi32(x5[63], x4[56]);
x5[57] = _mm256_sub_epi32(x5[62], x4[57]);
x5[62] = _mm256_add_epi32(x5[62], x4[57]);
x5[58] = _mm256_sub_epi32(x5[61], x4[58]);
x5[61] = _mm256_add_epi32(x5[61], x4[58]);
x5[59] = _mm256_sub_epi32(x5[60], x4[59]);
x5[60] = _mm256_add_epi32(x5[60], x4[59]);
}
static INLINE void fdct64_stage6_avx2(
__m256i *x5, __m256i *x6, __m256i *cospi_p16, __m256i *cospi_p32,
__m256i *cospi_m16, __m256i *cospi_p48, __m256i *cospi_m48,
__m256i *cospi_m08, __m256i *cospi_p56, __m256i *cospi_m56,
__m256i *cospi_m40, __m256i *cospi_p24, __m256i *cospi_m24,
const __m256i *__rounding, int8_t cos_bit) {
btf_32_type0_avx2_new(*cospi_p32, *cospi_p32, x5[0], x5[1], x6[0], x6[1],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_p16, *cospi_p48, x5[3], x5[2], x6[2], x6[3],
*__rounding, cos_bit);
x6[5] = _mm256_sub_epi32(x6[4], x5[5]);
x6[4] = _mm256_add_epi32(x6[4], x5[5]);
x6[6] = _mm256_sub_epi32(x6[7], x5[6]);
x6[7] = _mm256_add_epi32(x6[7], x5[6]);
btf_32_type0_avx2_new(*cospi_m16, *cospi_p48, x5[9], x5[14], x6[9], x6[14],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m48, *cospi_m16, x5[10], x5[13], x6[10], x6[13],
*__rounding, cos_bit);
x6[19] = _mm256_sub_epi32(x6[16], x5[19]);
x6[16] = _mm256_add_epi32(x6[16], x5[19]);
x6[18] = _mm256_sub_epi32(x6[17], x5[18]);
x6[17] = _mm256_add_epi32(x6[17], x5[18]);
x6[20] = _mm256_sub_epi32(x6[23], x5[20]);
x6[23] = _mm256_add_epi32(x6[23], x5[20]);
x6[21] = _mm256_sub_epi32(x6[22], x5[21]);
x6[22] = _mm256_add_epi32(x6[22], x5[21]);
x6[27] = _mm256_sub_epi32(x6[24], x5[27]);
x6[24] = _mm256_add_epi32(x6[24], x5[27]);
x6[26] = _mm256_sub_epi32(x6[25], x5[26]);
x6[25] = _mm256_add_epi32(x6[25], x5[26]);
x6[28] = _mm256_sub_epi32(x6[31], x5[28]);
x6[31] = _mm256_add_epi32(x6[31], x5[28]);
x6[29] = _mm256_sub_epi32(x6[30], x5[29]);
x6[30] = _mm256_add_epi32(x6[30], x5[29]);
btf_32_type0_avx2_new(*cospi_m08, *cospi_p56, x5[34], x5[61], x6[34], x6[61],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m08, *cospi_p56, x5[35], x5[60], x6[35], x6[60],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m56, *cospi_m08, x5[36], x5[59], x6[36], x6[59],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m56, *cospi_m08, x5[37], x5[58], x6[37], x6[58],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m40, *cospi_p24, x5[42], x5[53], x6[42], x6[53],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m40, *cospi_p24, x5[43], x5[52], x6[43], x6[52],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m24, *cospi_m40, x5[44], x5[51], x6[44], x6[51],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m24, *cospi_m40, x5[45], x5[50], x6[45], x6[50],
*__rounding, cos_bit);
}
static INLINE void fdct64_stage7_avx2(__m256i *x6, __m256i *x7,
__m256i *cospi_p08, __m256i *cospi_p56,
__m256i *cospi_p40, __m256i *cospi_p24,
__m256i *cospi_m08, __m256i *cospi_m56,
__m256i *cospi_m40, __m256i *cospi_m24,
const __m256i *__rounding,
int8_t cos_bit) {
btf_32_type0_avx2_new(*cospi_p08, *cospi_p56, x6[7], x6[4], x7[4], x7[7],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_p40, *cospi_p24, x6[6], x6[5], x7[5], x7[6],
*__rounding, cos_bit);
x7[9] = _mm256_sub_epi32(x7[8], x6[9]);
x7[8] = _mm256_add_epi32(x7[8], x6[9]);
x7[10] = _mm256_sub_epi32(x7[11], x6[10]);
x7[11] = _mm256_add_epi32(x7[11], x6[10]);
x7[13] = _mm256_sub_epi32(x7[12], x6[13]);
x7[12] = _mm256_add_epi32(x7[12], x6[13]);
x7[14] = _mm256_sub_epi32(x7[15], x6[14]);
x7[15] = _mm256_add_epi32(x7[15], x6[14]);
btf_32_type0_avx2_new(*cospi_m08, *cospi_p56, x6[17], x6[30], x7[17], x7[30],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m56, *cospi_m08, x6[18], x6[29], x7[18], x7[29],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m40, *cospi_p24, x6[21], x6[26], x7[21], x7[26],
*__rounding, cos_bit);
btf_32_type0_avx2_new(*cospi_m24, *cospi_m40, x6[22], x6[25], x7[22], x7[25],
*__rounding, cos_bit);
x7[35] = _mm256_sub_epi32(x7[32], x6[35]);
x7[32] = _mm256_add_epi32(x7[32], x6[35]);
x7[34] = _mm256_sub_epi32(x7[33], x6[34]);
x7[33] = _mm256_add_epi32(x7[33], x6[34]);
x7[36] = _mm256_sub_epi32(x7[39], x6[36]);
x7[39] = _mm256_add_epi32(x7[39], x6[36]);
x7[37] = _mm256_sub_epi32(x7[38], x6[37]);
x7[38] = _mm256_add_epi32(x7[38], x6[37]);
x7[43] = _mm256_sub_epi32(x7[40], x6[43]);
x7[40] = _mm256_add_epi32(x7[40], x6[43]);
x7[42] = _mm256_sub_epi32(x7[41], x6[42]);
x7[41] = _mm256_add_epi32(x7[41], x6[42]);
x7[44] = _mm256_sub_epi32(x7[47], x6[44]);
x7[47] = _mm256_add_epi32(x7[47], x6[44]);
x7[45] = _mm256_sub_epi32(x7[46], x6[45]);
x7[46] = _mm256_add_epi32(x7[46], x6[45]);
x7[51] = _mm256_sub_epi32(x7[48], x6[51]);
x7[48] = _mm256_add_epi32(x7[48], x6[51]);
x7[50] = _mm256_sub_epi32(x7[49], x6[50]);
x7[49] = _mm256_add_epi32(x7[49], x6[50]);
x7[52] = _mm256_sub_epi32(x7[55], x6[52]);
x7[55] = _mm256_add_epi32(x7[55], x6[52]);
x7[53] = _mm256_sub_epi32(x7[54], x6[53]);
x7[54] = _mm256_add_epi32(x7[54], x6[53]);
x7[59] = _mm256_sub_epi32(x7[56], x6[59]);
x7[56] = _mm256_add_epi32(x7[56], x6[59]);
x7[58] = _mm256_sub_epi32(x7[57], x6[58]);
x7[57] = _mm256_add_epi32(x7[57], x6[58]);
x7[60] = _mm256_sub_epi32(x7[63], x6[60]);
x7[63] = _mm256_add_epi32(x7[63], x6[60]);
x7[61] = _mm256_sub_epi32(x7[62], x6[61]);
x7[62] = _mm256_add_epi32(x7[62], x6[61]);
}
static INLINE void fdct64_stage8_avx2(__m256i *x7, __m256i *x8,
const int32_t *cospi,
const __m256i *__rounding,
int8_t cos_bit) {
__m256i cospi_p60 = _mm256_set1_epi32(cospi[60]);
__m256i cospi_p04 = _mm256_set1_epi32(cospi[4]);
__m256i cospi_p28 = _mm256_set1_epi32(cospi[28]);
__m256i cospi_p36 = _mm256_set1_epi32(cospi[36]);
__m256i cospi_p44 = _mm256_set1_epi32(cospi[44]);
__m256i cospi_p20 = _mm256_set1_epi32(cospi[20]);
__m256i cospi_p12 = _mm256_set1_epi32(cospi[12]);
__m256i cospi_p52 = _mm256_set1_epi32(cospi[52]);
__m256i cospi_m04 = _mm256_set1_epi32(-cospi[4]);
__m256i cospi_m60 = _mm256_set1_epi32(-cospi[60]);
__m256i cospi_m36 = _mm256_set1_epi32(-cospi[36]);
__m256i cospi_m28 = _mm256_set1_epi32(-cospi[28]);
__m256i cospi_m20 = _mm256_set1_epi32(-cospi[20]);
__m256i cospi_m44 = _mm256_set1_epi32(-cospi[44]);
__m256i cospi_m52 = _mm256_set1_epi32(-cospi[52]);
__m256i cospi_m12 = _mm256_set1_epi32(-cospi[12]);
btf_32_type0_avx2_new(cospi_p04, cospi_p60, x7[15], x7[8], x8[8], x8[15],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p36, cospi_p28, x7[14], x7[9], x8[9], x8[14],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p20, cospi_p44, x7[13], x7[10], x8[10], x8[13],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p52, cospi_p12, x7[12], x7[11], x8[11], x8[12],
*__rounding, cos_bit);
x8[17] = _mm256_sub_epi32(x8[16], x7[17]);
x8[16] = _mm256_add_epi32(x8[16], x7[17]);
x8[18] = _mm256_sub_epi32(x8[19], x7[18]);
x8[19] = _mm256_add_epi32(x8[19], x7[18]);
x8[21] = _mm256_sub_epi32(x8[20], x7[21]);
x8[20] = _mm256_add_epi32(x8[20], x7[21]);
x8[22] = _mm256_sub_epi32(x8[23], x7[22]);
x8[23] = _mm256_add_epi32(x8[23], x7[22]);
x8[25] = _mm256_sub_epi32(x8[24], x7[25]);
x8[24] = _mm256_add_epi32(x8[24], x7[25]);
x8[26] = _mm256_sub_epi32(x8[27], x7[26]);
x8[27] = _mm256_add_epi32(x8[27], x7[26]);
x8[29] = _mm256_sub_epi32(x8[28], x7[29]);
x8[28] = _mm256_add_epi32(x8[28], x7[29]);
x8[30] = _mm256_sub_epi32(x8[31], x7[30]);
x8[31] = _mm256_add_epi32(x8[31], x7[30]);
btf_32_type0_avx2_new(cospi_m04, cospi_p60, x7[33], x7[62], x8[33], x8[62],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_m60, cospi_m04, x7[34], x7[61], x8[34], x8[61],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_m36, cospi_p28, x7[37], x7[58], x8[37], x8[58],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_m28, cospi_m36, x7[38], x7[57], x8[38], x8[57],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_m20, cospi_p44, x7[41], x7[54], x8[41], x8[54],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_m44, cospi_m20, x7[42], x7[53], x8[42], x8[53],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_m52, cospi_p12, x7[45], x7[50], x8[45], x8[50],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_m12, cospi_m52, x7[46], x7[49], x8[46], x8[49],
*__rounding, cos_bit);
}
static INLINE void fdct64_stage9_avx2(__m256i *x8, __m256i *x9,
const int32_t *cospi,
const __m256i *__rounding,
int8_t cos_bit) {
__m256i cospi_p62 = _mm256_set1_epi32(cospi[62]);
__m256i cospi_p02 = _mm256_set1_epi32(cospi[2]);
__m256i cospi_p30 = _mm256_set1_epi32(cospi[30]);
__m256i cospi_p34 = _mm256_set1_epi32(cospi[34]);
__m256i cospi_p46 = _mm256_set1_epi32(cospi[46]);
__m256i cospi_p18 = _mm256_set1_epi32(cospi[18]);
__m256i cospi_p14 = _mm256_set1_epi32(cospi[14]);
__m256i cospi_p50 = _mm256_set1_epi32(cospi[50]);
__m256i cospi_p54 = _mm256_set1_epi32(cospi[54]);
__m256i cospi_p10 = _mm256_set1_epi32(cospi[10]);
__m256i cospi_p22 = _mm256_set1_epi32(cospi[22]);
__m256i cospi_p42 = _mm256_set1_epi32(cospi[42]);
__m256i cospi_p38 = _mm256_set1_epi32(cospi[38]);
__m256i cospi_p26 = _mm256_set1_epi32(cospi[26]);
__m256i cospi_p06 = _mm256_set1_epi32(cospi[6]);
__m256i cospi_p58 = _mm256_set1_epi32(cospi[58]);
btf_32_type0_avx2_new(cospi_p02, cospi_p62, x8[31], x8[16], x9[16], x9[31],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p34, cospi_p30, x8[30], x8[17], x9[17], x9[30],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p18, cospi_p46, x8[29], x8[18], x9[18], x9[29],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p50, cospi_p14, x8[28], x8[19], x9[19], x9[28],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p10, cospi_p54, x8[27], x8[20], x9[20], x9[27],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p42, cospi_p22, x8[26], x8[21], x9[21], x9[26],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p26, cospi_p38, x8[25], x8[22], x9[22], x9[25],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p58, cospi_p06, x8[24], x8[23], x9[23], x9[24],
*__rounding, cos_bit);
x9[33] = _mm256_sub_epi32(x9[32], x8[33]);
x9[32] = _mm256_add_epi32(x9[32], x8[33]);
x9[34] = _mm256_sub_epi32(x9[35], x8[34]);
x9[35] = _mm256_add_epi32(x9[35], x8[34]);
x9[37] = _mm256_sub_epi32(x9[36], x8[37]);
x9[36] = _mm256_add_epi32(x9[36], x8[37]);
x9[38] = _mm256_sub_epi32(x9[39], x8[38]);
x9[39] = _mm256_add_epi32(x9[39], x8[38]);
x9[41] = _mm256_sub_epi32(x9[40], x8[41]);
x9[40] = _mm256_add_epi32(x9[40], x8[41]);
x9[42] = _mm256_sub_epi32(x9[43], x8[42]);
x9[43] = _mm256_add_epi32(x9[43], x8[42]);
x9[45] = _mm256_sub_epi32(x9[44], x8[45]);
x9[44] = _mm256_add_epi32(x9[44], x8[45]);
x9[46] = _mm256_sub_epi32(x9[47], x8[46]);
x9[47] = _mm256_add_epi32(x9[47], x8[46]);
x9[49] = _mm256_sub_epi32(x9[48], x8[49]);
x9[48] = _mm256_add_epi32(x9[48], x8[49]);
x9[50] = _mm256_sub_epi32(x9[51], x8[50]);
x9[51] = _mm256_add_epi32(x9[51], x8[50]);
x9[53] = _mm256_sub_epi32(x9[52], x8[53]);
x9[52] = _mm256_add_epi32(x9[52], x8[53]);
x9[54] = _mm256_sub_epi32(x9[55], x8[54]);
x9[55] = _mm256_add_epi32(x9[55], x8[54]);
x9[57] = _mm256_sub_epi32(x9[56], x8[57]);
x9[56] = _mm256_add_epi32(x9[56], x8[57]);
x9[58] = _mm256_sub_epi32(x9[59], x8[58]);
x9[59] = _mm256_add_epi32(x9[59], x8[58]);
x9[61] = _mm256_sub_epi32(x9[60], x8[61]);
x9[60] = _mm256_add_epi32(x9[60], x8[61]);
x9[62] = _mm256_sub_epi32(x9[63], x8[62]);
x9[63] = _mm256_add_epi32(x9[63], x8[62]);
}
static INLINE void fdct64_stage10_avx2(__m256i *x9, __m256i *x10,
const int32_t *cospi,
const __m256i *__rounding,
int8_t cos_bit) {
__m256i cospi_p63 = _mm256_set1_epi32(cospi[63]);
__m256i cospi_p01 = _mm256_set1_epi32(cospi[1]);
__m256i cospi_p31 = _mm256_set1_epi32(cospi[31]);
__m256i cospi_p33 = _mm256_set1_epi32(cospi[33]);
__m256i cospi_p47 = _mm256_set1_epi32(cospi[47]);
__m256i cospi_p17 = _mm256_set1_epi32(cospi[17]);
__m256i cospi_p15 = _mm256_set1_epi32(cospi[15]);
__m256i cospi_p49 = _mm256_set1_epi32(cospi[49]);
__m256i cospi_p55 = _mm256_set1_epi32(cospi[55]);
__m256i cospi_p09 = _mm256_set1_epi32(cospi[9]);
__m256i cospi_p23 = _mm256_set1_epi32(cospi[23]);
__m256i cospi_p41 = _mm256_set1_epi32(cospi[41]);
__m256i cospi_p39 = _mm256_set1_epi32(cospi[39]);
__m256i cospi_p25 = _mm256_set1_epi32(cospi[25]);
__m256i cospi_p07 = _mm256_set1_epi32(cospi[7]);
__m256i cospi_p57 = _mm256_set1_epi32(cospi[57]);
__m256i cospi_p59 = _mm256_set1_epi32(cospi[59]);
__m256i cospi_p05 = _mm256_set1_epi32(cospi[5]);
__m256i cospi_p27 = _mm256_set1_epi32(cospi[27]);
__m256i cospi_p37 = _mm256_set1_epi32(cospi[37]);
__m256i cospi_p43 = _mm256_set1_epi32(cospi[43]);
__m256i cospi_p21 = _mm256_set1_epi32(cospi[21]);
__m256i cospi_p11 = _mm256_set1_epi32(cospi[11]);
__m256i cospi_p53 = _mm256_set1_epi32(cospi[53]);
__m256i cospi_p51 = _mm256_set1_epi32(cospi[51]);
__m256i cospi_p13 = _mm256_set1_epi32(cospi[13]);
__m256i cospi_p19 = _mm256_set1_epi32(cospi[19]);
__m256i cospi_p45 = _mm256_set1_epi32(cospi[45]);
__m256i cospi_p35 = _mm256_set1_epi32(cospi[35]);
__m256i cospi_p29 = _mm256_set1_epi32(cospi[29]);
__m256i cospi_p03 = _mm256_set1_epi32(cospi[3]);
__m256i cospi_p61 = _mm256_set1_epi32(cospi[61]);
btf_32_type0_avx2_new(cospi_p01, cospi_p63, x9[63], x9[32], x10[32], x10[63],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p33, cospi_p31, x9[62], x9[33], x10[33], x10[62],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p17, cospi_p47, x9[61], x9[34], x10[34], x10[61],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p49, cospi_p15, x9[60], x9[35], x10[35], x10[60],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p09, cospi_p55, x9[59], x9[36], x10[36], x10[59],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p41, cospi_p23, x9[58], x9[37], x10[37], x10[58],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p25, cospi_p39, x9[57], x9[38], x10[38], x10[57],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p57, cospi_p07, x9[56], x9[39], x10[39], x10[56],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p05, cospi_p59, x9[55], x9[40], x10[40], x10[55],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p37, cospi_p27, x9[54], x9[41], x10[41], x10[54],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p21, cospi_p43, x9[53], x9[42], x10[42], x10[53],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p53, cospi_p11, x9[52], x9[43], x10[43], x10[52],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p13, cospi_p51, x9[51], x9[44], x10[44], x10[51],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p45, cospi_p19, x9[50], x9[45], x10[45], x10[50],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p29, cospi_p35, x9[49], x9[46], x10[46], x10[49],
*__rounding, cos_bit);
btf_32_type0_avx2_new(cospi_p61, cospi_p03, x9[48], x9[47], x10[47], x10[48],
*__rounding, cos_bit);
}
static void fdct64_avx2(__m256i *input, __m256i *output, int8_t cos_bit,
const int instride, const int outstride) {
const int32_t *cospi = cospi_arr(cos_bit);
const __m256i __rounding = _mm256_set1_epi32(1 << (cos_bit - 1));
__m256i cospi_m32 = _mm256_set1_epi32(-cospi[32]);
__m256i cospi_p32 = _mm256_set1_epi32(cospi[32]);
__m256i cospi_m16 = _mm256_set1_epi32(-cospi[16]);
__m256i cospi_p48 = _mm256_set1_epi32(cospi[48]);
__m256i cospi_m48 = _mm256_set1_epi32(-cospi[48]);
__m256i cospi_p16 = _mm256_set1_epi32(cospi[16]);
__m256i cospi_m08 = _mm256_set1_epi32(-cospi[8]);
__m256i cospi_p56 = _mm256_set1_epi32(cospi[56]);
__m256i cospi_m56 = _mm256_set1_epi32(-cospi[56]);
__m256i cospi_m40 = _mm256_set1_epi32(-cospi[40]);
__m256i cospi_p24 = _mm256_set1_epi32(cospi[24]);
__m256i cospi_m24 = _mm256_set1_epi32(-cospi[24]);
__m256i cospi_p08 = _mm256_set1_epi32(cospi[8]);
__m256i cospi_p40 = _mm256_set1_epi32(cospi[40]);
int startidx = 0 * instride;
int endidx = 63 * instride;
// stage 1
__m256i x1[64];
x1[0] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[63] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[1] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[62] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[2] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[61] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[3] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[60] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[4] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[59] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[5] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[58] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[6] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[57] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[7] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[56] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[8] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[55] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[9] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[54] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[10] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[53] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[11] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[52] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[12] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[51] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[13] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[50] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[14] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[49] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[15] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[48] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[16] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[47] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[17] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[46] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[18] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[45] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[19] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[44] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[20] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[43] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[21] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[42] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[22] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[41] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[23] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[40] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[24] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[39] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[25] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[38] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[26] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[37] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[27] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[36] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[28] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[35] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[29] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[34] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[30] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[33] = _mm256_sub_epi32(input[startidx], input[endidx]);
startidx += instride;
endidx -= instride;
x1[31] = _mm256_add_epi32(input[startidx], input[endidx]);
x1[32] = _mm256_sub_epi32(input[startidx], input[endidx]);
// stage 2
__m256i x2[64];
fdct64_stage2_avx2(x1, x2, &cospi_m32, &cospi_p32, &__rounding, cos_bit);
// stage 3
fdct64_stage3_avx2(x2, x1, &cospi_m32, &cospi_p32, &__rounding, cos_bit);
// stage 4
fdct64_stage4_avx2(x1, x2, &cospi_m32, &cospi_p32, &cospi_m16, &cospi_p48,
&cospi_m48, &__rounding, cos_bit);
// stage 5
fdct64_stage5_avx2(x2, x1, &cospi_m32, &cospi_p32, &cospi_m16, &cospi_p48,
&cospi_m48, &__rounding, cos_bit);
// stage 6
fdct64_stage6_avx2(x1, x2, &cospi_p16, &cospi_p32, &cospi_m16, &cospi_p48,
&cospi_m48, &cospi_m08, &cospi_p56, &cospi_m56, &cospi_m40,
&cospi_p24, &cospi_m24, &__rounding, cos_bit);
// stage 7
fdct64_stage7_avx2(x2, x1, &cospi_p08, &cospi_p56, &cospi_p40, &cospi_p24,
&cospi_m08, &cospi_m56, &cospi_m40, &cospi_m24,
&__rounding, cos_bit);
// stage 8
fdct64_stage8_avx2(x1, x2, cospi, &__rounding, cos_bit);
// stage 9
fdct64_stage9_avx2(x2, x1, cospi, &__rounding, cos_bit);
// stage 10
fdct64_stage10_avx2(x1, x2, cospi, &__rounding, cos_bit);
startidx = 0 * outstride;
endidx = 63 * outstride;
// stage 11
output[startidx] = x2[0];
output[endidx] = x2[63];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[32];
output[endidx] = x2[31];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[16];
output[endidx] = x2[47];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[48];
output[endidx] = x2[15];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[8];
output[endidx] = x2[55];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[40];
output[endidx] = x2[23];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[24];
output[endidx] = x2[39];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[56];
output[endidx] = x2[7];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[4];
output[endidx] = x2[59];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[36];
output[endidx] = x2[27];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[20];
output[endidx] = x2[43];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[52];
output[endidx] = x2[11];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[12];
output[endidx] = x2[51];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[44];
output[endidx] = x2[19];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[28];
output[endidx] = x2[35];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[60];
output[endidx] = x2[3];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[2];
output[endidx] = x2[61];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[34];
output[endidx] = x2[29];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[18];
output[endidx] = x2[45];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[50];
output[endidx] = x2[13];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[10];
output[endidx] = x2[53];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[42];
output[endidx] = x2[21];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[26];
output[endidx] = x2[37];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[58];
output[endidx] = x2[5];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[6];
output[endidx] = x2[57];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[38];
output[endidx] = x2[25];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[22];
output[endidx] = x2[41];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[54];
output[endidx] = x2[9];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[14];
output[endidx] = x2[49];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[46];
output[endidx] = x2[17];
startidx += outstride;
endidx -= outstride;
output[startidx] = x1[30];
output[endidx] = x2[33];
startidx += outstride;
endidx -= outstride;
output[startidx] = x2[62];
output[endidx] = x2[1];
}
static INLINE void load_buffer_64x64_round_avx2(const int16_t *input,
int32_t stride, __m256i *output,
int size, int bit) {
for (int i = 0; i < 64; ++i) {
const __m128i x0 = _mm_loadu_si128((const __m128i *)(input + 0 * 8));
const __m128i x1 = _mm_loadu_si128((const __m128i *)(input + 1 * 8));
const __m128i x2 = _mm_loadu_si128((const __m128i *)(input + 2 * 8));
const __m128i x3 = _mm_loadu_si128((const __m128i *)(input + 3 * 8));
const __m128i x4 = _mm_loadu_si128((const __m128i *)(input + 4 * 8));
const __m128i x5 = _mm_loadu_si128((const __m128i *)(input + 5 * 8));
const __m128i x6 = _mm_loadu_si128((const __m128i *)(input + 6 * 8));
const __m128i x7 = _mm_loadu_si128((const __m128i *)(input + 7 * 8));
const __m256i v0 = _mm256_cvtepi16_epi32(x0);
const __m256i v1 = _mm256_cvtepi16_epi32(x1);
const __m256i v2 = _mm256_cvtepi16_epi32(x2);
const __m256i v3 = _mm256_cvtepi16_epi32(x3);
const __m256i v4 = _mm256_cvtepi16_epi32(x4);
const __m256i v5 = _mm256_cvtepi16_epi32(x5);
const __m256i v6 = _mm256_cvtepi16_epi32(x6);
const __m256i v7 = _mm256_cvtepi16_epi32(x7);
_mm256_storeu_si256(output + 0, v0);
_mm256_storeu_si256(output + 1, v1);
_mm256_storeu_si256(output + 2, v2);
_mm256_storeu_si256(output + 3, v3);
_mm256_storeu_si256(output + 4, v4);
_mm256_storeu_si256(output + 5, v5);
_mm256_storeu_si256(output + 6, v6);
_mm256_storeu_si256(output + 7, v7);
input += stride;
output += 8;
}
round_shift_32_64xn_avx2(output, size, bit, stride);
}
void av1_fwd_txfm2d_64x64_avx2(const int16_t *input, int32_t *output,
int stride, TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
(void)tx_type;
#if CONFIG_INTER_DDT
(void)use_ddt;
#endif // CONFIG_INTER_DDT
assert(tx_type == DCT_DCT);
__m256i buf0[512], buf1[512];
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_64X64];
const int txw_idx = get_txw_idx(TX_64X64);
const int txh_idx = get_txh_idx(TX_64X64);
const int8_t cos_bit_col = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t cos_bit_row = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int width = tx_size_wide[TX_64X64];
const int height = tx_size_high[TX_64X64];
const transform_1d_avx2 col_txfm = fdct64_avx2;
const transform_1d_avx2 row_txfm = fdct64_avx2;
const int width_div16 = (width >> 4);
const int width_div8 = (width >> 3);
// column transform
load_buffer_64x64_round_avx2(input, stride, buf0, height, shift[0]);
for (int i = 0; i < width_div16; ++i) {
col_txfm(&buf0[i << 1], &buf0[i << 1], cos_bit_col, width_div8, width_div8);
col_txfm(&buf0[(i << 1) + 1], &buf0[(i << 1) + 1], cos_bit_col, width_div8,
width_div8);
}
round_shift_32_64xn_avx2(&buf0[0], height, shift[1], width_div16);
for (int r = 0; r < height; r += 8) {
for (int c = 0; c < width_div8; c++) {
fwd_txfm_transpose_8x8_avx2(&buf0[r * width_div8 + c],
&buf1[c * 8 * width_div8 + (r >> 3)],
width_div8, width_div8);
}
}
// row transform
for (int i = 0; i < 2; i++) {
row_txfm(&buf1[i << 1], &buf0[i << 1], cos_bit_row, width_div8,
width_div16);
row_txfm(&buf1[(i << 1) + 1], &buf0[(i << 1) + 1], cos_bit_row, width_div8,
width_div16);
}
round_shift_32_64xn_avx2(&buf0[0], height, shift[2], width_div16);
for (int r = 0; r < (height >> 1); r += 8) {
for (int c = 0; c < width_div16; c++) {
fwd_txfm_transpose_8x8_avx2(&buf0[r * width_div16 + c],
&buf1[c * 8 * width_div16 + (r >> 3)],
width_div16, width_div16);
}
}
store_buffer_avx2(buf1, output, 8, 128);
}
void av1_fwd_txfm2d_64x16_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
__m256i in[128];
__m256i *outcoeff128 = (__m256i *)coeff;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_64X16];
const int txw_idx = get_txw_idx(TX_64X16);
const int txh_idx = get_txh_idx(TX_64X16);
const int txfm_size_col = tx_size_wide[TX_64X16];
const int txfm_size_row = tx_size_high[TX_64X16];
const int8_t bitcol = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t bitrow = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int num_col = txfm_size_col >> 3;
const int num_row = txfm_size_row >> 3;
#if CONFIG_INTER_DDT
const transform_1d_avx2 col_txfm =
(use_ddt && REPLACE_ADST16 &&
(vtx_tab[tx_type] == ADST_1D || vtx_tab[tx_type] == FLIPADST_1D))
? highbd_txfm16_arr[DDT_1D]
: highbd_txfm16_arr[vtx_tab[tx_type]];
#else
const transform_1d_avx2 col_txfm = highbd_txfm16_arr[vtx_tab[tx_type]];
#endif // CONFIG_INTER_DDT
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
// column transform
if (ud_flip) {
int j = 0;
for (int i = txfm_size_row - 1; i >= 0; --i) {
load_buffer_32xn_avx2(input + 0 + i * stride, in + 0 + j * 8, 8,
shift[0]);
load_buffer_32xn_avx2(input + 32 + i * stride, in + 4 + j * 8, 8,
shift[0]);
j++;
}
} else {
assert(lr_flip == 0);
for (int i = 0; i < txfm_size_row; ++i) {
load_buffer_32xn_avx2(input + 0 + i * stride, in + 0 + i * 8, 8,
shift[0]);
load_buffer_32xn_avx2(input + 32 + i * stride, in + 4 + i * 8, 8,
shift[0]);
}
}
col_txfm(in, outcoeff128, bitcol, num_col, num_col);
col_txfm_16x16_rounding(outcoeff128, -shift[1]);
col_txfm_16x16_rounding(outcoeff128 + 32, -shift[1]);
col_txfm_16x16_rounding(outcoeff128 + 64, -shift[1]);
col_txfm_16x16_rounding(outcoeff128 + 96, -shift[1]);
transpose_8nx8n(outcoeff128, in, txfm_size_col, txfm_size_row);
// row transform
for (int i = 0; i < num_row; ++i)
fdct64_avx2(in + i, in + i, bitrow, num_row, num_row);
transpose_8nx8n(in, outcoeff128, txfm_size_row, txfm_size_col >> 1);
}
void av1_fwd_txfm2d_64x8_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
__m256i in[64];
__m256i *outcoeff256 = (__m256i *)coeff;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_64X8];
const int txw_idx = get_txw_idx(TX_64X8);
const int txh_idx = get_txh_idx(TX_64X8);
const int txfm_size_col = tx_size_wide[TX_64X8];
const int txfm_size_row = tx_size_high[TX_64X8];
const int8_t bitcol = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t bitrow = av1_fwd_cos_bit_row[txw_idx][txh_idx];
#if CONFIG_INTER_DDT
const transform_1d_avx2 col_txfm =
(use_ddt && REPLACE_ADST8 &&
(vtx_tab[tx_type] == ADST_1D || vtx_tab[tx_type] == FLIPADST_1D))
? highbd_txfm8_arr[DDT_1D]
: highbd_txfm8_arr[vtx_tab[tx_type]];
#else
const transform_1d_avx2 col_txfm = highbd_txfm8_arr[vtx_tab[tx_type]];
#endif // CONFIG_INTER_DDT
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
const int num_col = txfm_size_col >> 3;
const int num_row = txfm_size_row >> 3;
// column transform
if (ud_flip) {
int j = 0;
for (int i = num_col - 1; i >= 0; --i) {
load_buffer_32xn_avx2(input + 0 + i * stride, in + 0 + j * 8, 8,
shift[0]);
load_buffer_32xn_avx2(input + 32 + i * stride, in + 4 + j * 8, 8,
shift[0]);
j++;
}
} else {
assert(lr_flip == 0);
for (int i = 0; i < num_col; ++i) {
load_buffer_32xn_avx2(input + 0 + i * stride, in + 0 + i * 8, 8,
shift[0]);
load_buffer_32xn_avx2(input + 32 + i * stride, in + 4 + i * 8, 8,
shift[0]);
}
}
col_txfm(in, outcoeff256, bitcol, num_col, num_col);
col_txfm_16x16_rounding(outcoeff256, -shift[1]);
col_txfm_16x16_rounding(outcoeff256 + 32, -shift[1]);
transpose_8nx8n(outcoeff256, in, txfm_size_col, txfm_size_row);
// row transform
for (int i = 0; i < num_row; ++i)
fdct64_avx2(in + i, in + i, bitrow, num_row, num_row);
transpose_8nx8n(in, outcoeff256, txfm_size_row, txfm_size_col >> 1);
av1_round_shift_rect_array_32_avx2(outcoeff256, outcoeff256, 64, -shift[2],
NewSqrt2);
}
void av1_fwd_txfm2d_8x64_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
__m256i in[64];
__m256i *outcoef256 = (__m256i *)coeff;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_8X64];
const int txw_idx = get_txw_idx(TX_8X64);
const int txh_idx = get_txh_idx(TX_8X64);
#if CONFIG_INTER_DDT
const transform_1d_avx2 row_txfm =
(use_ddt && REPLACE_ADST8 &&
(htx_tab[tx_type] == ADST_1D || htx_tab[tx_type] == FLIPADST_1D))
? highbd_txfm8_arr[DDT_1D]
: highbd_txfm8_arr[htx_tab[tx_type]];
#else
const transform_1d_avx2 row_txfm = highbd_txfm8_arr[htx_tab[tx_type]];
#endif // CONFIG_INTER_DDT
const int8_t bitcol = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t bitrow = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int txfm_size_col = tx_size_wide[TX_8X64];
const int txfm_size_row = tx_size_high[TX_8X64];
const int num_col = txfm_size_col >> 3;
const int num_row = txfm_size_row >> 3;
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
// column transform
load_buffer_8x16_avx2(input, in, stride, ud_flip, lr_flip, shift[0]);
load_buffer_8x16_avx2(input + 16 * stride, in + 16, stride, ud_flip, lr_flip,
shift[0]);
load_buffer_8x16_avx2(input + 32 * stride, in + 2 * 16, stride, ud_flip,
lr_flip, shift[0]);
load_buffer_8x16_avx2(input + 48 * stride, in + 3 * 16, stride, ud_flip,
lr_flip, shift[0]);
for (int i = 0; i < num_col; ++i)
fdct64_avx2(in + i, in + i, bitcol, num_col, num_col);
col_txfm_16x16_rounding(in, -shift[1]);
col_txfm_16x16_rounding(in + 32, -shift[1]);
transpose_8nx8n(in, outcoef256, txfm_size_col, txfm_size_row);
// row transform
row_txfm(outcoef256, in, bitrow, num_row, num_row);
transpose_8nx8n(in, outcoef256, txfm_size_row, txfm_size_col);
av1_round_shift_rect_array_32_avx2(outcoef256, outcoef256, 64, -shift[2],
NewSqrt2);
memset(coeff + txfm_size_col * 32, 0, txfm_size_col * 32 * sizeof(*coeff));
}
void av1_fwd_txfm2d_16x64_avx2(const int16_t *input, int32_t *coeff, int stride,
TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
__m256i in[128];
__m256i *outcoeff256 = (__m256i *)coeff;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_16X64];
const int txw_idx = get_txw_idx(TX_16X64);
const int txh_idx = get_txh_idx(TX_16X64);
const int txfm_size_col = tx_size_wide[TX_16X64];
const int txfm_size_row = tx_size_high[TX_16X64];
const int8_t bitcol = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t bitrow = av1_fwd_cos_bit_row[txw_idx][txh_idx];
#if CONFIG_INTER_DDT
const transform_1d_avx2 row_txfm =
(use_ddt && REPLACE_ADST16 &&
(htx_tab[tx_type] == ADST_1D || htx_tab[tx_type] == FLIPADST_1D))
? highbd_txfm16_arr[DDT_1D]
: highbd_txfm16_arr[htx_tab[tx_type]];
#else
const transform_1d_avx2 row_txfm = highbd_txfm16_arr[htx_tab[tx_type]];
#endif // CONFIG_INTER_DDT
const int num_col = txfm_size_col >> 3;
const int num_row = txfm_size_row >> 3;
int ud_flip, lr_flip;
get_flip_cfg(tx_type, &ud_flip, &lr_flip);
// column transform
load_buffer_16xn_avx2(input, in, stride, txfm_size_row, 2, ud_flip, lr_flip);
for (int i = 0; i < num_col; ++i)
fdct64_avx2(in + i, outcoeff256 + i, bitcol, num_col, num_col);
col_txfm_16x16_rounding(outcoeff256, -shift[1]);
col_txfm_16x16_rounding(outcoeff256 + 32, -shift[1]);
col_txfm_16x16_rounding(outcoeff256 + 64, -shift[1]);
col_txfm_16x16_rounding(outcoeff256 + 96, -shift[1]);
transpose_8nx8n(outcoeff256, in, txfm_size_col, txfm_size_row);
// row transform
row_txfm(in, in, bitrow, num_row, num_row);
transpose_8nx8n(in, outcoeff256, txfm_size_row, txfm_size_col);
memset(coeff + txfm_size_col * 32, 0, txfm_size_col * 32 * sizeof(*coeff));
}
void av1_fwd_txfm2d_32x64_avx2(const int16_t *input, int32_t *output,
int stride, TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
(void)tx_type;
#if CONFIG_INTER_DDT
(void)use_ddt;
#endif // CONFIG_INTER_DDT
__m256i in[256];
__m256i *outcoef256 = (__m256i *)output;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_32X64];
const int txw_idx = get_txw_idx(TX_32X64);
const int txh_idx = get_txh_idx(TX_32X64);
const int txfm_size_col = tx_size_wide[TX_32X64];
const int txfm_size_row = tx_size_high[TX_32X64];
const int8_t bitcol = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t bitrow = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int num_row = txfm_size_row >> 3;
const int num_col = txfm_size_col >> 3;
// column transform
load_buffer_32x8n(input, in, stride, 0, 0, shift[0], txfm_size_row);
for (int i = 0; i < num_col; ++i)
fdct64_avx2(in + i, in + i, bitcol, num_col, num_col);
for (int i = 0; i < num_row; ++i)
col_txfm_16x16_rounding(in + i * txfm_size_col, -shift[1]);
transpose_8nx8n(in, outcoef256, txfm_size_col, txfm_size_row);
// row transform
for (int i = 0; i < num_row; ++i)
fdct32_avx2(outcoef256 + i, in + i, bitrow, num_row, num_row);
transpose_8nx8n(in, outcoef256, txfm_size_row, txfm_size_col);
av1_round_shift_rect_array_32_avx2(outcoef256, outcoef256, 256, -shift[2],
NewSqrt2);
}
void av1_fwd_txfm2d_64x32_avx2(const int16_t *input, int32_t *output,
int stride, TX_TYPE tx_type,
#if CONFIG_INTER_DDT
int use_ddt,
#endif // CONFIG_INTER_DDT
int bd) {
(void)bd;
(void)tx_type;
#if CONFIG_INTER_DDT
(void)use_ddt;
#endif // CONFIG_INTER_DDT
__m256i in[256];
__m256i *outcoef256 = (__m256i *)output;
const int8_t *shift = av1_fwd_txfm_shift_ls[TX_64X32];
const int txw_idx = get_txw_idx(TX_64X32);
const int txh_idx = get_txh_idx(TX_64X32);
const int txfm_size_col = tx_size_wide[TX_64X32];
const int txfm_size_row = tx_size_high[TX_64X32];
const int8_t bitcol = av1_fwd_cos_bit_col[txw_idx][txh_idx];
const int8_t bitrow = av1_fwd_cos_bit_row[txw_idx][txh_idx];
const int num_row = txfm_size_row >> 3;
const int num_col = txfm_size_col >> 3;
// column transform
for (int i = 0; i < txfm_size_row; ++i) {
load_buffer_32xn_avx2(input + 0 + i * stride, in + 0 + i * 8, 8, shift[0]);
load_buffer_32xn_avx2(input + 32 + i * stride, in + 4 + i * 8, 8, shift[0]);
}
for (int i = 0; i < num_col; ++i)
fdct32_avx2(in + i, in + i, bitcol, num_col, num_col);
for (int i = 0; i < num_col; ++i)
col_txfm_16x16_rounding(in + i * txfm_size_row, -shift[1]);
transpose_8nx8n(in, outcoef256, txfm_size_col, txfm_size_row);
// row transform
for (int i = 0; i < num_row; ++i)
fdct64_avx2(outcoef256 + i, in + i, bitrow, num_row, num_row);
transpose_8nx8n(in, outcoef256, txfm_size_row, txfm_size_col >> 1);
av1_round_shift_rect_array_32_avx2(outcoef256, outcoef256, 256, -shift[2],
NewSqrt2);
}
static INLINE __m256i round_power_of_two_signed_avx2(__m256i v_val_d,
int bits) {
const __m256i v_bias_d = _mm256_set1_epi32((1 << bits) >> 1);
const __m256i v_sign_d = _mm256_srai_epi32(v_val_d, 31);
const __m256i v_tmp_d =
_mm256_add_epi32(_mm256_add_epi32(v_val_d, v_bias_d), v_sign_d);
return _mm256_srai_epi32(v_tmp_d, bits);
}
void av1_fwd_cross_chroma_tx_block_avx2(tran_low_t *coeff_c1,
tran_low_t *coeff_c2, TX_SIZE tx_size,
CctxType cctx_type, const int bd) {
if (cctx_type == CCTX_NONE) return;
const int ncoeffs = av1_get_max_eob(tx_size);
int32_t *src_c1 = (int32_t *)coeff_c1;
int32_t *src_c2 = (int32_t *)coeff_c2;
const int angle_idx = cctx_type - CCTX_START;
const __m256i cos_t = _mm256_set1_epi32(cctx_mtx[angle_idx][0]);
const __m256i sin_t = _mm256_set1_epi32(cctx_mtx[angle_idx][1]);
const __m256i max_value = _mm256_set1_epi32((1 << (7 + bd)) - 1);
const __m256i min_value = _mm256_set1_epi32(-(1 << (7 + bd)));
for (int i = 0; i < ncoeffs; i += 8) {
// Load 8 elements from both coeff_c1 and coeff_c2
const __m256i v_c1 = _mm256_loadu_si256((__m256i *)&src_c1[i]);
const __m256i v_c2 = _mm256_loadu_si256((__m256i *)&src_c2[i]);
// Perform matrix multiplication
const __m256i v_tmp0 = _mm256_mullo_epi32(cos_t, v_c1);
const __m256i v_tmp1 = _mm256_mullo_epi32(sin_t, v_c2);
const __m256i v_tmp2 = _mm256_mullo_epi32(sin_t, v_c1);
const __m256i v_tmp3 = _mm256_mullo_epi32(cos_t, v_c2);
// Add and round the results to CCTX_PREC_BITS
__m256i v_res0 = round_power_of_two_signed_avx2(
_mm256_add_epi32(v_tmp0, v_tmp1), CCTX_PREC_BITS);
__m256i v_res1 = round_power_of_two_signed_avx2(
_mm256_sub_epi32(v_tmp3, v_tmp2), CCTX_PREC_BITS);
// Clamp to valid range
v_res0 = _mm256_min_epi32(_mm256_max_epi32(v_res0, min_value), max_value);
v_res1 = _mm256_min_epi32(_mm256_max_epi32(v_res1, min_value), max_value);
// Round and store the results back to src_c1 and src_c2
_mm256_storeu_si256((__m256i *)&src_c1[i], v_res0);
_mm256_storeu_si256((__m256i *)&src_c2[i], v_res1);
}
}
static INLINE void transpose_kernel(const int16_t *kernel, __m256i *out) {
__m256i in[8], a0, a1, a2, a3, b0, b1, b2, b3;
in[0] = _mm256_loadu_si256((__m256i *)(kernel + 0));
in[1] = _mm256_loadu_si256((__m256i *)(kernel + 16));
in[2] = _mm256_loadu_si256((__m256i *)(kernel + 32));
in[3] = _mm256_loadu_si256((__m256i *)(kernel + 48));
in[4] = _mm256_loadu_si256((__m256i *)(kernel + 64));
in[5] = _mm256_loadu_si256((__m256i *)(kernel + 80));
in[6] = _mm256_loadu_si256((__m256i *)(kernel + 96));
in[7] = _mm256_loadu_si256((__m256i *)(kernel + 112));
a0 = _mm256_unpacklo_epi16(in[0], in[1]);
a1 = _mm256_unpacklo_epi16(in[2], in[3]);
a2 = _mm256_unpacklo_epi16(in[4], in[5]);
a3 = _mm256_unpacklo_epi16(in[6], in[7]);
b0 = _mm256_unpacklo_epi32(a0, a1);
b1 = _mm256_unpacklo_epi32(a2, a3);
b2 = _mm256_unpackhi_epi32(a0, a1);
b3 = _mm256_unpackhi_epi32(a2, a3);
a0 = _mm256_unpacklo_epi64(b0, b1);
a1 = _mm256_unpackhi_epi64(b0, b1);
a2 = _mm256_unpacklo_epi64(b2, b3);
a3 = _mm256_unpackhi_epi64(b2, b3);
out[0] = _mm256_cvtepi16_epi32(_mm256_castsi256_si128(a0));
out[1] = _mm256_cvtepi16_epi32(_mm256_castsi256_si128(a1));
out[2] = _mm256_cvtepi16_epi32(_mm256_castsi256_si128(a2));
out[3] = _mm256_cvtepi16_epi32(_mm256_castsi256_si128(a3));
out[8] = _mm256_cvtepi16_epi32(_mm256_extracti128_si256(a0, 1));
out[9] = _mm256_cvtepi16_epi32(_mm256_extracti128_si256(a1, 1));
out[10] = _mm256_cvtepi16_epi32(_mm256_extracti128_si256(a2, 1));
out[11] = _mm256_cvtepi16_epi32(_mm256_extracti128_si256(a3, 1));
a0 = _mm256_unpackhi_epi16(in[0], in[1]);
a1 = _mm256_unpackhi_epi16(in[2], in[3]);
a2 = _mm256_unpackhi_epi16(in[4], in[5]);
a3 = _mm256_unpackhi_epi16(in[6], in[7]);
b0 = _mm256_unpacklo_epi32(a0, a1);
b1 = _mm256_unpacklo_epi32(a2, a3);
b2 = _mm256_unpackhi_epi32(a0, a1);
b3 = _mm256_unpackhi_epi32(a2, a3);
a0 = _mm256_unpacklo_epi64(b0, b1);
a1 = _mm256_unpackhi_epi64(b0, b1);
a2 = _mm256_unpacklo_epi64(b2, b3);
a3 = _mm256_unpackhi_epi64(b2, b3);
out[4] = _mm256_cvtepi16_epi32(_mm256_castsi256_si128(a0));
out[5] = _mm256_cvtepi16_epi32(_mm256_castsi256_si128(a1));
out[6] = _mm256_cvtepi16_epi32(_mm256_castsi256_si128(a2));
out[7] = _mm256_cvtepi16_epi32(_mm256_castsi256_si128(a3));
out[12] = _mm256_cvtepi16_epi32(_mm256_extracti128_si256(a0, 1));
out[13] = _mm256_cvtepi16_epi32(_mm256_extracti128_si256(a1, 1));
out[14] = _mm256_cvtepi16_epi32(_mm256_extracti128_si256(a2, 1));
out[15] = _mm256_cvtepi16_epi32(_mm256_extracti128_si256(a3, 1));
}
// Forward secondary transform
void fwd_stxfm_avx2(tran_low_t *src, tran_low_t *dst,
const PREDICTION_MODE mode, const uint8_t stx_idx,
const int size, const int bd) {
assert(stx_idx < 4);
#if CONFIG_E124_IST_REDUCE_METHOD4
const int16_t *kernel = (size == 0) ? ist_4x4_kernel[mode][stx_idx][0]
: ist_8x8_kernel[mode][stx_idx][0];
#else
const int16_t *kernel = (size == 4) ? ist_4x4_kernel[mode][stx_idx][0]
: ist_8x8_kernel[mode][stx_idx][0];
#endif // CONFIG_E124_IST_REDUCE_METHOD4
int *out = dst;
int shift = 7;
int *srcPtr = src;
#if CONFIG_E124_IST_REDUCE_METHOD4
const int ist_height = (size == 0) ? IST_4x4_HEIGHT
: (size == 1)
? IST_8x8_HEIGHT_RED
#if CONFIG_F105_IST_MEM_REDUCE
: ((size == 3) ? IST_ADST_NZ_CNT : IST_8x8_HEIGHT);
#else
: IST_8x8_HEIGHT;
#endif // CONFIG_F105_IST_MEM_REDUCE
if (size == 0) {
#else
if (size == 4) {
#endif // CONFIG_E124_IST_REDUCE_METHOD4
assert(IST_4x4_WIDTH == 16);
__m256i kernel_t[16];
__m256i sum = _mm256_setzero_si256();
transpose_kernel(kernel, kernel_t);
for (int j = 0; j < IST_4x4_WIDTH; j++) {
__m256i tmpCoeff = _mm256_set1_epi32(srcPtr[j]);
__m256i tmp = _mm256_mullo_epi32(tmpCoeff, kernel_t[j]);
sum = _mm256_add_epi32(sum, tmp);
}
sum = round_power_of_two_signed_avx2(sum, shift);
// Clamp to valid range
const __m256i max_value = _mm256_set1_epi32((1 << (7 + bd)) - 1);
const __m256i min_value = _mm256_set1_epi32(-(1 << (7 + bd)));
sum = _mm256_min_epi32(_mm256_max_epi32(sum, min_value), max_value);
_mm256_storeu_si256((__m256i *)out, sum);
} else {
int reduced_width = IST_8x8_WIDTH;
__m256i src_t[8];
for (int t = 0; t < (reduced_width >> 3); t++)
src_t[t] = _mm256_loadu_si256((__m256i *)(srcPtr + t * 8));
#if CONFIG_E124_IST_REDUCE_METHOD4
for (int j = 0; j < ist_height; j++) {
#else
for (int j = 0; j < IST_8x8_HEIGHT; j++) {
#endif // CONFIG_E124_IST_REDUCE_METHOD4
const int16_t *kernel_tmp = kernel;
__m256i ker_t;
__m256i sum_t;
__m256i sum_32x8 = _mm256_setzero_si256();
for (int t = 0; t < (reduced_width >> 3); t++) {
ker_t = _mm256_cvtepi16_epi32(
_mm_loadu_si128((__m128i *)(kernel_tmp + t * 8)));
sum_t = _mm256_mullo_epi32(src_t[t], ker_t);
sum_32x8 = _mm256_add_epi32(sum_32x8, sum_t);
}
// s0 s1 s2 s3
const __m128i sum_32x4 =
_mm_add_epi32(_mm256_castsi256_si128(sum_32x8),
_mm256_extracti128_si256(sum_32x8, 1));
// s0 s1
const __m128i sum_32x2 =
_mm_add_epi32(sum_32x4, _mm_srli_si128(sum_32x4, 8));
// s0
const __m128i sum_32x1 =
_mm_add_epi32(sum_32x2, _mm_srli_si128(sum_32x2, 4));
int coef = _mm_cvtsi128_si32(sum_32x1);
*out++ = clamp_value(ROUND_POWER_OF_TWO_SIGNED(coef, shift), 8 + bd);
kernel += reduced_width;
}
}
}
#if CONFIG_CORE_TX
void transpose_store_8x8_avx2(__m256i *a, int *dst, int size) {
__m256i t0 =
_mm256_unpacklo_epi32(a[0], a[1]); // { A0 B0 A1 B1 A4 B4 A5 B5 }
__m256i t1 =
_mm256_unpackhi_epi32(a[0], a[1]); // { A2 B2 A3 B3 A6 B6 A7 B7 }
__m256i t2 =
_mm256_unpacklo_epi32(a[2], a[3]); // { C0 D0 C1 D1 C4 D4 C5 D5 }
__m256i t3 =
_mm256_unpackhi_epi32(a[2], a[3]); // { C2 D2 C3 D3 C6 D6 C7 D7 }
__m256i t4 =
_mm256_unpacklo_epi32(a[4], a[5]); // { E0 F0 E1 F1 E4 F4 E5 F5 }
__m256i t5 =
_mm256_unpackhi_epi32(a[4], a[5]); // { E2 F2 E3 F3 E6 F6 E7 F7 }
__m256i t6 =
_mm256_unpacklo_epi32(a[6], a[7]); // { G0 H0 G1 H1 G4 H4 G5 H5 }
__m256i t7 =
_mm256_unpackhi_epi32(a[6], a[7]); // { G2 H2 G3 H3 G6 H6 G7 H7 }
// Interleave 64-bit elements
__m256i u0 = _mm256_unpacklo_epi64(t0, t2); // { A0 B0 C0 D0 A4 B4 C4 D4 }
__m256i u1 = _mm256_unpackhi_epi64(t0, t2); // { A1 B1 C1 D1 A5 B5 C5 D5 }
__m256i u2 = _mm256_unpacklo_epi64(t1, t3); // { A2 B2 C2 D2 A6 B6 C6 D6 }
__m256i u3 = _mm256_unpackhi_epi64(t1, t3); // { A3 B3 C3 D3 A7 B7 C7 D7 }
__m256i u4 = _mm256_unpacklo_epi64(t4, t6); // { E0 F0 G0 H0 E4 F4 G4 H4 }
__m256i u5 = _mm256_unpackhi_epi64(t4, t6); // { E1 F1 G1 H1 E5 F5 G5 H5 }
__m256i u6 = _mm256_unpacklo_epi64(t5, t7); // { E2 F2 G2 H2 E6 F6 G6 H6 }
__m256i u7 = _mm256_unpackhi_epi64(t5, t7); // { E3 F3 G3 H3 E7 F7 G7 H7 }
// Permute 128-bit lanes to complete the transpose
_mm256_storeu_si256(
(__m256i *)(dst + 0 * size),
_mm256_permute2x128_si256(u0, u4, 0x20)); // { A0 B0 C0 D0 E0 F0 G0 H0 }
_mm256_storeu_si256(
(__m256i *)(dst + 1 * size),
_mm256_permute2x128_si256(u1, u5, 0x20)); // { A1 B1 C1 D1 E1 F1 G1 H1 }
_mm256_storeu_si256(
(__m256i *)(dst + 2 * size),
_mm256_permute2x128_si256(u2, u6, 0x20)); // { A2 B2 C2 D2 E2 F2 G2 H2 }
_mm256_storeu_si256(
(__m256i *)(dst + 3 * size),
_mm256_permute2x128_si256(u3, u7, 0x20)); // { A3 B3 C3 D3 E3 F3 G3 H3 }
_mm256_storeu_si256(
(__m256i *)(dst + 4 * size),
_mm256_permute2x128_si256(u0, u4, 0x31)); // { A4 B4 C4 D4 E4 F4 G4 H4 }
_mm256_storeu_si256(
(__m256i *)(dst + 5 * size),
_mm256_permute2x128_si256(u1, u5, 0x31)); // { A5 B5 C5 D5 E5 F5 G5 H5 }
_mm256_storeu_si256(
(__m256i *)(dst + 6 * size),
_mm256_permute2x128_si256(u2, u6, 0x31)); // { A6 B6 C6 D6 E6 F6 G6 H6 }
_mm256_storeu_si256(
(__m256i *)(dst + 7 * size),
_mm256_permute2x128_si256(u3, u7, 0x31)); // { A7 B7 C7 D7 E7 F7 G7 H7 }
}
void transpose_store_8x4_sse4(__m128i *a, int *dst, int size) {
// Step 1: Interleave 32-bit elements
__m128i t0 = _mm_unpacklo_epi32(a[0], a[1]); // { A0 B0 A1 B1 }
__m128i t1 = _mm_unpackhi_epi32(a[0], a[1]); // { A2 B2 A3 B3 }
__m128i t2 = _mm_unpacklo_epi32(a[2], a[3]); // { C0 D0 C1 D1 }
__m128i t3 = _mm_unpackhi_epi32(a[2], a[3]); // { C2 D2 C3 D3 }
__m128i t4 = _mm_unpacklo_epi32(a[4], a[5]); // { E0 F0 E1 F1 }
__m128i t5 = _mm_unpackhi_epi32(a[4], a[5]); // { E2 F2 E3 F3 }
__m128i t6 = _mm_unpacklo_epi32(a[6], a[7]); // { G0 H0 G1 H1 }
__m128i t7 = _mm_unpackhi_epi32(a[6], a[7]); // { G2 H2 G3 H3 }
// Step 2: Interleave 64-bit elements
__m128i u0 = _mm_unpacklo_epi64(t0, t2); // { A0 B0 C0 D0 }
__m128i u1 = _mm_unpackhi_epi64(t0, t2); // { A1 B1 C1 D1 }
__m128i u2 = _mm_unpacklo_epi64(t1, t3); // { A2 B2 C2 D2 }
__m128i u3 = _mm_unpackhi_epi64(t1, t3); // { A3 B3 C3 D3 }
__m128i u4 = _mm_unpacklo_epi64(t4, t6); // { E0 F0 G0 H0 }
__m128i u5 = _mm_unpackhi_epi64(t4, t6); // { E1 F1 G1 H1 }
__m128i u6 = _mm_unpacklo_epi64(t5, t7); // { E2 F2 G2 H2 }
__m128i u7 = _mm_unpackhi_epi64(t5, t7); // { E3 F3 G3 H3 }
// Step 3: Store results into int dst[4][8]
_mm_storeu_si128((__m128i *)(dst + 0 * size), u0); // { A0 B0 C0 D0 }
_mm_storeu_si128((__m128i *)(dst + 1 * size), u1); // { A1 B1 C1 D1 }
_mm_storeu_si128((__m128i *)(dst + 2 * size), u2); // { A2 B2 C2 D2 }
_mm_storeu_si128((__m128i *)(dst + 3 * size), u3); // { A3 B3 C3 D3 }
_mm_storeu_si128((__m128i *)(dst + 0 * size + 4), u4); // { E0 F0 G0 H0 }
_mm_storeu_si128((__m128i *)(dst + 1 * size + 4), u5); // { E1 F1 G1 H1 }
_mm_storeu_si128((__m128i *)(dst + 2 * size + 4), u6); // { E2 F2 G2 H2 }
_mm_storeu_si128((__m128i *)(dst + 3 * size + 4), u7); // { E3 F3 G3 H3 }
}
void transpose_store_8x4_avx2(__m256i *a, int *dst, int size) {
__m256i t0 =
_mm256_unpacklo_epi32(a[0], a[1]); // { A0 B0 A1 B1 A4 B4 A5 B5 }
__m256i t1 =
_mm256_unpackhi_epi32(a[0], a[1]); // { A2 B2 A3 B3 A6 B6 A7 B7 }
__m256i t2 =
_mm256_unpacklo_epi32(a[2], a[3]); // { C0 D0 C1 D1 C4 D4 C5 D5 }
__m256i t3 =
_mm256_unpackhi_epi32(a[2], a[3]); // { C2 D2 C3 D3 C6 D6 C7 D7 }
// Interleave 64-bit elements
__m256i u0 = _mm256_unpacklo_epi64(t0, t2); // { A0 B0 C0 D0 A4 B4 C4 D4 }
__m256i u1 = _mm256_unpackhi_epi64(t0, t2); // { A1 B1 C1 D1 A5 B5 C5 D5 }
__m256i u2 = _mm256_unpacklo_epi64(t1, t3); // { A2 B2 C2 D2 A6 B6 C6 D6 }
__m256i u3 = _mm256_unpackhi_epi64(t1, t3); // { A3 B3 C3 D3 A7 B7 C7 D7 }
// Permute 128-bit lanes to complete the transpose
_mm_storeu_si128((__m128i *)(dst + 0 * size),
_mm256_castsi256_si128(u0)); // { A0 B0 C0 D0 }
_mm_storeu_si128((__m128i *)(dst + 1 * size),
_mm256_castsi256_si128(u1)); // { A1 B1 C1 D1 }
_mm_storeu_si128((__m128i *)(dst + 2 * size),
_mm256_castsi256_si128(u2)); // { A2 B2 C2 D2 }
_mm_storeu_si128((__m128i *)(dst + 3 * size),
_mm256_castsi256_si128(u3)); // { A3 B3 C3 D3 }
_mm_storeu_si128((__m128i *)(dst + 4 * size),
_mm256_extracti128_si256(u0, 1)); // { A4 B4 C4 D4 }
_mm_storeu_si128((__m128i *)(dst + 5 * size),
_mm256_extracti128_si256(u1, 1)); // { A5 B5 C5 D5 }
_mm_storeu_si128((__m128i *)(dst + 6 * size),
_mm256_extracti128_si256(u2, 1)); // { A6 B6 C6 D6 }
_mm_storeu_si128((__m128i *)(dst + 7 * size),
_mm256_extracti128_si256(u3, 1)); // { A7 B7 C7 D7 }
}
// ********************************** DCT-II **********************************
void fwd_txfm_dct2_size4_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
int j, k;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int *tx_mat = tx_kernel_dct2_size4[FWD_TXFM][0];
const int tx1d_size = 4;
if (nz_line >= 8) {
__m256i a[2], b[2], aa[4];
__m256i v_offset = _mm256_set1_epi32(offset);
__m256i txmat_1_0 = _mm256_set1_epi32(tx_mat[1 * 4 + 0]); // 85
__m256i txmat_1_1 = _mm256_set1_epi32(tx_mat[1 * 4 + 1]); // 35
for (j = 0; j < nz_line; j += 8) {
for (k = 0; k < 2; k++) {
__m256i src0 = _mm256_loadu_si256((__m256i *)&src[k * line]);
__m256i src1 =
_mm256_loadu_si256((__m256i *)&src[(tx1d_size - 1 - k) * line]);
a[k] = _mm256_add_epi32(src0, src1);
b[k] = _mm256_sub_epi32(src0, src1);
}
aa[0] = _mm256_add_epi32(a[0], a[1]);
aa[0] = _mm256_slli_epi32(aa[0], 6);
aa[2] = _mm256_sub_epi32(a[0], a[1]);
aa[2] = _mm256_slli_epi32(aa[2], 6);
aa[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_0),
_mm256_mullo_epi32(b[1], txmat_1_1));
aa[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_1),
_mm256_mullo_epi32(b[1], txmat_1_0));
for (k = 0; k < 4; k++) {
aa[k] = _mm256_add_epi32(aa[k], v_offset);
aa[k] = _mm256_srai_epi32(aa[k], shift);
}
transpose_store_8x4_avx2(aa, dst, tx1d_size);
src += 8;
dst += tx1d_size * 8;
}
} else {
__m256i v_offset = _mm256_set1_epi32(offset);
for (j = 0; j < nz_line; j += 2) {
__m256i sum = _mm256_set1_epi32(0);
for (k = 0; k < tx1d_size; k++) {
__m128i tmp_src0 = _mm_set1_epi32(src[k * line + j + 0]);
__m128i tmp_src1 = _mm_set1_epi32(src[k * line + j + 1]);
__m256i tmp_src = _mm256_set_m128i(tmp_src1, tmp_src0);
__m256i tmp_val = _mm256_set_epi32(
tx_mat[3 * tx1d_size + k], tx_mat[2 * tx1d_size + k],
tx_mat[1 * tx1d_size + k], tx_mat[0 * tx1d_size + k],
tx_mat[3 * tx1d_size + k], tx_mat[2 * tx1d_size + k],
tx_mat[1 * tx1d_size + k], tx_mat[0 * tx1d_size + k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size)), sum);
}
}
}
void fwd_txfm_dct2_size8_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
int j, k;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int *tx_mat = tx_kernel_dct2_size8[FWD_TXFM][0];
const int tx1d_size = 8;
if (nz_line >= 8) {
__m256i a[8], b[4], aa[4];
__m256i c[2], d[2];
__m256i v_offset = _mm256_set1_epi32(offset);
__m256i txmat_2_0 = _mm256_set1_epi32(tx_mat[2 * 8 + 0]); // 85
__m256i txmat_2_1 = _mm256_set1_epi32(tx_mat[2 * 8 + 1]); // 35
__m256i txmat_1_0 = _mm256_set1_epi32(tx_mat[1 * 8 + 0]); // 89
__m256i txmat_1_1 = _mm256_set1_epi32(tx_mat[1 * 8 + 1]); // 75
__m256i txmat_1_2 = _mm256_set1_epi32(tx_mat[1 * 8 + 2]); // 50
__m256i txmat_1_3 = _mm256_set1_epi32(tx_mat[1 * 8 + 3]); // 18
for (j = 0; j < nz_line; j += 8) {
for (k = 0; k < 4; k++) {
__m256i src0 = _mm256_loadu_si256((__m256i *)&src[k * line]);
__m256i src1 =
_mm256_loadu_si256((__m256i *)&src[(tx1d_size - 1 - k) * line]);
a[k] = _mm256_add_epi32(src0, src1);
b[k] = _mm256_sub_epi32(src0, src1);
}
for (k = 0; k < 2; k++) {
c[k] = _mm256_add_epi32(a[k], a[3 - k]);
d[k] = _mm256_sub_epi32(a[k], a[3 - k]);
}
a[0] = _mm256_add_epi32(c[0], c[1]);
a[0] = _mm256_slli_epi32(a[0], 6);
a[4] = _mm256_sub_epi32(c[0], c[1]);
a[4] = _mm256_slli_epi32(a[4], 6);
a[2] = _mm256_add_epi32(_mm256_mullo_epi32(d[0], txmat_2_0),
_mm256_mullo_epi32(d[1], txmat_2_1));
a[6] = _mm256_sub_epi32(_mm256_mullo_epi32(d[0], txmat_2_1),
_mm256_mullo_epi32(d[1], txmat_2_0));
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_0);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_1);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_2);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_3);
a[1] = _mm256_add_epi32(_mm256_add_epi32(aa[0], aa[1]),
_mm256_add_epi32(aa[2], aa[3]));
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_1);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_3);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_0);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_2);
a[3] = _mm256_sub_epi32(_mm256_sub_epi32(aa[0], aa[1]),
_mm256_add_epi32(aa[2], aa[3]));
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_2);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_0);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_3);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_1);
a[5] = _mm256_add_epi32(_mm256_sub_epi32(aa[0], aa[1]),
_mm256_add_epi32(aa[2], aa[3]));
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_3);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_2);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_1);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_0);
a[7] = _mm256_add_epi32(_mm256_sub_epi32(aa[0], aa[1]),
_mm256_sub_epi32(aa[2], aa[3]));
for (k = 0; k < 8; k++) {
a[k] = _mm256_add_epi32(a[k], v_offset);
a[k] = _mm256_srai_epi32(a[k], shift);
}
transpose_store_8x8_avx2(a, dst, tx1d_size);
src += 8;
dst += tx1d_size * 8;
}
} else {
__m128i a[8], b[4], aa[4];
__m128i c[2], d[2];
__m128i v_offset = _mm_set1_epi32(offset);
__m128i txmat_2_0 = _mm_set1_epi32(tx_mat[2 * 8 + 0]); // 85
__m128i txmat_2_1 = _mm_set1_epi32(tx_mat[2 * 8 + 1]); // 35
__m128i txmat_1_0 = _mm_set1_epi32(tx_mat[1 * 8 + 0]); // 89
__m128i txmat_1_1 = _mm_set1_epi32(tx_mat[1 * 8 + 1]); // 75
__m128i txmat_1_2 = _mm_set1_epi32(tx_mat[1 * 8 + 2]); // 50
__m128i txmat_1_3 = _mm_set1_epi32(tx_mat[1 * 8 + 3]); // 18
for (k = 0; k < 4; k++) {
__m128i src0 = _mm_loadu_si128((__m128i *)&src[k * line]);
__m128i src1 =
_mm_loadu_si128((__m128i *)&src[(tx1d_size - 1 - k) * line]);
a[k] = _mm_add_epi32(src0, src1);
b[k] = _mm_sub_epi32(src0, src1);
}
for (k = 0; k < 2; k++) {
c[k] = _mm_add_epi32(a[k], a[3 - k]);
d[k] = _mm_sub_epi32(a[k], a[3 - k]);
}
a[0] = _mm_add_epi32(c[0], c[1]);
a[0] = _mm_slli_epi32(a[0], 6);
a[4] = _mm_sub_epi32(c[0], c[1]);
a[4] = _mm_slli_epi32(a[4], 6);
a[2] = _mm_add_epi32(_mm_mullo_epi32(d[0], txmat_2_0),
_mm_mullo_epi32(d[1], txmat_2_1));
a[6] = _mm_sub_epi32(_mm_mullo_epi32(d[0], txmat_2_1),
_mm_mullo_epi32(d[1], txmat_2_0));
aa[0] = _mm_mullo_epi32(b[0], txmat_1_0);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_1);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_2);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_3);
a[1] =
_mm_add_epi32(_mm_add_epi32(aa[0], aa[1]), _mm_add_epi32(aa[2], aa[3]));
aa[0] = _mm_mullo_epi32(b[0], txmat_1_1);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_3);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_0);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_2);
a[3] =
_mm_sub_epi32(_mm_sub_epi32(aa[0], aa[1]), _mm_add_epi32(aa[2], aa[3]));
aa[0] = _mm_mullo_epi32(b[0], txmat_1_2);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_0);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_3);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_1);
a[5] =
_mm_add_epi32(_mm_sub_epi32(aa[0], aa[1]), _mm_add_epi32(aa[2], aa[3]));
aa[0] = _mm_mullo_epi32(b[0], txmat_1_3);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_2);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_1);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_0);
a[7] =
_mm_add_epi32(_mm_sub_epi32(aa[0], aa[1]), _mm_sub_epi32(aa[2], aa[3]));
for (k = 0; k < 8; k++) {
a[k] = _mm_add_epi32(a[k], v_offset);
a[k] = _mm_srai_epi32(a[k], shift);
}
transpose_store_8x4_sse4(a, dst, tx1d_size);
}
}
void fwd_txfm_dct2_size16_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
int j, k;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int *tx_mat = tx_kernel_dct2_size16[FWD_TXFM][0];
const int tx1d_size = 16;
if (nz_line >= 8) {
__m256i a[16], b[8], aa[8];
__m256i c[4], d[4];
__m256i e[2], f[2];
__m256i v_offset = _mm256_set1_epi32(offset);
__m256i txmat_4_0 = _mm256_set1_epi32(tx_mat[4 * 16 + 0]); // 85
__m256i txmat_4_1 = _mm256_set1_epi32(tx_mat[4 * 16 + 1]); // 35
__m256i txmat_2_0 = _mm256_set1_epi32(tx_mat[2 * 16 + 0]); // 89
__m256i txmat_2_1 = _mm256_set1_epi32(tx_mat[2 * 16 + 1]); // 75
__m256i txmat_2_2 = _mm256_set1_epi32(tx_mat[2 * 16 + 2]); // 50
__m256i txmat_2_3 = _mm256_set1_epi32(tx_mat[2 * 16 + 3]); // 18
__m256i txmat_1_0 = _mm256_set1_epi32(tx_mat[1 * 16 + 0]); // 90
__m256i txmat_1_1 = _mm256_set1_epi32(tx_mat[1 * 16 + 1]); // 87
__m256i txmat_1_2 = _mm256_set1_epi32(tx_mat[1 * 16 + 2]); // 80
__m256i txmat_1_3 = _mm256_set1_epi32(tx_mat[1 * 16 + 3]); // 70
__m256i txmat_1_4 = _mm256_set1_epi32(tx_mat[1 * 16 + 4]); // 57
__m256i txmat_1_5 = _mm256_set1_epi32(tx_mat[1 * 16 + 5]); // 43
__m256i txmat_1_6 = _mm256_set1_epi32(tx_mat[1 * 16 + 6]); // 26
__m256i txmat_1_7 = _mm256_set1_epi32(tx_mat[1 * 16 + 7]); // 9
for (j = 0; j < nz_line; j += 8) {
for (k = 0; k < 8; k++) {
__m256i src0 = _mm256_loadu_si256((__m256i *)&src[k * line]);
__m256i src1 =
_mm256_loadu_si256((__m256i *)&src[(tx1d_size - 1 - k) * line]);
a[k] = _mm256_add_epi32(src0, src1);
b[k] = _mm256_sub_epi32(src0, src1);
}
for (k = 0; k < 4; k++) {
c[k] = _mm256_add_epi32(a[k], a[7 - k]);
d[k] = _mm256_sub_epi32(a[k], a[7 - k]);
}
for (k = 0; k < 2; k++) {
e[k] = _mm256_add_epi32(c[k], c[3 - k]);
f[k] = _mm256_sub_epi32(c[k], c[3 - k]);
}
a[0] = _mm256_add_epi32(e[0], e[1]);
a[0] = _mm256_slli_epi32(a[0], 6);
a[8] = _mm256_sub_epi32(e[0], e[1]);
a[8] = _mm256_slli_epi32(a[8], 6);
a[4] = _mm256_add_epi32(_mm256_mullo_epi32(f[0], txmat_4_0),
_mm256_mullo_epi32(f[1], txmat_4_1));
a[12] = _mm256_sub_epi32(_mm256_mullo_epi32(f[0], txmat_4_1),
_mm256_mullo_epi32(f[1], txmat_4_0));
c[0] = _mm256_mullo_epi32(d[0], txmat_2_0);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_1);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_2);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_3);
a[2] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[0] = _mm256_mullo_epi32(d[0], txmat_2_1);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_3);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_0);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_2);
a[6] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[0] = _mm256_mullo_epi32(d[0], txmat_2_2);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_0);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_3);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_1);
a[10] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[0] = _mm256_mullo_epi32(d[0], txmat_2_3);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_2);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_1);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_0);
a[14] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_0);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_1);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_2);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_3);
aa[4] = _mm256_mullo_epi32(b[4], txmat_1_4);
aa[5] = _mm256_mullo_epi32(b[5], txmat_1_5);
aa[6] = _mm256_mullo_epi32(b[6], txmat_1_6);
aa[7] = _mm256_mullo_epi32(b[7], txmat_1_7);
aa[0] = _mm256_add_epi32(_mm256_add_epi32(aa[0], aa[1]),
_mm256_add_epi32(aa[2], aa[3]));
aa[4] = _mm256_add_epi32(_mm256_add_epi32(aa[4], aa[5]),
_mm256_add_epi32(aa[6], aa[7]));
a[1] = _mm256_add_epi32(aa[0], aa[4]);
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_1);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_4);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_7);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_5);
aa[4] = _mm256_mullo_epi32(b[4], txmat_1_2);
aa[5] = _mm256_mullo_epi32(b[5], txmat_1_0);
aa[6] = _mm256_mullo_epi32(b[6], txmat_1_3);
aa[7] = _mm256_mullo_epi32(b[7], txmat_1_6);
aa[0] = _mm256_add_epi32(_mm256_add_epi32(aa[0], aa[1]),
_mm256_sub_epi32(aa[2], aa[3]));
aa[4] = _mm256_add_epi32(_mm256_add_epi32(aa[4], aa[5]),
_mm256_add_epi32(aa[6], aa[7]));
a[3] = _mm256_sub_epi32(aa[0], aa[4]);
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_2);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_7);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_3);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_1);
aa[4] = _mm256_mullo_epi32(b[4], txmat_1_6);
aa[5] = _mm256_mullo_epi32(b[5], txmat_1_4);
aa[6] = _mm256_mullo_epi32(b[6], txmat_1_0);
aa[7] = _mm256_mullo_epi32(b[7], txmat_1_5);
aa[0] = _mm256_sub_epi32(_mm256_add_epi32(aa[0], aa[1]),
_mm256_add_epi32(aa[2], aa[3]));
aa[4] = _mm256_sub_epi32(_mm256_sub_epi32(aa[4], aa[5]),
_mm256_add_epi32(aa[6], aa[7]));
a[5] = _mm256_sub_epi32(aa[0], aa[4]);
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_3);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_5);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_1);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_7);
aa[4] = _mm256_mullo_epi32(b[4], txmat_1_0);
aa[5] = _mm256_mullo_epi32(b[5], txmat_1_6);
aa[6] = _mm256_mullo_epi32(b[6], txmat_1_2);
aa[7] = _mm256_mullo_epi32(b[7], txmat_1_4);
aa[0] = _mm256_sub_epi32(_mm256_sub_epi32(aa[0], aa[1]),
_mm256_sub_epi32(aa[2], aa[3]));
aa[4] = _mm256_sub_epi32(_mm256_add_epi32(aa[4], aa[5]),
_mm256_add_epi32(aa[6], aa[7]));
a[7] = _mm256_add_epi32(aa[0], aa[4]);
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_4);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_2);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_6);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_0);
aa[4] = _mm256_mullo_epi32(b[4], txmat_1_7);
aa[5] = _mm256_mullo_epi32(b[5], txmat_1_1);
aa[6] = _mm256_mullo_epi32(b[6], txmat_1_5);
aa[7] = _mm256_mullo_epi32(b[7], txmat_1_3);
aa[0] = _mm256_sub_epi32(_mm256_sub_epi32(aa[0], aa[1]),
_mm256_sub_epi32(aa[2], aa[3]));
aa[4] = _mm256_sub_epi32(_mm256_add_epi32(aa[4], aa[5]),
_mm256_add_epi32(aa[6], aa[7]));
a[9] = _mm256_sub_epi32(aa[0], aa[4]);
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_5);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_0);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_4);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_6);
aa[4] = _mm256_mullo_epi32(b[4], txmat_1_1);
aa[5] = _mm256_mullo_epi32(b[5], txmat_1_3);
aa[6] = _mm256_mullo_epi32(b[6], txmat_1_7);
aa[7] = _mm256_mullo_epi32(b[7], txmat_1_2);
aa[0] = _mm256_add_epi32(_mm256_sub_epi32(aa[0], aa[1]),
_mm256_add_epi32(aa[2], aa[3]));
aa[4] = _mm256_sub_epi32(_mm256_sub_epi32(aa[4], aa[5]),
_mm256_sub_epi32(aa[6], aa[7]));
a[11] = _mm256_sub_epi32(aa[0], aa[4]);
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_6);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_3);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_0);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_2);
aa[4] = _mm256_mullo_epi32(b[4], txmat_1_5);
aa[5] = _mm256_mullo_epi32(b[5], txmat_1_7);
aa[6] = _mm256_mullo_epi32(b[6], txmat_1_4);
aa[7] = _mm256_mullo_epi32(b[7], txmat_1_1);
aa[0] = _mm256_add_epi32(_mm256_sub_epi32(aa[0], aa[1]),
_mm256_sub_epi32(aa[2], aa[3]));
aa[4] = _mm256_sub_epi32(_mm256_add_epi32(aa[4], aa[5]),
_mm256_sub_epi32(aa[6], aa[7]));
a[13] = _mm256_add_epi32(aa[0], aa[4]);
aa[0] = _mm256_mullo_epi32(b[0], txmat_1_7);
aa[1] = _mm256_mullo_epi32(b[1], txmat_1_6);
aa[2] = _mm256_mullo_epi32(b[2], txmat_1_5);
aa[3] = _mm256_mullo_epi32(b[3], txmat_1_4);
aa[4] = _mm256_mullo_epi32(b[4], txmat_1_3);
aa[5] = _mm256_mullo_epi32(b[5], txmat_1_2);
aa[6] = _mm256_mullo_epi32(b[6], txmat_1_1);
aa[7] = _mm256_mullo_epi32(b[7], txmat_1_0);
aa[0] = _mm256_add_epi32(_mm256_sub_epi32(aa[0], aa[1]),
_mm256_sub_epi32(aa[2], aa[3]));
aa[4] = _mm256_add_epi32(_mm256_sub_epi32(aa[4], aa[5]),
_mm256_sub_epi32(aa[6], aa[7]));
a[15] = _mm256_add_epi32(aa[0], aa[4]);
for (k = 0; k < 16; k++) {
a[k] = _mm256_add_epi32(a[k], v_offset);
a[k] = _mm256_srai_epi32(a[k], shift);
}
transpose_store_8x8_avx2(a, dst + 0, tx1d_size);
transpose_store_8x8_avx2(a + 8, dst + 8, tx1d_size);
src += 8;
dst += tx1d_size * 8;
}
} else {
__m128i a[16], b[8], aa[8];
__m128i c[4], d[4];
__m128i e[2], f[2];
__m128i v_offset = _mm_set1_epi32(offset);
__m128i txmat_4_0 = _mm_set1_epi32(tx_mat[4 * 16 + 0]); // 85
__m128i txmat_4_1 = _mm_set1_epi32(tx_mat[4 * 16 + 1]); // 35
__m128i txmat_2_0 = _mm_set1_epi32(tx_mat[2 * 16 + 0]); // 89
__m128i txmat_2_1 = _mm_set1_epi32(tx_mat[2 * 16 + 1]); // 75
__m128i txmat_2_2 = _mm_set1_epi32(tx_mat[2 * 16 + 2]); // 50
__m128i txmat_2_3 = _mm_set1_epi32(tx_mat[2 * 16 + 3]); // 18
__m128i txmat_1_0 = _mm_set1_epi32(tx_mat[1 * 16 + 0]); // 90
__m128i txmat_1_1 = _mm_set1_epi32(tx_mat[1 * 16 + 1]); // 87
__m128i txmat_1_2 = _mm_set1_epi32(tx_mat[1 * 16 + 2]); // 80
__m128i txmat_1_3 = _mm_set1_epi32(tx_mat[1 * 16 + 3]); // 70
__m128i txmat_1_4 = _mm_set1_epi32(tx_mat[1 * 16 + 4]); // 57
__m128i txmat_1_5 = _mm_set1_epi32(tx_mat[1 * 16 + 5]); // 43
__m128i txmat_1_6 = _mm_set1_epi32(tx_mat[1 * 16 + 6]); // 26
__m128i txmat_1_7 = _mm_set1_epi32(tx_mat[1 * 16 + 7]); // 9
for (j = 0; j < nz_line; j += 8) {
for (k = 0; k < 8; k++) {
__m128i src0 = _mm_loadu_si128((__m128i *)&src[k * line]);
__m128i src1 =
_mm_loadu_si128((__m128i *)&src[(tx1d_size - 1 - k) * line]);
a[k] = _mm_add_epi32(src0, src1);
b[k] = _mm_sub_epi32(src0, src1);
}
for (k = 0; k < 4; k++) {
c[k] = _mm_add_epi32(a[k], a[7 - k]);
d[k] = _mm_sub_epi32(a[k], a[7 - k]);
}
for (k = 0; k < 2; k++) {
e[k] = _mm_add_epi32(c[k], c[3 - k]);
f[k] = _mm_sub_epi32(c[k], c[3 - k]);
}
a[0] = _mm_add_epi32(e[0], e[1]);
a[0] = _mm_slli_epi32(a[0], 6);
a[8] = _mm_sub_epi32(e[0], e[1]);
a[8] = _mm_slli_epi32(a[8], 6);
a[4] = _mm_add_epi32(_mm_mullo_epi32(f[0], txmat_4_0),
_mm_mullo_epi32(f[1], txmat_4_1));
a[12] = _mm_sub_epi32(_mm_mullo_epi32(f[0], txmat_4_1),
_mm_mullo_epi32(f[1], txmat_4_0));
c[0] = _mm_mullo_epi32(d[0], txmat_2_0);
c[1] = _mm_mullo_epi32(d[1], txmat_2_1);
c[2] = _mm_mullo_epi32(d[2], txmat_2_2);
c[3] = _mm_mullo_epi32(d[3], txmat_2_3);
a[2] =
_mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[0] = _mm_mullo_epi32(d[0], txmat_2_1);
c[1] = _mm_mullo_epi32(d[1], txmat_2_3);
c[2] = _mm_mullo_epi32(d[2], txmat_2_0);
c[3] = _mm_mullo_epi32(d[3], txmat_2_2);
a[6] =
_mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[0] = _mm_mullo_epi32(d[0], txmat_2_2);
c[1] = _mm_mullo_epi32(d[1], txmat_2_0);
c[2] = _mm_mullo_epi32(d[2], txmat_2_3);
c[3] = _mm_mullo_epi32(d[3], txmat_2_1);
a[10] =
_mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[0] = _mm_mullo_epi32(d[0], txmat_2_3);
c[1] = _mm_mullo_epi32(d[1], txmat_2_2);
c[2] = _mm_mullo_epi32(d[2], txmat_2_1);
c[3] = _mm_mullo_epi32(d[3], txmat_2_0);
a[14] =
_mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
aa[0] = _mm_mullo_epi32(b[0], txmat_1_0);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_1);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_2);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_3);
aa[4] = _mm_mullo_epi32(b[4], txmat_1_4);
aa[5] = _mm_mullo_epi32(b[5], txmat_1_5);
aa[6] = _mm_mullo_epi32(b[6], txmat_1_6);
aa[7] = _mm_mullo_epi32(b[7], txmat_1_7);
aa[0] = _mm_add_epi32(_mm_add_epi32(aa[0], aa[1]),
_mm_add_epi32(aa[2], aa[3]));
aa[4] = _mm_add_epi32(_mm_add_epi32(aa[4], aa[5]),
_mm_add_epi32(aa[6], aa[7]));
a[1] = _mm_add_epi32(aa[0], aa[4]);
aa[0] = _mm_mullo_epi32(b[0], txmat_1_1);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_4);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_7);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_5);
aa[4] = _mm_mullo_epi32(b[4], txmat_1_2);
aa[5] = _mm_mullo_epi32(b[5], txmat_1_0);
aa[6] = _mm_mullo_epi32(b[6], txmat_1_3);
aa[7] = _mm_mullo_epi32(b[7], txmat_1_6);
aa[0] = _mm_add_epi32(_mm_add_epi32(aa[0], aa[1]),
_mm_sub_epi32(aa[2], aa[3]));
aa[4] = _mm_add_epi32(_mm_add_epi32(aa[4], aa[5]),
_mm_add_epi32(aa[6], aa[7]));
a[3] = _mm_sub_epi32(aa[0], aa[4]);
aa[0] = _mm_mullo_epi32(b[0], txmat_1_2);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_7);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_3);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_1);
aa[4] = _mm_mullo_epi32(b[4], txmat_1_6);
aa[5] = _mm_mullo_epi32(b[5], txmat_1_4);
aa[6] = _mm_mullo_epi32(b[6], txmat_1_0);
aa[7] = _mm_mullo_epi32(b[7], txmat_1_5);
aa[0] = _mm_sub_epi32(_mm_add_epi32(aa[0], aa[1]),
_mm_add_epi32(aa[2], aa[3]));
aa[4] = _mm_sub_epi32(_mm_sub_epi32(aa[4], aa[5]),
_mm_add_epi32(aa[6], aa[7]));
a[5] = _mm_sub_epi32(aa[0], aa[4]);
aa[0] = _mm_mullo_epi32(b[0], txmat_1_3);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_5);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_1);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_7);
aa[4] = _mm_mullo_epi32(b[4], txmat_1_0);
aa[5] = _mm_mullo_epi32(b[5], txmat_1_6);
aa[6] = _mm_mullo_epi32(b[6], txmat_1_2);
aa[7] = _mm_mullo_epi32(b[7], txmat_1_4);
aa[0] = _mm_sub_epi32(_mm_sub_epi32(aa[0], aa[1]),
_mm_sub_epi32(aa[2], aa[3]));
aa[4] = _mm_sub_epi32(_mm_add_epi32(aa[4], aa[5]),
_mm_add_epi32(aa[6], aa[7]));
a[7] = _mm_add_epi32(aa[0], aa[4]);
aa[0] = _mm_mullo_epi32(b[0], txmat_1_4);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_2);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_6);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_0);
aa[4] = _mm_mullo_epi32(b[4], txmat_1_7);
aa[5] = _mm_mullo_epi32(b[5], txmat_1_1);
aa[6] = _mm_mullo_epi32(b[6], txmat_1_5);
aa[7] = _mm_mullo_epi32(b[7], txmat_1_3);
aa[0] = _mm_sub_epi32(_mm_sub_epi32(aa[0], aa[1]),
_mm_sub_epi32(aa[2], aa[3]));
aa[4] = _mm_sub_epi32(_mm_add_epi32(aa[4], aa[5]),
_mm_add_epi32(aa[6], aa[7]));
a[9] = _mm_sub_epi32(aa[0], aa[4]);
aa[0] = _mm_mullo_epi32(b[0], txmat_1_5);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_0);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_4);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_6);
aa[4] = _mm_mullo_epi32(b[4], txmat_1_1);
aa[5] = _mm_mullo_epi32(b[5], txmat_1_3);
aa[6] = _mm_mullo_epi32(b[6], txmat_1_7);
aa[7] = _mm_mullo_epi32(b[7], txmat_1_2);
aa[0] = _mm_add_epi32(_mm_sub_epi32(aa[0], aa[1]),
_mm_add_epi32(aa[2], aa[3]));
aa[4] = _mm_sub_epi32(_mm_sub_epi32(aa[4], aa[5]),
_mm_sub_epi32(aa[6], aa[7]));
a[11] = _mm_sub_epi32(aa[0], aa[4]);
aa[0] = _mm_mullo_epi32(b[0], txmat_1_6);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_3);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_0);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_2);
aa[4] = _mm_mullo_epi32(b[4], txmat_1_5);
aa[5] = _mm_mullo_epi32(b[5], txmat_1_7);
aa[6] = _mm_mullo_epi32(b[6], txmat_1_4);
aa[7] = _mm_mullo_epi32(b[7], txmat_1_1);
aa[0] = _mm_add_epi32(_mm_sub_epi32(aa[0], aa[1]),
_mm_sub_epi32(aa[2], aa[3]));
aa[4] = _mm_sub_epi32(_mm_add_epi32(aa[4], aa[5]),
_mm_sub_epi32(aa[6], aa[7]));
a[13] = _mm_add_epi32(aa[0], aa[4]);
aa[0] = _mm_mullo_epi32(b[0], txmat_1_7);
aa[1] = _mm_mullo_epi32(b[1], txmat_1_6);
aa[2] = _mm_mullo_epi32(b[2], txmat_1_5);
aa[3] = _mm_mullo_epi32(b[3], txmat_1_4);
aa[4] = _mm_mullo_epi32(b[4], txmat_1_3);
aa[5] = _mm_mullo_epi32(b[5], txmat_1_2);
aa[6] = _mm_mullo_epi32(b[6], txmat_1_1);
aa[7] = _mm_mullo_epi32(b[7], txmat_1_0);
aa[0] = _mm_add_epi32(_mm_sub_epi32(aa[0], aa[1]),
_mm_sub_epi32(aa[2], aa[3]));
aa[4] = _mm_add_epi32(_mm_sub_epi32(aa[4], aa[5]),
_mm_sub_epi32(aa[6], aa[7]));
a[15] = _mm_add_epi32(aa[0], aa[4]);
for (k = 0; k < 16; k++) {
a[k] = _mm_add_epi32(a[k], v_offset);
a[k] = _mm_srai_epi32(a[k], shift);
}
transpose_store_8x4_sse4(a, dst + 0, tx1d_size);
transpose_store_8x4_sse4(a + 8, dst + 8, tx1d_size);
}
}
}
void fwd_txfm_dct2_size32_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
int j, k;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int *tx_mat = tx_kernel_dct2_size32[FWD_TXFM][0];
const int tx1d_size = 32;
if (nz_line >= 8) {
__m256i a[32], b[16];
__m256i c[8], d[8];
__m256i e[4], f[4];
__m256i g[2], h[2];
__m256i v_offset = _mm256_set1_epi32(offset);
__m256i txmat_8_0 = _mm256_set1_epi32(tx_mat[8 * 32 + 0]); // 85
__m256i txmat_8_1 = _mm256_set1_epi32(tx_mat[8 * 32 + 1]); // 35
__m256i txmat_4_0 = _mm256_set1_epi32(tx_mat[4 * 32 + 0]); // 89
__m256i txmat_4_1 = _mm256_set1_epi32(tx_mat[4 * 32 + 1]); // 75
__m256i txmat_4_2 = _mm256_set1_epi32(tx_mat[4 * 32 + 2]); // 50
__m256i txmat_4_3 = _mm256_set1_epi32(tx_mat[4 * 32 + 3]); // 18
__m256i txmat_2_0 = _mm256_set1_epi32(tx_mat[2 * 32 + 0]); // 90
__m256i txmat_2_1 = _mm256_set1_epi32(tx_mat[2 * 32 + 1]); // 87
__m256i txmat_2_2 = _mm256_set1_epi32(tx_mat[2 * 32 + 2]); // 80
__m256i txmat_2_3 = _mm256_set1_epi32(tx_mat[2 * 32 + 3]); // 70
__m256i txmat_2_4 = _mm256_set1_epi32(tx_mat[2 * 32 + 4]); // 57
__m256i txmat_2_5 = _mm256_set1_epi32(tx_mat[2 * 32 + 5]); // 43
__m256i txmat_2_6 = _mm256_set1_epi32(tx_mat[2 * 32 + 6]); // 26
__m256i txmat_2_7 = _mm256_set1_epi32(tx_mat[2 * 32 + 7]); // 9
__m256i txmat_1_0 = _mm256_set1_epi32(tx_mat[1 * 32 + 0]); // 90
__m256i txmat_1_1 = _mm256_set1_epi32(tx_mat[1 * 32 + 1]); // 90
__m256i txmat_1_2 = _mm256_set1_epi32(tx_mat[1 * 32 + 2]); // 88
__m256i txmat_1_3 = _mm256_set1_epi32(tx_mat[1 * 32 + 3]); // 85
__m256i txmat_1_4 = _mm256_set1_epi32(tx_mat[1 * 32 + 4]); // 82
__m256i txmat_1_5 = _mm256_set1_epi32(tx_mat[1 * 32 + 5]); // 78
__m256i txmat_1_6 = _mm256_set1_epi32(tx_mat[1 * 32 + 6]); // 73
__m256i txmat_1_7 = _mm256_set1_epi32(tx_mat[1 * 32 + 7]); // 67
__m256i txmat_1_8 = _mm256_set1_epi32(tx_mat[1 * 32 + 8]); // 61
__m256i txmat_1_9 = _mm256_set1_epi32(tx_mat[1 * 32 + 9]); // 54
__m256i txmat_1_10 = _mm256_set1_epi32(tx_mat[1 * 32 + 10]); // 47
__m256i txmat_1_11 = _mm256_set1_epi32(tx_mat[1 * 32 + 11]); // 39
__m256i txmat_1_12 = _mm256_set1_epi32(tx_mat[1 * 32 + 12]); // 30
__m256i txmat_1_13 = _mm256_set1_epi32(tx_mat[1 * 32 + 13]); // 22
__m256i txmat_1_14 = _mm256_set1_epi32(tx_mat[1 * 32 + 14]); // 13
__m256i txmat_1_15 = _mm256_set1_epi32(tx_mat[1 * 32 + 15]); // 4
for (j = 0; j < nz_line; j += 8) {
for (k = 0; k < 16; k++) {
__m256i src0 = _mm256_loadu_si256((__m256i *)&src[k * line]);
__m256i src1 =
_mm256_loadu_si256((__m256i *)&src[(tx1d_size - 1 - k) * line]);
a[k] = _mm256_add_epi32(src0, src1);
b[k] = _mm256_sub_epi32(src0, src1);
}
for (k = 0; k < 8; k++) {
c[k] = _mm256_add_epi32(a[k], a[15 - k]);
d[k] = _mm256_sub_epi32(a[k], a[15 - k]);
}
for (k = 0; k < 4; k++) {
e[k] = _mm256_add_epi32(c[k], c[7 - k]);
f[k] = _mm256_sub_epi32(c[k], c[7 - k]);
}
g[0] = _mm256_add_epi32(e[0], e[3]);
h[0] = _mm256_sub_epi32(e[0], e[3]);
g[1] = _mm256_add_epi32(e[1], e[2]);
h[1] = _mm256_sub_epi32(e[1], e[2]);
a[0] = _mm256_add_epi32(g[0], g[1]);
a[0] = _mm256_slli_epi32(a[0], 6);
a[16] = _mm256_sub_epi32(g[0], g[1]);
a[16] = _mm256_slli_epi32(a[16], 6);
a[8] = _mm256_add_epi32(_mm256_mullo_epi32(h[0], txmat_8_0),
_mm256_mullo_epi32(h[1], txmat_8_1));
a[24] = _mm256_sub_epi32(_mm256_mullo_epi32(h[0], txmat_8_1),
_mm256_mullo_epi32(h[1], txmat_8_0));
e[0] = _mm256_mullo_epi32(f[0], txmat_4_0);
e[1] = _mm256_mullo_epi32(f[1], txmat_4_1);
e[2] = _mm256_mullo_epi32(f[2], txmat_4_2);
e[3] = _mm256_mullo_epi32(f[3], txmat_4_3);
a[4] = _mm256_add_epi32(_mm256_add_epi32(e[0], e[1]),
_mm256_add_epi32(e[2], e[3]));
e[0] = _mm256_mullo_epi32(f[0], txmat_4_1);
e[1] = _mm256_mullo_epi32(f[1], txmat_4_3);
e[2] = _mm256_mullo_epi32(f[2], txmat_4_0);
e[3] = _mm256_mullo_epi32(f[3], txmat_4_2);
a[12] = _mm256_sub_epi32(_mm256_sub_epi32(e[0], e[1]),
_mm256_add_epi32(e[2], e[3]));
e[0] = _mm256_mullo_epi32(f[0], txmat_4_2);
e[1] = _mm256_mullo_epi32(f[1], txmat_4_0);
e[2] = _mm256_mullo_epi32(f[2], txmat_4_3);
e[3] = _mm256_mullo_epi32(f[3], txmat_4_1);
a[20] = _mm256_add_epi32(_mm256_sub_epi32(e[0], e[1]),
_mm256_add_epi32(e[2], e[3]));
e[0] = _mm256_mullo_epi32(f[0], txmat_4_3);
e[1] = _mm256_mullo_epi32(f[1], txmat_4_2);
e[2] = _mm256_mullo_epi32(f[2], txmat_4_1);
e[3] = _mm256_mullo_epi32(f[3], txmat_4_0);
a[28] = _mm256_add_epi32(_mm256_sub_epi32(e[0], e[1]),
_mm256_sub_epi32(e[2], e[3]));
c[0] = _mm256_mullo_epi32(d[0], txmat_2_0);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_1);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_2);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_3);
c[4] = _mm256_mullo_epi32(d[4], txmat_2_4);
c[5] = _mm256_mullo_epi32(d[5], txmat_2_5);
c[6] = _mm256_mullo_epi32(d[6], txmat_2_6);
c[7] = _mm256_mullo_epi32(d[7], txmat_2_7);
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[2] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_mullo_epi32(d[0], txmat_2_1);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_4);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_7);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_5);
c[4] = _mm256_mullo_epi32(d[4], txmat_2_2);
c[5] = _mm256_mullo_epi32(d[5], txmat_2_0);
c[6] = _mm256_mullo_epi32(d[6], txmat_2_3);
c[7] = _mm256_mullo_epi32(d[7], txmat_2_6);
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[6] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_mullo_epi32(d[0], txmat_2_2);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_7);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_3);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_1);
c[4] = _mm256_mullo_epi32(d[4], txmat_2_6);
c[5] = _mm256_mullo_epi32(d[5], txmat_2_4);
c[6] = _mm256_mullo_epi32(d[6], txmat_2_0);
c[7] = _mm256_mullo_epi32(d[7], txmat_2_5);
c[0] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[10] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_mullo_epi32(d[0], txmat_2_3);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_5);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_1);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_7);
c[4] = _mm256_mullo_epi32(d[4], txmat_2_0);
c[5] = _mm256_mullo_epi32(d[5], txmat_2_6);
c[6] = _mm256_mullo_epi32(d[6], txmat_2_2);
c[7] = _mm256_mullo_epi32(d[7], txmat_2_4);
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[14] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_mullo_epi32(d[0], txmat_2_4);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_2);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_6);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_0);
c[4] = _mm256_mullo_epi32(d[4], txmat_2_7);
c[5] = _mm256_mullo_epi32(d[5], txmat_2_1);
c[6] = _mm256_mullo_epi32(d[6], txmat_2_5);
c[7] = _mm256_mullo_epi32(d[7], txmat_2_3);
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[18] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_mullo_epi32(d[0], txmat_2_5);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_0);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_4);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_6);
c[4] = _mm256_mullo_epi32(d[4], txmat_2_1);
c[5] = _mm256_mullo_epi32(d[5], txmat_2_3);
c[6] = _mm256_mullo_epi32(d[6], txmat_2_7);
c[7] = _mm256_mullo_epi32(d[7], txmat_2_2);
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[22] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_mullo_epi32(d[0], txmat_2_6);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_3);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_0);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_2);
c[4] = _mm256_mullo_epi32(d[4], txmat_2_5);
c[5] = _mm256_mullo_epi32(d[5], txmat_2_7);
c[6] = _mm256_mullo_epi32(d[6], txmat_2_4);
c[7] = _mm256_mullo_epi32(d[7], txmat_2_1);
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[26] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_mullo_epi32(d[0], txmat_2_7);
c[1] = _mm256_mullo_epi32(d[1], txmat_2_6);
c[2] = _mm256_mullo_epi32(d[2], txmat_2_5);
c[3] = _mm256_mullo_epi32(d[3], txmat_2_4);
c[4] = _mm256_mullo_epi32(d[4], txmat_2_3);
c[5] = _mm256_mullo_epi32(d[5], txmat_2_2);
c[6] = _mm256_mullo_epi32(d[6], txmat_2_1);
c[7] = _mm256_mullo_epi32(d[7], txmat_2_0);
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[30] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_0),
_mm256_mullo_epi32(b[1], txmat_1_1));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_2),
_mm256_mullo_epi32(b[3], txmat_1_3));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_4),
_mm256_mullo_epi32(b[5], txmat_1_5));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_6),
_mm256_mullo_epi32(b[7], txmat_1_7));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_8),
_mm256_mullo_epi32(b[9], txmat_1_9));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_10),
_mm256_mullo_epi32(b[11], txmat_1_11));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_12),
_mm256_mullo_epi32(b[13], txmat_1_13));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_14),
_mm256_mullo_epi32(b[15], txmat_1_15));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[1] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_1),
_mm256_mullo_epi32(b[1], txmat_1_4));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_7),
_mm256_mullo_epi32(b[3], txmat_1_10));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_13),
_mm256_mullo_epi32(b[5], txmat_1_15));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_12),
_mm256_mullo_epi32(b[7], txmat_1_9));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_6),
_mm256_mullo_epi32(b[9], txmat_1_3));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_0),
_mm256_mullo_epi32(b[11], txmat_1_2));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_5),
_mm256_mullo_epi32(b[13], txmat_1_8));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_11),
_mm256_mullo_epi32(b[15], txmat_1_14));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[3] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_2),
_mm256_mullo_epi32(b[1], txmat_1_7));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_12),
_mm256_mullo_epi32(b[3], txmat_1_14));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_9),
_mm256_mullo_epi32(b[5], txmat_1_4));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_0),
_mm256_mullo_epi32(b[7], txmat_1_5));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_10),
_mm256_mullo_epi32(b[9], txmat_1_15));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_11),
_mm256_mullo_epi32(b[11], txmat_1_6));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_1),
_mm256_mullo_epi32(b[13], txmat_1_3));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_8),
_mm256_mullo_epi32(b[15], txmat_1_13));
c[0] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[5] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_3),
_mm256_mullo_epi32(b[1], txmat_1_10));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_14),
_mm256_mullo_epi32(b[3], txmat_1_7));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_0),
_mm256_mullo_epi32(b[5], txmat_1_6));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_13),
_mm256_mullo_epi32(b[7], txmat_1_11));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_4),
_mm256_mullo_epi32(b[9], txmat_1_2));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_9),
_mm256_mullo_epi32(b[11], txmat_1_15));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_8),
_mm256_mullo_epi32(b[13], txmat_1_1));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_5),
_mm256_mullo_epi32(b[15], txmat_1_12));
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[7] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_4),
_mm256_mullo_epi32(b[1], txmat_1_13));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_9),
_mm256_mullo_epi32(b[3], txmat_1_0));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_8),
_mm256_mullo_epi32(b[5], txmat_1_14));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_5),
_mm256_mullo_epi32(b[7], txmat_1_3));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_12),
_mm256_mullo_epi32(b[9], txmat_1_10));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_1),
_mm256_mullo_epi32(b[11], txmat_1_7));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_15),
_mm256_mullo_epi32(b[13], txmat_1_6));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_2),
_mm256_mullo_epi32(b[15], txmat_1_11));
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[9] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_5),
_mm256_mullo_epi32(b[1], txmat_1_15));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_4),
_mm256_mullo_epi32(b[3], txmat_1_6));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_14),
_mm256_mullo_epi32(b[5], txmat_1_3));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_7),
_mm256_mullo_epi32(b[7], txmat_1_13));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_2),
_mm256_mullo_epi32(b[9], txmat_1_8));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_12),
_mm256_mullo_epi32(b[11], txmat_1_1));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_9),
_mm256_mullo_epi32(b[13], txmat_1_11));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_0),
_mm256_mullo_epi32(b[15], txmat_1_10));
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[11] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_6),
_mm256_mullo_epi32(b[1], txmat_1_12));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_0),
_mm256_mullo_epi32(b[3], txmat_1_13));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_5),
_mm256_mullo_epi32(b[5], txmat_1_7));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_11),
_mm256_mullo_epi32(b[7], txmat_1_1));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_14),
_mm256_mullo_epi32(b[9], txmat_1_4));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_8),
_mm256_mullo_epi32(b[11], txmat_1_10));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_2),
_mm256_mullo_epi32(b[13], txmat_1_15));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_3),
_mm256_mullo_epi32(b[15], txmat_1_9));
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[13] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_7),
_mm256_mullo_epi32(b[1], txmat_1_9));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_5),
_mm256_mullo_epi32(b[3], txmat_1_11));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_3),
_mm256_mullo_epi32(b[5], txmat_1_13));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_1),
_mm256_mullo_epi32(b[7], txmat_1_15));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_0),
_mm256_mullo_epi32(b[9], txmat_1_14));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_2),
_mm256_mullo_epi32(b[11], txmat_1_12));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_4),
_mm256_mullo_epi32(b[13], txmat_1_10));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_6),
_mm256_mullo_epi32(b[15], txmat_1_8));
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[15] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_8),
_mm256_mullo_epi32(b[1], txmat_1_6));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_10),
_mm256_mullo_epi32(b[3], txmat_1_4));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_12),
_mm256_mullo_epi32(b[5], txmat_1_2));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_14),
_mm256_mullo_epi32(b[7], txmat_1_0));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_15),
_mm256_mullo_epi32(b[9], txmat_1_1));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_13),
_mm256_mullo_epi32(b[11], txmat_1_3));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_11),
_mm256_mullo_epi32(b[13], txmat_1_5));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_9),
_mm256_mullo_epi32(b[15], txmat_1_7));
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[17] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_9),
_mm256_mullo_epi32(b[1], txmat_1_3));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_15),
_mm256_mullo_epi32(b[3], txmat_1_2));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_10),
_mm256_mullo_epi32(b[5], txmat_1_8));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_4),
_mm256_mullo_epi32(b[7], txmat_1_14));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_1),
_mm256_mullo_epi32(b[9], txmat_1_11));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_7),
_mm256_mullo_epi32(b[11], txmat_1_5));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_13),
_mm256_mullo_epi32(b[13], txmat_1_0));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_12),
_mm256_mullo_epi32(b[15], txmat_1_6));
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[19] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_10),
_mm256_mullo_epi32(b[1], txmat_1_0));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_11),
_mm256_mullo_epi32(b[3], txmat_1_9));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_1),
_mm256_mullo_epi32(b[5], txmat_1_12));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_8),
_mm256_mullo_epi32(b[7], txmat_1_2));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_13),
_mm256_mullo_epi32(b[9], txmat_1_7));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_3),
_mm256_mullo_epi32(b[11], txmat_1_14));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_6),
_mm256_mullo_epi32(b[13], txmat_1_4));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_15),
_mm256_mullo_epi32(b[15], txmat_1_5));
c[0] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[21] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_11),
_mm256_mullo_epi32(b[1], txmat_1_2));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_6),
_mm256_mullo_epi32(b[3], txmat_1_15));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_7),
_mm256_mullo_epi32(b[5], txmat_1_1));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_10),
_mm256_mullo_epi32(b[7], txmat_1_12));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_3),
_mm256_mullo_epi32(b[9], txmat_1_5));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_14),
_mm256_mullo_epi32(b[11], txmat_1_8));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_0),
_mm256_mullo_epi32(b[13], txmat_1_9));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_13),
_mm256_mullo_epi32(b[15], txmat_1_4));
c[0] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[23] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_12),
_mm256_mullo_epi32(b[1], txmat_1_5));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_1),
_mm256_mullo_epi32(b[3], txmat_1_8));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_15),
_mm256_mullo_epi32(b[5], txmat_1_9));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_2),
_mm256_mullo_epi32(b[7], txmat_1_4));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_11),
_mm256_mullo_epi32(b[9], txmat_1_13));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_6),
_mm256_mullo_epi32(b[11], txmat_1_0));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_7),
_mm256_mullo_epi32(b[13], txmat_1_14));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_10),
_mm256_mullo_epi32(b[15], txmat_1_3));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[25] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_13),
_mm256_mullo_epi32(b[1], txmat_1_8));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_3),
_mm256_mullo_epi32(b[3], txmat_1_1));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_6),
_mm256_mullo_epi32(b[5], txmat_1_11));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_15),
_mm256_mullo_epi32(b[7], txmat_1_10));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_5),
_mm256_mullo_epi32(b[9], txmat_1_0));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_4),
_mm256_mullo_epi32(b[11], txmat_1_9));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_14),
_mm256_mullo_epi32(b[13], txmat_1_12));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_7),
_mm256_mullo_epi32(b[15], txmat_1_2));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
a[27] = _mm256_sub_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_14),
_mm256_mullo_epi32(b[1], txmat_1_11));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_8),
_mm256_mullo_epi32(b[3], txmat_1_5));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_2),
_mm256_mullo_epi32(b[5], txmat_1_0));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_3),
_mm256_mullo_epi32(b[7], txmat_1_6));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_9),
_mm256_mullo_epi32(b[9], txmat_1_12));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_15),
_mm256_mullo_epi32(b[11], txmat_1_13));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_10),
_mm256_mullo_epi32(b[13], txmat_1_7));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_4),
_mm256_mullo_epi32(b[15], txmat_1_1));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[29] = _mm256_add_epi32(c[0], c[4]);
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_15),
_mm256_mullo_epi32(b[1], txmat_1_14));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_13),
_mm256_mullo_epi32(b[3], txmat_1_12));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_11),
_mm256_mullo_epi32(b[5], txmat_1_10));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_9),
_mm256_mullo_epi32(b[7], txmat_1_8));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_7),
_mm256_mullo_epi32(b[9], txmat_1_6));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_5),
_mm256_mullo_epi32(b[11], txmat_1_4));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_3),
_mm256_mullo_epi32(b[13], txmat_1_2));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_1),
_mm256_mullo_epi32(b[15], txmat_1_0));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
a[31] = _mm256_add_epi32(c[0], c[4]);
for (k = 0; k < 32; k++) {
a[k] = _mm256_add_epi32(a[k], v_offset);
a[k] = _mm256_srai_epi32(a[k], shift);
}
transpose_store_8x8_avx2(a, dst + 0, 32);
transpose_store_8x8_avx2(a + 8, dst + 8, 32);
transpose_store_8x8_avx2(a + 16, dst + 16, 32);
transpose_store_8x8_avx2(a + 24, dst + 24, 32);
src += 8;
dst += tx1d_size * 8;
}
} else {
__m128i a[32], b[16];
__m128i c[8], d[8];
__m128i e[4], f[4];
__m128i g[2], h[2];
__m128i v_offset = _mm_set1_epi32(offset);
__m128i txmat_8_0 = _mm_set1_epi32(tx_mat[8 * 32 + 0]); // 85
__m128i txmat_8_1 = _mm_set1_epi32(tx_mat[8 * 32 + 1]); // 35
__m128i txmat_4_0 = _mm_set1_epi32(tx_mat[4 * 32 + 0]); // 89
__m128i txmat_4_1 = _mm_set1_epi32(tx_mat[4 * 32 + 1]); // 75
__m128i txmat_4_2 = _mm_set1_epi32(tx_mat[4 * 32 + 2]); // 50
__m128i txmat_4_3 = _mm_set1_epi32(tx_mat[4 * 32 + 3]); // 18
__m128i txmat_2_0 = _mm_set1_epi32(tx_mat[2 * 32 + 0]); // 90
__m128i txmat_2_1 = _mm_set1_epi32(tx_mat[2 * 32 + 1]); // 87
__m128i txmat_2_2 = _mm_set1_epi32(tx_mat[2 * 32 + 2]); // 80
__m128i txmat_2_3 = _mm_set1_epi32(tx_mat[2 * 32 + 3]); // 70
__m128i txmat_2_4 = _mm_set1_epi32(tx_mat[2 * 32 + 4]); // 57
__m128i txmat_2_5 = _mm_set1_epi32(tx_mat[2 * 32 + 5]); // 43
__m128i txmat_2_6 = _mm_set1_epi32(tx_mat[2 * 32 + 6]); // 26
__m128i txmat_2_7 = _mm_set1_epi32(tx_mat[2 * 32 + 7]); // 9
__m128i txmat_1_0 = _mm_set1_epi32(tx_mat[1 * 32 + 0]); // 90
__m128i txmat_1_1 = _mm_set1_epi32(tx_mat[1 * 32 + 1]); // 90
__m128i txmat_1_2 = _mm_set1_epi32(tx_mat[1 * 32 + 2]); // 88
__m128i txmat_1_3 = _mm_set1_epi32(tx_mat[1 * 32 + 3]); // 85
__m128i txmat_1_4 = _mm_set1_epi32(tx_mat[1 * 32 + 4]); // 82
__m128i txmat_1_5 = _mm_set1_epi32(tx_mat[1 * 32 + 5]); // 78
__m128i txmat_1_6 = _mm_set1_epi32(tx_mat[1 * 32 + 6]); // 73
__m128i txmat_1_7 = _mm_set1_epi32(tx_mat[1 * 32 + 7]); // 67
__m128i txmat_1_8 = _mm_set1_epi32(tx_mat[1 * 32 + 8]); // 61
__m128i txmat_1_9 = _mm_set1_epi32(tx_mat[1 * 32 + 9]); // 54
__m128i txmat_1_10 = _mm_set1_epi32(tx_mat[1 * 32 + 10]); // 47
__m128i txmat_1_11 = _mm_set1_epi32(tx_mat[1 * 32 + 11]); // 39
__m128i txmat_1_12 = _mm_set1_epi32(tx_mat[1 * 32 + 12]); // 30
__m128i txmat_1_13 = _mm_set1_epi32(tx_mat[1 * 32 + 13]); // 22
__m128i txmat_1_14 = _mm_set1_epi32(tx_mat[1 * 32 + 14]); // 13
__m128i txmat_1_15 = _mm_set1_epi32(tx_mat[1 * 32 + 15]); // 4
for (k = 0; k < 16; k++) {
__m128i src0 = _mm_loadu_si128((__m128i *)&src[k * line]);
__m128i src1 = _mm_loadu_si128((__m128i *)&src[(31 - k) * line]);
a[k] = _mm_add_epi32(src0, src1);
b[k] = _mm_sub_epi32(src0, src1);
}
for (k = 0; k < 8; k++) {
c[k] = _mm_add_epi32(a[k], a[15 - k]);
d[k] = _mm_sub_epi32(a[k], a[15 - k]);
}
for (k = 0; k < 4; k++) {
e[k] = _mm_add_epi32(c[k], c[7 - k]);
f[k] = _mm_sub_epi32(c[k], c[7 - k]);
}
g[0] = _mm_add_epi32(e[0], e[3]);
h[0] = _mm_sub_epi32(e[0], e[3]);
g[1] = _mm_add_epi32(e[1], e[2]);
h[1] = _mm_sub_epi32(e[1], e[2]);
a[0] = _mm_add_epi32(g[0], g[1]);
a[0] = _mm_slli_epi32(a[0], 6);
a[16] = _mm_sub_epi32(g[0], g[1]);
a[16] = _mm_slli_epi32(a[16], 6);
a[8] = _mm_add_epi32(_mm_mullo_epi32(h[0], txmat_8_0),
_mm_mullo_epi32(h[1], txmat_8_1));
a[24] = _mm_sub_epi32(_mm_mullo_epi32(h[0], txmat_8_1),
_mm_mullo_epi32(h[1], txmat_8_0));
e[0] = _mm_mullo_epi32(f[0], txmat_4_0);
e[1] = _mm_mullo_epi32(f[1], txmat_4_1);
e[2] = _mm_mullo_epi32(f[2], txmat_4_2);
e[3] = _mm_mullo_epi32(f[3], txmat_4_3);
a[4] = _mm_add_epi32(_mm_add_epi32(e[0], e[1]), _mm_add_epi32(e[2], e[3]));
e[0] = _mm_mullo_epi32(f[0], txmat_4_1);
e[1] = _mm_mullo_epi32(f[1], txmat_4_3);
e[2] = _mm_mullo_epi32(f[2], txmat_4_0);
e[3] = _mm_mullo_epi32(f[3], txmat_4_2);
a[12] = _mm_sub_epi32(_mm_sub_epi32(e[0], e[1]), _mm_add_epi32(e[2], e[3]));
e[0] = _mm_mullo_epi32(f[0], txmat_4_2);
e[1] = _mm_mullo_epi32(f[1], txmat_4_0);
e[2] = _mm_mullo_epi32(f[2], txmat_4_3);
e[3] = _mm_mullo_epi32(f[3], txmat_4_1);
a[20] = _mm_add_epi32(_mm_sub_epi32(e[0], e[1]), _mm_add_epi32(e[2], e[3]));
e[0] = _mm_mullo_epi32(f[0], txmat_4_3);
e[1] = _mm_mullo_epi32(f[1], txmat_4_2);
e[2] = _mm_mullo_epi32(f[2], txmat_4_1);
e[3] = _mm_mullo_epi32(f[3], txmat_4_0);
a[28] = _mm_add_epi32(_mm_sub_epi32(e[0], e[1]), _mm_sub_epi32(e[2], e[3]));
c[0] = _mm_mullo_epi32(d[0], txmat_2_0);
c[1] = _mm_mullo_epi32(d[1], txmat_2_1);
c[2] = _mm_mullo_epi32(d[2], txmat_2_2);
c[3] = _mm_mullo_epi32(d[3], txmat_2_3);
c[4] = _mm_mullo_epi32(d[4], txmat_2_4);
c[5] = _mm_mullo_epi32(d[5], txmat_2_5);
c[6] = _mm_mullo_epi32(d[6], txmat_2_6);
c[7] = _mm_mullo_epi32(d[7], txmat_2_7);
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[2] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_mullo_epi32(d[0], txmat_2_1);
c[1] = _mm_mullo_epi32(d[1], txmat_2_4);
c[2] = _mm_mullo_epi32(d[2], txmat_2_7);
c[3] = _mm_mullo_epi32(d[3], txmat_2_5);
c[4] = _mm_mullo_epi32(d[4], txmat_2_2);
c[5] = _mm_mullo_epi32(d[5], txmat_2_0);
c[6] = _mm_mullo_epi32(d[6], txmat_2_3);
c[7] = _mm_mullo_epi32(d[7], txmat_2_6);
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[6] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_mullo_epi32(d[0], txmat_2_2);
c[1] = _mm_mullo_epi32(d[1], txmat_2_7);
c[2] = _mm_mullo_epi32(d[2], txmat_2_3);
c[3] = _mm_mullo_epi32(d[3], txmat_2_1);
c[4] = _mm_mullo_epi32(d[4], txmat_2_6);
c[5] = _mm_mullo_epi32(d[5], txmat_2_4);
c[6] = _mm_mullo_epi32(d[6], txmat_2_0);
c[7] = _mm_mullo_epi32(d[7], txmat_2_5);
c[0] = _mm_sub_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_sub_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[10] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_mullo_epi32(d[0], txmat_2_3);
c[1] = _mm_mullo_epi32(d[1], txmat_2_5);
c[2] = _mm_mullo_epi32(d[2], txmat_2_1);
c[3] = _mm_mullo_epi32(d[3], txmat_2_7);
c[4] = _mm_mullo_epi32(d[4], txmat_2_0);
c[5] = _mm_mullo_epi32(d[5], txmat_2_6);
c[6] = _mm_mullo_epi32(d[6], txmat_2_2);
c[7] = _mm_mullo_epi32(d[7], txmat_2_4);
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[14] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_mullo_epi32(d[0], txmat_2_4);
c[1] = _mm_mullo_epi32(d[1], txmat_2_2);
c[2] = _mm_mullo_epi32(d[2], txmat_2_6);
c[3] = _mm_mullo_epi32(d[3], txmat_2_0);
c[4] = _mm_mullo_epi32(d[4], txmat_2_7);
c[5] = _mm_mullo_epi32(d[5], txmat_2_1);
c[6] = _mm_mullo_epi32(d[6], txmat_2_5);
c[7] = _mm_mullo_epi32(d[7], txmat_2_3);
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[18] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_mullo_epi32(d[0], txmat_2_5);
c[1] = _mm_mullo_epi32(d[1], txmat_2_0);
c[2] = _mm_mullo_epi32(d[2], txmat_2_4);
c[3] = _mm_mullo_epi32(d[3], txmat_2_6);
c[4] = _mm_mullo_epi32(d[4], txmat_2_1);
c[5] = _mm_mullo_epi32(d[5], txmat_2_3);
c[6] = _mm_mullo_epi32(d[6], txmat_2_7);
c[7] = _mm_mullo_epi32(d[7], txmat_2_2);
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[22] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_mullo_epi32(d[0], txmat_2_6);
c[1] = _mm_mullo_epi32(d[1], txmat_2_3);
c[2] = _mm_mullo_epi32(d[2], txmat_2_0);
c[3] = _mm_mullo_epi32(d[3], txmat_2_2);
c[4] = _mm_mullo_epi32(d[4], txmat_2_5);
c[5] = _mm_mullo_epi32(d[5], txmat_2_7);
c[6] = _mm_mullo_epi32(d[6], txmat_2_4);
c[7] = _mm_mullo_epi32(d[7], txmat_2_1);
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[26] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_mullo_epi32(d[0], txmat_2_7);
c[1] = _mm_mullo_epi32(d[1], txmat_2_6);
c[2] = _mm_mullo_epi32(d[2], txmat_2_5);
c[3] = _mm_mullo_epi32(d[3], txmat_2_4);
c[4] = _mm_mullo_epi32(d[4], txmat_2_3);
c[5] = _mm_mullo_epi32(d[5], txmat_2_2);
c[6] = _mm_mullo_epi32(d[6], txmat_2_1);
c[7] = _mm_mullo_epi32(d[7], txmat_2_0);
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[30] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_0),
_mm_mullo_epi32(b[1], txmat_1_1));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_2),
_mm_mullo_epi32(b[3], txmat_1_3));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_4),
_mm_mullo_epi32(b[5], txmat_1_5));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_6),
_mm_mullo_epi32(b[7], txmat_1_7));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_8),
_mm_mullo_epi32(b[9], txmat_1_9));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_10),
_mm_mullo_epi32(b[11], txmat_1_11));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_12),
_mm_mullo_epi32(b[13], txmat_1_13));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_14),
_mm_mullo_epi32(b[15], txmat_1_15));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[1] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_1),
_mm_mullo_epi32(b[1], txmat_1_4));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_7),
_mm_mullo_epi32(b[3], txmat_1_10));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_13),
_mm_mullo_epi32(b[5], txmat_1_15));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_12),
_mm_mullo_epi32(b[7], txmat_1_9));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_6),
_mm_mullo_epi32(b[9], txmat_1_3));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_0),
_mm_mullo_epi32(b[11], txmat_1_2));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_5),
_mm_mullo_epi32(b[13], txmat_1_8));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_11),
_mm_mullo_epi32(b[15], txmat_1_14));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[3] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_2),
_mm_mullo_epi32(b[1], txmat_1_7));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_12),
_mm_mullo_epi32(b[3], txmat_1_14));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_9),
_mm_mullo_epi32(b[5], txmat_1_4));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_0),
_mm_mullo_epi32(b[7], txmat_1_5));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_10),
_mm_mullo_epi32(b[9], txmat_1_15));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_11),
_mm_mullo_epi32(b[11], txmat_1_6));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_1),
_mm_mullo_epi32(b[13], txmat_1_3));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_8),
_mm_mullo_epi32(b[15], txmat_1_13));
c[0] = _mm_sub_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_sub_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[5] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_3),
_mm_mullo_epi32(b[1], txmat_1_10));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_14),
_mm_mullo_epi32(b[3], txmat_1_7));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_0),
_mm_mullo_epi32(b[5], txmat_1_6));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_13),
_mm_mullo_epi32(b[7], txmat_1_11));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_4),
_mm_mullo_epi32(b[9], txmat_1_2));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_9),
_mm_mullo_epi32(b[11], txmat_1_15));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_8),
_mm_mullo_epi32(b[13], txmat_1_1));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_5),
_mm_mullo_epi32(b[15], txmat_1_12));
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[7] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_4),
_mm_mullo_epi32(b[1], txmat_1_13));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_9),
_mm_mullo_epi32(b[3], txmat_1_0));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_8),
_mm_mullo_epi32(b[5], txmat_1_14));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_5),
_mm_mullo_epi32(b[7], txmat_1_3));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_12),
_mm_mullo_epi32(b[9], txmat_1_10));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_1),
_mm_mullo_epi32(b[11], txmat_1_7));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_15),
_mm_mullo_epi32(b[13], txmat_1_6));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_2),
_mm_mullo_epi32(b[15], txmat_1_11));
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[9] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_5),
_mm_mullo_epi32(b[1], txmat_1_15));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_4),
_mm_mullo_epi32(b[3], txmat_1_6));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_14),
_mm_mullo_epi32(b[5], txmat_1_3));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_7),
_mm_mullo_epi32(b[7], txmat_1_13));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_2),
_mm_mullo_epi32(b[9], txmat_1_8));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_12),
_mm_mullo_epi32(b[11], txmat_1_1));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_9),
_mm_mullo_epi32(b[13], txmat_1_11));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_0),
_mm_mullo_epi32(b[15], txmat_1_10));
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[11] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_6),
_mm_mullo_epi32(b[1], txmat_1_12));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_0),
_mm_mullo_epi32(b[3], txmat_1_13));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_5),
_mm_mullo_epi32(b[5], txmat_1_7));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_11),
_mm_mullo_epi32(b[7], txmat_1_1));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_14),
_mm_mullo_epi32(b[9], txmat_1_4));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_8),
_mm_mullo_epi32(b[11], txmat_1_10));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_2),
_mm_mullo_epi32(b[13], txmat_1_15));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_3),
_mm_mullo_epi32(b[15], txmat_1_9));
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[13] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_7),
_mm_mullo_epi32(b[1], txmat_1_9));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_5),
_mm_mullo_epi32(b[3], txmat_1_11));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_3),
_mm_mullo_epi32(b[5], txmat_1_13));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_1),
_mm_mullo_epi32(b[7], txmat_1_15));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_0),
_mm_mullo_epi32(b[9], txmat_1_14));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_2),
_mm_mullo_epi32(b[11], txmat_1_12));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_4),
_mm_mullo_epi32(b[13], txmat_1_10));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_6),
_mm_mullo_epi32(b[15], txmat_1_8));
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[15] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_8),
_mm_mullo_epi32(b[1], txmat_1_6));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_10),
_mm_mullo_epi32(b[3], txmat_1_4));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_12),
_mm_mullo_epi32(b[5], txmat_1_2));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_14),
_mm_mullo_epi32(b[7], txmat_1_0));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_15),
_mm_mullo_epi32(b[9], txmat_1_1));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_13),
_mm_mullo_epi32(b[11], txmat_1_3));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_11),
_mm_mullo_epi32(b[13], txmat_1_5));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_9),
_mm_mullo_epi32(b[15], txmat_1_7));
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[17] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_9),
_mm_mullo_epi32(b[1], txmat_1_3));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_15),
_mm_mullo_epi32(b[3], txmat_1_2));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_10),
_mm_mullo_epi32(b[5], txmat_1_8));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_4),
_mm_mullo_epi32(b[7], txmat_1_14));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_1),
_mm_mullo_epi32(b[9], txmat_1_11));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_7),
_mm_mullo_epi32(b[11], txmat_1_5));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_13),
_mm_mullo_epi32(b[13], txmat_1_0));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_12),
_mm_mullo_epi32(b[15], txmat_1_6));
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[19] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_10),
_mm_mullo_epi32(b[1], txmat_1_0));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_11),
_mm_mullo_epi32(b[3], txmat_1_9));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_1),
_mm_mullo_epi32(b[5], txmat_1_12));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_8),
_mm_mullo_epi32(b[7], txmat_1_2));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_13),
_mm_mullo_epi32(b[9], txmat_1_7));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_3),
_mm_mullo_epi32(b[11], txmat_1_14));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_6),
_mm_mullo_epi32(b[13], txmat_1_4));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_15),
_mm_mullo_epi32(b[15], txmat_1_5));
c[0] = _mm_sub_epi32(_mm_add_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[21] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_11),
_mm_mullo_epi32(b[1], txmat_1_2));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_6),
_mm_mullo_epi32(b[3], txmat_1_15));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_7),
_mm_mullo_epi32(b[5], txmat_1_1));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_10),
_mm_mullo_epi32(b[7], txmat_1_12));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_3),
_mm_mullo_epi32(b[9], txmat_1_5));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_14),
_mm_mullo_epi32(b[11], txmat_1_8));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_0),
_mm_mullo_epi32(b[13], txmat_1_9));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_13),
_mm_mullo_epi32(b[15], txmat_1_4));
c[0] = _mm_sub_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[23] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_12),
_mm_mullo_epi32(b[1], txmat_1_5));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_1),
_mm_mullo_epi32(b[3], txmat_1_8));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_15),
_mm_mullo_epi32(b[5], txmat_1_9));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_2),
_mm_mullo_epi32(b[7], txmat_1_4));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_11),
_mm_mullo_epi32(b[9], txmat_1_13));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_6),
_mm_mullo_epi32(b[11], txmat_1_0));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_7),
_mm_mullo_epi32(b[13], txmat_1_14));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_10),
_mm_mullo_epi32(b[15], txmat_1_3));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[25] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_13),
_mm_mullo_epi32(b[1], txmat_1_8));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_3),
_mm_mullo_epi32(b[3], txmat_1_1));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_6),
_mm_mullo_epi32(b[5], txmat_1_11));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_15),
_mm_mullo_epi32(b[7], txmat_1_10));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_5),
_mm_mullo_epi32(b[9], txmat_1_0));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_4),
_mm_mullo_epi32(b[11], txmat_1_9));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_14),
_mm_mullo_epi32(b[13], txmat_1_12));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_7),
_mm_mullo_epi32(b[15], txmat_1_2));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_add_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
a[27] = _mm_sub_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_14),
_mm_mullo_epi32(b[1], txmat_1_11));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_8),
_mm_mullo_epi32(b[3], txmat_1_5));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_2),
_mm_mullo_epi32(b[5], txmat_1_0));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_3),
_mm_mullo_epi32(b[7], txmat_1_6));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_9),
_mm_mullo_epi32(b[9], txmat_1_12));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_15),
_mm_mullo_epi32(b[11], txmat_1_13));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_10),
_mm_mullo_epi32(b[13], txmat_1_7));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_4),
_mm_mullo_epi32(b[15], txmat_1_1));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[29] = _mm_add_epi32(c[0], c[4]);
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_15),
_mm_mullo_epi32(b[1], txmat_1_14));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_13),
_mm_mullo_epi32(b[3], txmat_1_12));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_11),
_mm_mullo_epi32(b[5], txmat_1_10));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_9),
_mm_mullo_epi32(b[7], txmat_1_8));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_7),
_mm_mullo_epi32(b[9], txmat_1_6));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_5),
_mm_mullo_epi32(b[11], txmat_1_4));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_3),
_mm_mullo_epi32(b[13], txmat_1_2));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_1),
_mm_mullo_epi32(b[15], txmat_1_0));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
a[31] = _mm_add_epi32(c[0], c[4]);
for (k = 0; k < 32; k++) {
a[k] = _mm_add_epi32(a[k], v_offset);
a[k] = _mm_srai_epi32(a[k], shift);
}
transpose_store_8x4_sse4(a, dst + 0, 32);
transpose_store_8x4_sse4(a + 8, dst + 8, 32);
transpose_store_8x4_sse4(a + 16, dst + 16, 32);
transpose_store_8x4_sse4(a + 24, dst + 24, 32);
}
}
void fwd_txfm_dct2_size64_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
int m, n;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int *tx_mat = tx_kernel_dct2_size64[FWD_TXFM][0];
const int tx1d_size = 64;
if (nz_line >= 8) {
__m256i a[32], b[32];
__m256i c[16], d[16];
__m256i e[8], f[8];
__m256i g[4], h[4];
__m256i i[2], j[2];
__m256i v_offset = _mm256_set1_epi32(offset);
__m256i txmat_16_0 = _mm256_set1_epi32(tx_mat[16 * 64 + 0]); // 85
__m256i txmat_16_1 = _mm256_set1_epi32(tx_mat[16 * 64 + 1]); // 35
__m256i txmat_8_0 = _mm256_set1_epi32(tx_mat[8 * 64 + 0]); // 89
__m256i txmat_8_1 = _mm256_set1_epi32(tx_mat[8 * 64 + 1]); // 75
__m256i txmat_8_2 = _mm256_set1_epi32(tx_mat[8 * 64 + 2]); // 50
__m256i txmat_8_3 = _mm256_set1_epi32(tx_mat[8 * 64 + 3]); // 18
__m256i txmat_4_0 = _mm256_set1_epi32(tx_mat[4 * 64 + 0]); // 90
__m256i txmat_4_1 = _mm256_set1_epi32(tx_mat[4 * 64 + 1]); // 87
__m256i txmat_4_2 = _mm256_set1_epi32(tx_mat[4 * 64 + 2]); // 80
__m256i txmat_4_3 = _mm256_set1_epi32(tx_mat[4 * 64 + 3]); // 70
__m256i txmat_4_4 = _mm256_set1_epi32(tx_mat[4 * 64 + 4]); // 57
__m256i txmat_4_5 = _mm256_set1_epi32(tx_mat[4 * 64 + 5]); // 43
__m256i txmat_4_6 = _mm256_set1_epi32(tx_mat[4 * 64 + 6]); // 26
__m256i txmat_4_7 = _mm256_set1_epi32(tx_mat[4 * 64 + 7]); // 9
__m256i txmat_2_0 = _mm256_set1_epi32(tx_mat[2 * 64 + 0]); // 90
__m256i txmat_2_1 = _mm256_set1_epi32(tx_mat[2 * 64 + 1]); // 90
__m256i txmat_2_2 = _mm256_set1_epi32(tx_mat[2 * 64 + 2]); // 88
__m256i txmat_2_3 = _mm256_set1_epi32(tx_mat[2 * 64 + 3]); // 85
__m256i txmat_2_4 = _mm256_set1_epi32(tx_mat[2 * 64 + 4]); // 82
__m256i txmat_2_5 = _mm256_set1_epi32(tx_mat[2 * 64 + 5]); // 78
__m256i txmat_2_6 = _mm256_set1_epi32(tx_mat[2 * 64 + 6]); // 73
__m256i txmat_2_7 = _mm256_set1_epi32(tx_mat[2 * 64 + 7]); // 67
__m256i txmat_2_8 = _mm256_set1_epi32(tx_mat[2 * 64 + 8]); // 61
__m256i txmat_2_9 = _mm256_set1_epi32(tx_mat[2 * 64 + 9]); // 54
__m256i txmat_2_10 = _mm256_set1_epi32(tx_mat[2 * 64 + 10]); // 47
__m256i txmat_2_11 = _mm256_set1_epi32(tx_mat[2 * 64 + 11]); // 39
__m256i txmat_2_12 = _mm256_set1_epi32(tx_mat[2 * 64 + 12]); // 30
__m256i txmat_2_13 = _mm256_set1_epi32(tx_mat[2 * 64 + 13]); // 22
__m256i txmat_2_14 = _mm256_set1_epi32(tx_mat[2 * 64 + 14]); // 13
__m256i txmat_2_15 = _mm256_set1_epi32(tx_mat[2 * 64 + 15]); // 4
__m256i txmat_1_0 = _mm256_set1_epi32(tx_mat[1 * 64 + 0]); // 90
__m256i txmat_1_1 = _mm256_set1_epi32(tx_mat[1 * 64 + 1]); // 90
__m256i txmat_1_2 = _mm256_set1_epi32(tx_mat[1 * 64 + 2]); // 90
__m256i txmat_1_3 = _mm256_set1_epi32(tx_mat[1 * 64 + 3]); // 89
__m256i txmat_1_4 = _mm256_set1_epi32(tx_mat[1 * 64 + 4]); // 88
__m256i txmat_1_5 = _mm256_set1_epi32(tx_mat[1 * 64 + 5]); // 87
__m256i txmat_1_6 = _mm256_set1_epi32(tx_mat[1 * 64 + 6]); // 86
__m256i txmat_1_7 = _mm256_set1_epi32(tx_mat[1 * 64 + 7]); // 84
__m256i txmat_1_8 = _mm256_set1_epi32(tx_mat[1 * 64 + 8]); // 83
__m256i txmat_1_9 = _mm256_set1_epi32(tx_mat[1 * 64 + 9]); // 81
__m256i txmat_1_10 = _mm256_set1_epi32(tx_mat[1 * 64 + 10]); // 79
__m256i txmat_1_11 = _mm256_set1_epi32(tx_mat[1 * 64 + 11]); // 76
__m256i txmat_1_12 = _mm256_set1_epi32(tx_mat[1 * 64 + 12]); // 74
__m256i txmat_1_13 = _mm256_set1_epi32(tx_mat[1 * 64 + 13]); // 71
__m256i txmat_1_14 = _mm256_set1_epi32(tx_mat[1 * 64 + 14]); // 69
__m256i txmat_1_15 = _mm256_set1_epi32(tx_mat[1 * 64 + 15]); // 66
__m256i txmat_1_16 = _mm256_set1_epi32(tx_mat[1 * 64 + 16]); // 62
__m256i txmat_1_17 = _mm256_set1_epi32(tx_mat[1 * 64 + 17]); // 59
__m256i txmat_1_18 = _mm256_set1_epi32(tx_mat[1 * 64 + 18]); // 56
__m256i txmat_1_19 = _mm256_set1_epi32(tx_mat[1 * 64 + 19]); // 52
__m256i txmat_1_20 = _mm256_set1_epi32(tx_mat[1 * 64 + 20]); // 48
__m256i txmat_1_21 = _mm256_set1_epi32(tx_mat[1 * 64 + 21]); // 45
__m256i txmat_1_22 = _mm256_set1_epi32(tx_mat[1 * 64 + 22]); // 41
__m256i txmat_1_23 = _mm256_set1_epi32(tx_mat[1 * 64 + 23]); // 37
__m256i txmat_1_24 = _mm256_set1_epi32(tx_mat[1 * 64 + 24]); // 33
__m256i txmat_1_25 = _mm256_set1_epi32(tx_mat[1 * 64 + 25]); // 28
__m256i txmat_1_26 = _mm256_set1_epi32(tx_mat[1 * 64 + 26]); // 24
__m256i txmat_1_27 = _mm256_set1_epi32(tx_mat[1 * 64 + 27]); // 20
__m256i txmat_1_28 = _mm256_set1_epi32(tx_mat[1 * 64 + 28]); // 15
__m256i txmat_1_29 = _mm256_set1_epi32(tx_mat[1 * 64 + 29]); // 11
__m256i txmat_1_30 = _mm256_set1_epi32(tx_mat[1 * 64 + 30]); // 7
__m256i txmat_1_31 = _mm256_set1_epi32(tx_mat[1 * 64 + 31]); // 2
for (m = 0; m < nz_line; m += 8) {
for (n = 0; n < 32; n++) {
__m256i src0 = _mm256_loadu_si256((__m256i *)&src[n * line]);
__m256i src1 =
_mm256_loadu_si256((__m256i *)&src[(tx1d_size - 1 - n) * line]);
a[n] = _mm256_add_epi32(src0, src1);
b[n] = _mm256_sub_epi32(src0, src1);
}
for (n = 0; n < 16; n++) {
c[n] = _mm256_add_epi32(a[n], a[31 - n]);
d[n] = _mm256_sub_epi32(a[n], a[31 - n]);
}
for (n = 0; n < 8; n++) {
e[n] = _mm256_add_epi32(c[n], c[15 - n]);
f[n] = _mm256_sub_epi32(c[n], c[15 - n]);
}
for (n = 0; n < 4; n++) {
g[n] = _mm256_add_epi32(e[n], e[7 - n]);
h[n] = _mm256_sub_epi32(e[n], e[7 - n]);
}
i[0] = _mm256_add_epi32(g[0], g[3]);
j[0] = _mm256_sub_epi32(g[0], g[3]);
i[1] = _mm256_add_epi32(g[1], g[2]);
j[1] = _mm256_sub_epi32(g[1], g[2]);
a[0] = _mm256_slli_epi32(_mm256_add_epi32(i[0], i[1]), 6);
a[16] = _mm256_add_epi32(_mm256_mullo_epi32(j[0], txmat_16_0),
_mm256_mullo_epi32(j[1], txmat_16_1));
g[0] = _mm256_mullo_epi32(h[0], txmat_8_0);
g[1] = _mm256_mullo_epi32(h[1], txmat_8_1);
g[2] = _mm256_mullo_epi32(h[2], txmat_8_2);
g[3] = _mm256_mullo_epi32(h[3], txmat_8_3);
a[8] = _mm256_add_epi32(_mm256_add_epi32(g[0], g[1]),
_mm256_add_epi32(g[2], g[3]));
g[0] = _mm256_mullo_epi32(h[0], txmat_8_1);
g[1] = _mm256_mullo_epi32(h[1], txmat_8_3);
g[2] = _mm256_mullo_epi32(h[2], txmat_8_0);
g[3] = _mm256_mullo_epi32(h[3], txmat_8_2);
a[24] = _mm256_sub_epi32(_mm256_sub_epi32(g[0], g[1]),
_mm256_add_epi32(g[2], g[3]));
e[0] = _mm256_mullo_epi32(f[0], txmat_4_0);
e[1] = _mm256_mullo_epi32(f[1], txmat_4_1);
e[2] = _mm256_mullo_epi32(f[2], txmat_4_2);
e[3] = _mm256_mullo_epi32(f[3], txmat_4_3);
e[4] = _mm256_mullo_epi32(f[4], txmat_4_4);
e[5] = _mm256_mullo_epi32(f[5], txmat_4_5);
e[6] = _mm256_mullo_epi32(f[6], txmat_4_6);
e[7] = _mm256_mullo_epi32(f[7], txmat_4_7);
e[0] = _mm256_add_epi32(_mm256_add_epi32(e[0], e[1]),
_mm256_add_epi32(e[2], e[3]));
e[4] = _mm256_add_epi32(_mm256_add_epi32(e[4], e[5]),
_mm256_add_epi32(e[6], e[7]));
a[4] = _mm256_add_epi32(e[0], e[4]);
e[0] = _mm256_mullo_epi32(f[0], txmat_4_1);
e[1] = _mm256_mullo_epi32(f[1], txmat_4_4);
e[2] = _mm256_mullo_epi32(f[2], txmat_4_7);
e[3] = _mm256_mullo_epi32(f[3], txmat_4_5);
e[4] = _mm256_mullo_epi32(f[4], txmat_4_2);
e[5] = _mm256_mullo_epi32(f[5], txmat_4_0);
e[6] = _mm256_mullo_epi32(f[6], txmat_4_3);
e[7] = _mm256_mullo_epi32(f[7], txmat_4_6);
e[0] = _mm256_add_epi32(_mm256_add_epi32(e[0], e[1]),
_mm256_sub_epi32(e[2], e[3]));
e[4] = _mm256_add_epi32(_mm256_add_epi32(e[4], e[5]),
_mm256_add_epi32(e[6], e[7]));
a[12] = _mm256_sub_epi32(e[0], e[4]);
e[0] = _mm256_mullo_epi32(f[0], txmat_4_2);
e[1] = _mm256_mullo_epi32(f[1], txmat_4_7);
e[2] = _mm256_mullo_epi32(f[2], txmat_4_3);
e[3] = _mm256_mullo_epi32(f[3], txmat_4_1);
e[4] = _mm256_mullo_epi32(f[4], txmat_4_6);
e[5] = _mm256_mullo_epi32(f[5], txmat_4_4);
e[6] = _mm256_mullo_epi32(f[6], txmat_4_0);
e[7] = _mm256_mullo_epi32(f[7], txmat_4_5);
e[0] = _mm256_sub_epi32(_mm256_add_epi32(e[0], e[1]),
_mm256_add_epi32(e[2], e[3]));
e[4] = _mm256_sub_epi32(_mm256_sub_epi32(e[4], e[5]),
_mm256_add_epi32(e[6], e[7]));
a[20] = _mm256_sub_epi32(e[0], e[4]);
e[0] = _mm256_mullo_epi32(f[0], txmat_4_3);
e[1] = _mm256_mullo_epi32(f[1], txmat_4_5);
e[2] = _mm256_mullo_epi32(f[2], txmat_4_1);
e[3] = _mm256_mullo_epi32(f[3], txmat_4_7);
e[4] = _mm256_mullo_epi32(f[4], txmat_4_0);
e[5] = _mm256_mullo_epi32(f[5], txmat_4_6);
e[6] = _mm256_mullo_epi32(f[6], txmat_4_2);
e[7] = _mm256_mullo_epi32(f[7], txmat_4_4);
e[0] = _mm256_sub_epi32(_mm256_sub_epi32(e[0], e[1]),
_mm256_sub_epi32(e[2], e[3]));
e[4] = _mm256_sub_epi32(_mm256_add_epi32(e[4], e[5]),
_mm256_add_epi32(e[6], e[7]));
a[28] = _mm256_add_epi32(e[0], e[4]);
e[0] = _mm256_add_epi32(_mm256_mullo_epi32(d[0], txmat_2_0),
_mm256_mullo_epi32(d[1], txmat_2_1));
e[1] = _mm256_add_epi32(_mm256_mullo_epi32(d[2], txmat_2_2),
_mm256_mullo_epi32(d[3], txmat_2_3));
e[2] = _mm256_add_epi32(_mm256_mullo_epi32(d[4], txmat_2_4),
_mm256_mullo_epi32(d[5], txmat_2_5));
e[3] = _mm256_add_epi32(_mm256_mullo_epi32(d[6], txmat_2_6),
_mm256_mullo_epi32(d[7], txmat_2_7));
e[4] = _mm256_add_epi32(_mm256_mullo_epi32(d[8], txmat_2_8),
_mm256_mullo_epi32(d[9], txmat_2_9));
e[5] = _mm256_add_epi32(_mm256_mullo_epi32(d[10], txmat_2_10),
_mm256_mullo_epi32(d[11], txmat_2_11));
e[6] = _mm256_add_epi32(_mm256_mullo_epi32(d[12], txmat_2_12),
_mm256_mullo_epi32(d[13], txmat_2_13));
e[7] = _mm256_add_epi32(_mm256_mullo_epi32(d[14], txmat_2_14),
_mm256_mullo_epi32(d[15], txmat_2_15));
e[0] = _mm256_add_epi32(_mm256_add_epi32(e[0], e[1]),
_mm256_add_epi32(e[2], e[3]));
e[4] = _mm256_add_epi32(_mm256_add_epi32(e[4], e[5]),
_mm256_add_epi32(e[6], e[7]));
a[2] = _mm256_add_epi32(e[0], e[4]);
e[0] = _mm256_add_epi32(_mm256_mullo_epi32(d[0], txmat_2_1),
_mm256_mullo_epi32(d[1], txmat_2_4));
e[1] = _mm256_add_epi32(_mm256_mullo_epi32(d[2], txmat_2_7),
_mm256_mullo_epi32(d[3], txmat_2_10));
e[2] = _mm256_sub_epi32(_mm256_mullo_epi32(d[4], txmat_2_13),
_mm256_mullo_epi32(d[5], txmat_2_15));
e[3] = _mm256_add_epi32(_mm256_mullo_epi32(d[6], txmat_2_12),
_mm256_mullo_epi32(d[7], txmat_2_9));
e[4] = _mm256_add_epi32(_mm256_mullo_epi32(d[8], txmat_2_6),
_mm256_mullo_epi32(d[9], txmat_2_3));
e[5] = _mm256_add_epi32(_mm256_mullo_epi32(d[10], txmat_2_0),
_mm256_mullo_epi32(d[11], txmat_2_2));
e[6] = _mm256_add_epi32(_mm256_mullo_epi32(d[12], txmat_2_5),
_mm256_mullo_epi32(d[13], txmat_2_8));
e[7] = _mm256_add_epi32(_mm256_mullo_epi32(d[14], txmat_2_11),
_mm256_mullo_epi32(d[15], txmat_2_14));
e[0] = _mm256_add_epi32(_mm256_add_epi32(e[0], e[1]),
_mm256_sub_epi32(e[2], e[3]));
e[4] = _mm256_add_epi32(_mm256_add_epi32(e[4], e[5]),
_mm256_add_epi32(e[6], e[7]));
a[6] = _mm256_sub_epi32(e[0], e[4]);
e[0] = _mm256_add_epi32(_mm256_mullo_epi32(d[0], txmat_2_2),
_mm256_mullo_epi32(d[1], txmat_2_7));
e[1] = _mm256_sub_epi32(_mm256_mullo_epi32(d[2], txmat_2_12),
_mm256_mullo_epi32(d[3], txmat_2_14));
e[2] = _mm256_add_epi32(_mm256_mullo_epi32(d[4], txmat_2_9),
_mm256_mullo_epi32(d[5], txmat_2_4));
e[3] = _mm256_add_epi32(_mm256_mullo_epi32(d[6], txmat_2_0),
_mm256_mullo_epi32(d[7], txmat_2_5));
e[4] = _mm256_add_epi32(_mm256_mullo_epi32(d[8], txmat_2_10),
_mm256_mullo_epi32(d[9], txmat_2_15));
e[5] = _mm256_add_epi32(_mm256_mullo_epi32(d[10], txmat_2_11),
_mm256_mullo_epi32(d[11], txmat_2_6));
e[6] = _mm256_add_epi32(_mm256_mullo_epi32(d[12], txmat_2_1),
_mm256_mullo_epi32(d[13], txmat_2_3));
e[7] = _mm256_add_epi32(_mm256_mullo_epi32(d[14], txmat_2_8),
_mm256_mullo_epi32(d[15], txmat_2_13));
e[0] = _mm256_sub_epi32(_mm256_add_epi32(e[0], e[1]),
_mm256_add_epi32(e[2], e[3]));
e[4] = _mm256_sub_epi32(_mm256_sub_epi32(e[4], e[5]),
_mm256_add_epi32(e[6], e[7]));
a[10] = _mm256_sub_epi32(e[0], e[4]);
e[0] = _mm256_add_epi32(_mm256_mullo_epi32(d[0], txmat_2_3),
_mm256_mullo_epi32(d[1], txmat_2_10));
e[1] = _mm256_add_epi32(_mm256_mullo_epi32(d[2], txmat_2_14),
_mm256_mullo_epi32(d[3], txmat_2_7));
e[2] = _mm256_add_epi32(_mm256_mullo_epi32(d[4], txmat_2_0),
_mm256_mullo_epi32(d[5], txmat_2_6));
e[3] = _mm256_sub_epi32(_mm256_mullo_epi32(d[6], txmat_2_13),
_mm256_mullo_epi32(d[7], txmat_2_11));
e[4] = _mm256_add_epi32(_mm256_mullo_epi32(d[8], txmat_2_4),
_mm256_mullo_epi32(d[9], txmat_2_2));
e[5] = _mm256_sub_epi32(_mm256_mullo_epi32(d[10], txmat_2_9),
_mm256_mullo_epi32(d[11], txmat_2_15));
e[6] = _mm256_add_epi32(_mm256_mullo_epi32(d[12], txmat_2_8),
_mm256_mullo_epi32(d[13], txmat_2_1));
e[7] = _mm256_add_epi32(_mm256_mullo_epi32(d[14], txmat_2_5),
_mm256_mullo_epi32(d[15], txmat_2_12));
e[0] = _mm256_sub_epi32(_mm256_sub_epi32(e[0], e[1]),
_mm256_add_epi32(e[2], e[3]));
e[4] = _mm256_sub_epi32(_mm256_add_epi32(e[4], e[5]),
_mm256_add_epi32(e[6], e[7]));
a[14] = _mm256_add_epi32(e[0], e[4]);
e[0] = _mm256_add_epi32(_mm256_mullo_epi32(d[0], txmat_2_4),
_mm256_mullo_epi32(d[1], txmat_2_13));
e[1] = _mm256_add_epi32(_mm256_mullo_epi32(d[2], txmat_2_9),
_mm256_mullo_epi32(d[3], txmat_2_0));
e[2] = _mm256_sub_epi32(_mm256_mullo_epi32(d[4], txmat_2_8),
_mm256_mullo_epi32(d[5], txmat_2_14));
e[3] = _mm256_add_epi32(_mm256_mullo_epi32(d[6], txmat_2_5),
_mm256_mullo_epi32(d[7], txmat_2_3));
e[4] = _mm256_sub_epi32(_mm256_mullo_epi32(d[8], txmat_2_12),
_mm256_mullo_epi32(d[9], txmat_2_10));
e[5] = _mm256_add_epi32(_mm256_mullo_epi32(d[10], txmat_2_1),
_mm256_mullo_epi32(d[11], txmat_2_7));
e[6] = _mm256_add_epi32(_mm256_mullo_epi32(d[12], txmat_2_15),
_mm256_mullo_epi32(d[13], txmat_2_6));
e[7] = _mm256_add_epi32(_mm256_mullo_epi32(d[14], txmat_2_2),
_mm256_mullo_epi32(d[15], txmat_2_11));
e[0] = _mm256_sub_epi32(_mm256_sub_epi32(e[0], e[1]),
_mm256_sub_epi32(e[2], e[3]));
e[4] = _mm256_add_epi32(_mm256_sub_epi32(e[4], e[5]),
_mm256_add_epi32(e[6], e[7]));
a[18] = _mm256_add_epi32(e[0], e[4]);
e[0] = _mm256_sub_epi32(_mm256_mullo_epi32(d[0], txmat_2_5),
_mm256_mullo_epi32(d[1], txmat_2_15));
e[1] = _mm256_add_epi32(_mm256_mullo_epi32(d[2], txmat_2_4),
_mm256_mullo_epi32(d[3], txmat_2_6));
e[2] = _mm256_add_epi32(_mm256_mullo_epi32(d[4], txmat_2_14),
_mm256_mullo_epi32(d[5], txmat_2_3));
e[3] = _mm256_sub_epi32(_mm256_mullo_epi32(d[6], txmat_2_7),
_mm256_mullo_epi32(d[7], txmat_2_13));
e[4] = _mm256_add_epi32(_mm256_mullo_epi32(d[8], txmat_2_2),
_mm256_mullo_epi32(d[9], txmat_2_8));
e[5] = _mm256_add_epi32(_mm256_mullo_epi32(d[10], txmat_2_12),
_mm256_mullo_epi32(d[11], txmat_2_1));
e[6] = _mm256_sub_epi32(_mm256_mullo_epi32(d[12], txmat_2_9),
_mm256_mullo_epi32(d[13], txmat_2_11));
e[7] = _mm256_add_epi32(_mm256_mullo_epi32(d[14], txmat_2_0),
_mm256_mullo_epi32(d[15], txmat_2_10));
e[0] = _mm256_add_epi32(_mm256_sub_epi32(e[0], e[1]),
_mm256_add_epi32(e[2], e[3]));
e[4] = _mm256_sub_epi32(_mm256_sub_epi32(e[4], e[5]),
_mm256_sub_epi32(e[6], e[7]));
a[22] = _mm256_sub_epi32(e[0], e[4]);
e[0] = _mm256_sub_epi32(_mm256_mullo_epi32(d[0], txmat_2_6),
_mm256_mullo_epi32(d[1], txmat_2_12));
e[1] = _mm256_add_epi32(_mm256_mullo_epi32(d[2], txmat_2_0),
_mm256_mullo_epi32(d[3], txmat_2_13));
e[2] = _mm256_add_epi32(_mm256_mullo_epi32(d[4], txmat_2_5),
_mm256_mullo_epi32(d[5], txmat_2_7));
e[3] = _mm256_add_epi32(_mm256_mullo_epi32(d[6], txmat_2_11),
_mm256_mullo_epi32(d[7], txmat_2_1));
e[4] = _mm256_sub_epi32(_mm256_mullo_epi32(d[8], txmat_2_14),
_mm256_mullo_epi32(d[9], txmat_2_4));
e[5] = _mm256_sub_epi32(_mm256_mullo_epi32(d[10], txmat_2_8),
_mm256_mullo_epi32(d[11], txmat_2_10));
e[6] = _mm256_add_epi32(_mm256_mullo_epi32(d[12], txmat_2_2),
_mm256_mullo_epi32(d[13], txmat_2_15));
e[7] = _mm256_add_epi32(_mm256_mullo_epi32(d[14], txmat_2_3),
_mm256_mullo_epi32(d[15], txmat_2_9));
e[0] = _mm256_add_epi32(_mm256_sub_epi32(e[0], e[1]),
_mm256_sub_epi32(e[2], e[3]));
e[4] = _mm256_add_epi32(_mm256_sub_epi32(e[4], e[5]),
_mm256_sub_epi32(e[6], e[7]));
a[26] = _mm256_sub_epi32(e[0], e[4]);
e[0] = _mm256_sub_epi32(_mm256_mullo_epi32(d[0], txmat_2_7),
_mm256_mullo_epi32(d[1], txmat_2_9));
e[1] = _mm256_sub_epi32(_mm256_mullo_epi32(d[2], txmat_2_5),
_mm256_mullo_epi32(d[3], txmat_2_11));
e[2] = _mm256_sub_epi32(_mm256_mullo_epi32(d[4], txmat_2_3),
_mm256_mullo_epi32(d[5], txmat_2_13));
e[3] = _mm256_sub_epi32(_mm256_mullo_epi32(d[6], txmat_2_1),
_mm256_mullo_epi32(d[7], txmat_2_15));
e[4] = _mm256_add_epi32(_mm256_mullo_epi32(d[8], txmat_2_0),
_mm256_mullo_epi32(d[9], txmat_2_14));
e[5] = _mm256_add_epi32(_mm256_mullo_epi32(d[10], txmat_2_2),
_mm256_mullo_epi32(d[11], txmat_2_12));
e[6] = _mm256_add_epi32(_mm256_mullo_epi32(d[12], txmat_2_4),
_mm256_mullo_epi32(d[13], txmat_2_10));
e[7] = _mm256_add_epi32(_mm256_mullo_epi32(d[14], txmat_2_6),
_mm256_mullo_epi32(d[15], txmat_2_8));
e[0] = _mm256_add_epi32(_mm256_sub_epi32(e[0], e[1]),
_mm256_sub_epi32(e[2], e[3]));
e[4] = _mm256_add_epi32(_mm256_sub_epi32(e[4], e[5]),
_mm256_sub_epi32(e[6], e[7]));
a[30] = _mm256_add_epi32(e[0], e[4]);
// 362, 361, 359, 357, 353, 349, 344, 338, 331, 323, 315, 306,
// 296, 285, 274, 262, 250, 236, 223, 208, 194, 178, 163, 147,
// 130, 114, 97, 79, 62, 44, 27, 9
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_0),
_mm256_mullo_epi32(b[1], txmat_1_1));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_2),
_mm256_mullo_epi32(b[3], txmat_1_3));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_4),
_mm256_mullo_epi32(b[5], txmat_1_5));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_6),
_mm256_mullo_epi32(b[7], txmat_1_7));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_8),
_mm256_mullo_epi32(b[9], txmat_1_9));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_10),
_mm256_mullo_epi32(b[11], txmat_1_11));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_12),
_mm256_mullo_epi32(b[13], txmat_1_13));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_14),
_mm256_mullo_epi32(b[15], txmat_1_15));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_16),
_mm256_mullo_epi32(b[17], txmat_1_17));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_18),
_mm256_mullo_epi32(b[19], txmat_1_19));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_20),
_mm256_mullo_epi32(b[21], txmat_1_21));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_22),
_mm256_mullo_epi32(b[23], txmat_1_23));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_24),
_mm256_mullo_epi32(b[25], txmat_1_25));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_26),
_mm256_mullo_epi32(b[27], txmat_1_27));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_28),
_mm256_mullo_epi32(b[29], txmat_1_29));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_30),
_mm256_mullo_epi32(b[31], txmat_1_31));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
c[8] = _mm256_add_epi32(_mm256_add_epi32(c[8], c[9]),
_mm256_add_epi32(c[10], c[11]));
c[12] = _mm256_add_epi32(_mm256_add_epi32(c[12], c[13]),
_mm256_add_epi32(c[14], c[15]));
a[1] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[4]),
_mm256_add_epi32(c[8], c[12]));
// 361, 353, 338, 315, 285, 250, 208, 163, 114, 62, 9, -44,
// -97,-147,-194,-236, -274,-306,-331,-349, -359,-362,-357,-344,
// -323,-296,-262,-223, -178,-130, -79, -27
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_1),
_mm256_mullo_epi32(b[1], txmat_1_4));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_7),
_mm256_mullo_epi32(b[3], txmat_1_10));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_13),
_mm256_mullo_epi32(b[5], txmat_1_16));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_19),
_mm256_mullo_epi32(b[7], txmat_1_22));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_25),
_mm256_mullo_epi32(b[9], txmat_1_28));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_31),
_mm256_mullo_epi32(b[11], txmat_1_29));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_26),
_mm256_mullo_epi32(b[13], txmat_1_23));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_20),
_mm256_mullo_epi32(b[15], txmat_1_17));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_14),
_mm256_mullo_epi32(b[17], txmat_1_11));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_8),
_mm256_mullo_epi32(b[19], txmat_1_5));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_2),
_mm256_mullo_epi32(b[21], txmat_1_0));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_3),
_mm256_mullo_epi32(b[23], txmat_1_6));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_9),
_mm256_mullo_epi32(b[25], txmat_1_12));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_15),
_mm256_mullo_epi32(b[27], txmat_1_18));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_21),
_mm256_mullo_epi32(b[29], txmat_1_24));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_27),
_mm256_mullo_epi32(b[31], txmat_1_30));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
c[8] = _mm256_add_epi32(_mm256_add_epi32(c[8], c[9]),
_mm256_add_epi32(c[10], c[11]));
c[12] = _mm256_add_epi32(_mm256_add_epi32(c[12], c[13]),
_mm256_add_epi32(c[14], c[15]));
a[3] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[4]),
_mm256_add_epi32(c[8], c[12]));
// 359, 338, 296, 236, 163, 79, -9, -97, -178,-250,-306,-344,
// -361,-357,-331,-285, -223,-147, -62, 27, 114, 194, 262, 315,
// 349, 362, 353, 323, 274, 208, 130, 44
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_2),
_mm256_mullo_epi32(b[1], txmat_1_7));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_12),
_mm256_mullo_epi32(b[3], txmat_1_17));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_22),
_mm256_mullo_epi32(b[5], txmat_1_27));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_31),
_mm256_mullo_epi32(b[7], txmat_1_26));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_21),
_mm256_mullo_epi32(b[9], txmat_1_16));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_11),
_mm256_mullo_epi32(b[11], txmat_1_6));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_1),
_mm256_mullo_epi32(b[13], txmat_1_3));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_8),
_mm256_mullo_epi32(b[15], txmat_1_13));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_18),
_mm256_mullo_epi32(b[17], txmat_1_23));
c[9] = _mm256_sub_epi32(_mm256_mullo_epi32(b[18], txmat_1_28),
_mm256_mullo_epi32(b[19], txmat_1_30));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_25),
_mm256_mullo_epi32(b[21], txmat_1_20));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_15),
_mm256_mullo_epi32(b[23], txmat_1_10));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_5),
_mm256_mullo_epi32(b[25], txmat_1_0));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_4),
_mm256_mullo_epi32(b[27], txmat_1_9));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_14),
_mm256_mullo_epi32(b[29], txmat_1_19));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_24),
_mm256_mullo_epi32(b[31], txmat_1_29));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
c[8] = _mm256_sub_epi32(_mm256_add_epi32(c[8], c[9]),
_mm256_add_epi32(c[10], c[11]));
c[12] = _mm256_add_epi32(_mm256_add_epi32(c[12], c[13]),
_mm256_add_epi32(c[14], c[15]));
a[5] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[4]),
_mm256_sub_epi32(c[8], c[12]));
// 357, 315, 236, 130, 9,-114,-223,-306, -353,-359,-323,-250,
// -147, -27, 97, 208, 296, 349, 361, 331, 262, 163, 44, -79,
// -194,-285,-344,-362, -338,-274,-178, -62
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_3),
_mm256_mullo_epi32(b[1], txmat_1_10));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_17),
_mm256_mullo_epi32(b[3], txmat_1_24));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_31),
_mm256_mullo_epi32(b[5], txmat_1_25));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_18),
_mm256_mullo_epi32(b[7], txmat_1_11));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_4),
_mm256_mullo_epi32(b[9], txmat_1_2));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_9),
_mm256_mullo_epi32(b[11], txmat_1_16));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_23),
_mm256_mullo_epi32(b[13], txmat_1_30));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_26),
_mm256_mullo_epi32(b[15], txmat_1_19));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_12),
_mm256_mullo_epi32(b[17], txmat_1_5));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_1),
_mm256_mullo_epi32(b[19], txmat_1_8));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_15),
_mm256_mullo_epi32(b[21], txmat_1_22));
c[11] = _mm256_sub_epi32(_mm256_mullo_epi32(b[22], txmat_1_29),
_mm256_mullo_epi32(b[23], txmat_1_27));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_20),
_mm256_mullo_epi32(b[25], txmat_1_13));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_6),
_mm256_mullo_epi32(b[27], txmat_1_0));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_7),
_mm256_mullo_epi32(b[29], txmat_1_14));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_21),
_mm256_mullo_epi32(b[31], txmat_1_28));
c[0] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
c[8] = _mm256_add_epi32(_mm256_add_epi32(c[8], c[9]),
_mm256_add_epi32(c[10], c[11]));
c[12] = _mm256_add_epi32(_mm256_add_epi32(c[12], c[13]),
_mm256_add_epi32(c[14], c[15]));
a[7] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[4]),
_mm256_sub_epi32(c[8], c[12]));
// 353, 285, 163, 9, -147,-274,-349,-357, -296,-178, -27, 130,
// 262, 344, 359, 306, 194, 44,-114,-250, -338,-361,-315,-208,
// -62, 97, 236, 331, 362, 323, 223, 79
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_4),
_mm256_mullo_epi32(b[1], txmat_1_13));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_22),
_mm256_mullo_epi32(b[3], txmat_1_31));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_23),
_mm256_mullo_epi32(b[5], txmat_1_14));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_5),
_mm256_mullo_epi32(b[7], txmat_1_3));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_12),
_mm256_mullo_epi32(b[9], txmat_1_21));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_30),
_mm256_mullo_epi32(b[11], txmat_1_24));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_15),
_mm256_mullo_epi32(b[13], txmat_1_6));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_2),
_mm256_mullo_epi32(b[15], txmat_1_11));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_20),
_mm256_mullo_epi32(b[17], txmat_1_29));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_25),
_mm256_mullo_epi32(b[19], txmat_1_16));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_7),
_mm256_mullo_epi32(b[21], txmat_1_1));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_10),
_mm256_mullo_epi32(b[23], txmat_1_19));
c[12] = _mm256_sub_epi32(_mm256_mullo_epi32(b[24], txmat_1_28),
_mm256_mullo_epi32(b[25], txmat_1_26));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_17),
_mm256_mullo_epi32(b[27], txmat_1_8));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_0),
_mm256_mullo_epi32(b[29], txmat_1_9));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_18),
_mm256_mullo_epi32(b[31], txmat_1_27));
c[0] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
c[8] = _mm256_sub_epi32(_mm256_sub_epi32(c[8], c[9]),
_mm256_add_epi32(c[10], c[11]));
c[12] = _mm256_sub_epi32(_mm256_sub_epi32(c[12], c[13]),
_mm256_add_epi32(c[14], c[15]));
a[9] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[4]),
_mm256_sub_epi32(c[8], c[12]));
// 349, 250, 79,-114, -274,-357,-338,-223, -44, 147, 296, 361,
// 323, 194, 9,-178, -315,-362,-306,-163, 27, 208, 331, 359,
// 285, 130, -62,-236, -344,-353,-262, -97
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_5),
_mm256_mullo_epi32(b[1], txmat_1_16));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_27),
_mm256_mullo_epi32(b[3], txmat_1_25));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_14),
_mm256_mullo_epi32(b[5], txmat_1_3));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_7),
_mm256_mullo_epi32(b[7], txmat_1_18));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_29),
_mm256_mullo_epi32(b[9], txmat_1_23));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_12),
_mm256_mullo_epi32(b[11], txmat_1_1));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_9),
_mm256_mullo_epi32(b[13], txmat_1_20));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_31),
_mm256_mullo_epi32(b[15], txmat_1_21));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_10),
_mm256_mullo_epi32(b[17], txmat_1_0));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_11),
_mm256_mullo_epi32(b[19], txmat_1_22));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_30),
_mm256_mullo_epi32(b[21], txmat_1_19));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_8),
_mm256_mullo_epi32(b[23], txmat_1_2));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_13),
_mm256_mullo_epi32(b[25], txmat_1_24));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_28),
_mm256_mullo_epi32(b[27], txmat_1_17));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_6),
_mm256_mullo_epi32(b[29], txmat_1_4));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_15),
_mm256_mullo_epi32(b[31], txmat_1_26));
c[0] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
c[8] = _mm256_sub_epi32(_mm256_add_epi32(c[8], c[9]),
_mm256_add_epi32(c[10], c[11]));
c[12] = _mm256_sub_epi32(_mm256_sub_epi32(c[12], c[13]),
_mm256_add_epi32(c[14], c[15]));
a[11] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[4]),
_mm256_sub_epi32(c[8], c[12]));
// 344, 208, -9,-223, -349,-338,-194, 27, 236, 353, 331, 178,
// -44,-250,-357,-323, -163, 62, 262, 359, 315, 147, -79,-274,
// -361,-306,-130, 97, 285, 362, 296, 114
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_6),
_mm256_mullo_epi32(b[1], txmat_1_19));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_31),
_mm256_mullo_epi32(b[3], txmat_1_18));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_5),
_mm256_mullo_epi32(b[5], txmat_1_7));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_20),
_mm256_mullo_epi32(b[7], txmat_1_30));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_17),
_mm256_mullo_epi32(b[9], txmat_1_4));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_8),
_mm256_mullo_epi32(b[11], txmat_1_21));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_29),
_mm256_mullo_epi32(b[13], txmat_1_16));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_3),
_mm256_mullo_epi32(b[15], txmat_1_9));
c[8] = _mm256_sub_epi32(_mm256_mullo_epi32(b[16], txmat_1_22),
_mm256_mullo_epi32(b[17], txmat_1_28));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_15),
_mm256_mullo_epi32(b[19], txmat_1_2));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_10),
_mm256_mullo_epi32(b[21], txmat_1_23));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_27),
_mm256_mullo_epi32(b[23], txmat_1_14));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_1),
_mm256_mullo_epi32(b[25], txmat_1_11));
c[13] = _mm256_sub_epi32(_mm256_mullo_epi32(b[26], txmat_1_24),
_mm256_mullo_epi32(b[27], txmat_1_26));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_13),
_mm256_mullo_epi32(b[29], txmat_1_0));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_12),
_mm256_mullo_epi32(b[31], txmat_1_25));
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
c[8] = _mm256_sub_epi32(_mm256_sub_epi32(c[8], c[9]),
_mm256_sub_epi32(c[10], c[11]));
c[12] = _mm256_sub_epi32(_mm256_add_epi32(c[12], c[13]),
_mm256_add_epi32(c[14], c[15]));
a[13] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[4]),
_mm256_add_epi32(c[8], c[12]));
// 338, 163, -97,-306, -357,-223, 27, 262, 362, 274, 44,-208,
// -353,-315,-114, 147, 331, 344, 178, -79, -296,-359,-236, 9,
// 250, 361, 285, 62, -194,-349,-323,-130
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_7),
_mm256_mullo_epi32(b[1], txmat_1_22));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_26),
_mm256_mullo_epi32(b[3], txmat_1_11));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_3),
_mm256_mullo_epi32(b[5], txmat_1_18));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_30),
_mm256_mullo_epi32(b[7], txmat_1_15));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_0),
_mm256_mullo_epi32(b[9], txmat_1_14));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_29),
_mm256_mullo_epi32(b[11], txmat_1_19));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_4),
_mm256_mullo_epi32(b[13], txmat_1_10));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_25),
_mm256_mullo_epi32(b[15], txmat_1_23));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_8),
_mm256_mullo_epi32(b[17], txmat_1_6));
c[9] = _mm256_sub_epi32(_mm256_mullo_epi32(b[18], txmat_1_21),
_mm256_mullo_epi32(b[19], txmat_1_27));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_12),
_mm256_mullo_epi32(b[21], txmat_1_2));
c[11] = _mm256_sub_epi32(_mm256_mullo_epi32(b[22], txmat_1_17),
_mm256_mullo_epi32(b[23], txmat_1_31));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_16),
_mm256_mullo_epi32(b[25], txmat_1_1));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_13),
_mm256_mullo_epi32(b[27], txmat_1_28));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_20),
_mm256_mullo_epi32(b[29], txmat_1_5));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_9),
_mm256_mullo_epi32(b[31], txmat_1_24));
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
c[8] = _mm256_sub_epi32(_mm256_add_epi32(c[8], c[9]),
_mm256_add_epi32(c[10], c[11]));
c[12] = _mm256_sub_epi32(_mm256_add_epi32(c[12], c[13]),
_mm256_add_epi32(c[14], c[15]));
a[15] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[4]),
_mm256_add_epi32(c[8], c[12]));
// 331, 114,-178,-353, -296, -44, 236, 362, 250, -27,-285,-357,
// -194, 97, 323, 338, 130,-163,-349,-306, -62, 223, 361, 262,
// -9,-274,-359,-208, 79, 315, 344, 147
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_8),
_mm256_mullo_epi32(b[1], txmat_1_25));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_21),
_mm256_mullo_epi32(b[3], txmat_1_4));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_12),
_mm256_mullo_epi32(b[5], txmat_1_29));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_17),
_mm256_mullo_epi32(b[7], txmat_1_0));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_16),
_mm256_mullo_epi32(b[9], txmat_1_30));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_13),
_mm256_mullo_epi32(b[11], txmat_1_3));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_20),
_mm256_mullo_epi32(b[13], txmat_1_26));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_9),
_mm256_mullo_epi32(b[15], txmat_1_7));
c[8] = _mm256_sub_epi32(_mm256_mullo_epi32(b[16], txmat_1_24),
_mm256_mullo_epi32(b[17], txmat_1_22));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_5),
_mm256_mullo_epi32(b[19], txmat_1_11));
c[10] = _mm256_sub_epi32(_mm256_mullo_epi32(b[20], txmat_1_28),
_mm256_mullo_epi32(b[21], txmat_1_18));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_1),
_mm256_mullo_epi32(b[23], txmat_1_15));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_31),
_mm256_mullo_epi32(b[25], txmat_1_14));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_2),
_mm256_mullo_epi32(b[27], txmat_1_19));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_27),
_mm256_mullo_epi32(b[29], txmat_1_10));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_6),
_mm256_mullo_epi32(b[31], txmat_1_23));
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
c[8] = _mm256_sub_epi32(_mm256_sub_epi32(c[8], c[9]),
_mm256_sub_epi32(c[10], c[11]));
c[12] = _mm256_sub_epi32(_mm256_add_epi32(c[12], c[13]),
_mm256_add_epi32(c[14], c[15]));
a[17] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[4]),
_mm256_sub_epi32(c[8], c[12]));
// 323, 62,-250,-359, -178, 147, 353, 274, -27,-306,-338, -97,
// 223, 362, 208,-114, -344,-296, -9, 285, 349, 130,-194,-361,
// -236, 79, 331, 315, 44,-262,-357,-163
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_9),
_mm256_mullo_epi32(b[1], txmat_1_28));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_16),
_mm256_mullo_epi32(b[3], txmat_1_2));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_21),
_mm256_mullo_epi32(b[5], txmat_1_23));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_4),
_mm256_mullo_epi32(b[7], txmat_1_14));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_30),
_mm256_mullo_epi32(b[9], txmat_1_11));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_7),
_mm256_mullo_epi32(b[11], txmat_1_26));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_18),
_mm256_mullo_epi32(b[13], txmat_1_0));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_19),
_mm256_mullo_epi32(b[15], txmat_1_25));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_6),
_mm256_mullo_epi32(b[17], txmat_1_12));
c[9] = _mm256_sub_epi32(_mm256_mullo_epi32(b[18], txmat_1_31),
_mm256_mullo_epi32(b[19], txmat_1_13));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_5),
_mm256_mullo_epi32(b[21], txmat_1_24));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_20),
_mm256_mullo_epi32(b[23], txmat_1_1));
c[12] = _mm256_sub_epi32(_mm256_mullo_epi32(b[24], txmat_1_17),
_mm256_mullo_epi32(b[25], txmat_1_27));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_8),
_mm256_mullo_epi32(b[27], txmat_1_10));
c[14] = _mm256_sub_epi32(_mm256_mullo_epi32(b[28], txmat_1_29),
_mm256_mullo_epi32(b[29], txmat_1_15));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_3),
_mm256_mullo_epi32(b[31], txmat_1_22));
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_add_epi32(c[6], c[7]));
c[8] = _mm256_sub_epi32(_mm256_add_epi32(c[8], c[9]),
_mm256_sub_epi32(c[10], c[11]));
c[12] = _mm256_sub_epi32(_mm256_sub_epi32(c[12], c[13]),
_mm256_sub_epi32(c[14], c[15]));
a[19] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[4]),
_mm256_add_epi32(c[8], c[12]));
// 315, 9,-306,-323, -27, 296, 331, 44, -285,-338, -62, 274,
// 344, 79,-262,-349, -97, 250, 353, 114, -236,-357,-130, 223,
// 359, 147,-208,-361, -163, 194, 362, 178
c[0] = _mm256_add_epi32(_mm256_mullo_epi32(b[0], txmat_1_10),
_mm256_mullo_epi32(b[1], txmat_1_31));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_11),
_mm256_mullo_epi32(b[3], txmat_1_9));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_30),
_mm256_mullo_epi32(b[5], txmat_1_12));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_8),
_mm256_mullo_epi32(b[7], txmat_1_29));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_13),
_mm256_mullo_epi32(b[9], txmat_1_7));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_28),
_mm256_mullo_epi32(b[11], txmat_1_14));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_6),
_mm256_mullo_epi32(b[13], txmat_1_27));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_15),
_mm256_mullo_epi32(b[15], txmat_1_5));
c[8] = _mm256_sub_epi32(_mm256_mullo_epi32(b[16], txmat_1_26),
_mm256_mullo_epi32(b[17], txmat_1_16));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_4),
_mm256_mullo_epi32(b[19], txmat_1_25));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_17),
_mm256_mullo_epi32(b[21], txmat_1_3));
c[11] = _mm256_sub_epi32(_mm256_mullo_epi32(b[22], txmat_1_24),
_mm256_mullo_epi32(b[23], txmat_1_18));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_2),
_mm256_mullo_epi32(b[25], txmat_1_23));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_19),
_mm256_mullo_epi32(b[27], txmat_1_1));
c[14] = _mm256_sub_epi32(_mm256_mullo_epi32(b[28], txmat_1_22),
_mm256_mullo_epi32(b[29], txmat_1_20));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_0),
_mm256_mullo_epi32(b[31], txmat_1_21));
c[0] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
c[8] = _mm256_add_epi32(_mm256_sub_epi32(c[8], c[9]),
_mm256_add_epi32(c[10], c[11]));
c[12] = _mm256_sub_epi32(_mm256_sub_epi32(c[12], c[13]),
_mm256_sub_epi32(c[14], c[15]));
a[21] = _mm256_sub_epi32(_mm256_sub_epi32(c[0], c[4]),
_mm256_sub_epi32(c[8], c[12]));
// 306, -44,-344,-250, 130, 361, 178,-208, -357, -97, 274, 331,
// 9,-323,-285, 79, 353, 223,-163,-362, -147, 236, 349, 62,
// -296,-315, 27, 338, 262,-114,-359,-194
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_11),
_mm256_mullo_epi32(b[1], txmat_1_29));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_6),
_mm256_mullo_epi32(b[3], txmat_1_16));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_24),
_mm256_mullo_epi32(b[5], txmat_1_1));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_21),
_mm256_mullo_epi32(b[7], txmat_1_19));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_3),
_mm256_mullo_epi32(b[9], txmat_1_26));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_14),
_mm256_mullo_epi32(b[11], txmat_1_8));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_31),
_mm256_mullo_epi32(b[13], txmat_1_9));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_13),
_mm256_mullo_epi32(b[15], txmat_1_27));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_4),
_mm256_mullo_epi32(b[17], txmat_1_18));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_22),
_mm256_mullo_epi32(b[19], txmat_1_0));
c[10] = _mm256_sub_epi32(_mm256_mullo_epi32(b[20], txmat_1_23),
_mm256_mullo_epi32(b[21], txmat_1_17));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_5),
_mm256_mullo_epi32(b[23], txmat_1_28));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_12),
_mm256_mullo_epi32(b[25], txmat_1_10));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_30),
_mm256_mullo_epi32(b[27], txmat_1_7));
c[14] = _mm256_sub_epi32(_mm256_mullo_epi32(b[28], txmat_1_15),
_mm256_mullo_epi32(b[29], txmat_1_25));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_2),
_mm256_mullo_epi32(b[31], txmat_1_20));
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_add_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
c[8] = _mm256_sub_epi32(_mm256_sub_epi32(c[8], c[9]),
_mm256_sub_epi32(c[10], c[11]));
c[12] = _mm256_sub_epi32(_mm256_sub_epi32(c[12], c[13]),
_mm256_sub_epi32(c[14], c[15]));
a[23] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[4]),
_mm256_sub_epi32(c[8], c[12]));
// 296, -97,-361,-147, 262, 323, -44,-353, -194, 223, 344, 9,
// -338,-236, 178, 357, 62,-315,-274, 130, 362, 114,-285,-306,
// 79, 359, 163,-250, -331, 27, 349, 208
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_12),
_mm256_mullo_epi32(b[1], txmat_1_26));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_1),
_mm256_mullo_epi32(b[3], txmat_1_23));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_15),
_mm256_mullo_epi32(b[5], txmat_1_9));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_29),
_mm256_mullo_epi32(b[7], txmat_1_4));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_20),
_mm256_mullo_epi32(b[9], txmat_1_18));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_6),
_mm256_mullo_epi32(b[11], txmat_1_31));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_7),
_mm256_mullo_epi32(b[13], txmat_1_17));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_21),
_mm256_mullo_epi32(b[15], txmat_1_3));
c[8] = _mm256_sub_epi32(_mm256_mullo_epi32(b[16], txmat_1_28),
_mm256_mullo_epi32(b[17], txmat_1_10));
c[9] = _mm256_sub_epi32(_mm256_mullo_epi32(b[18], txmat_1_14),
_mm256_mullo_epi32(b[19], txmat_1_24));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_0),
_mm256_mullo_epi32(b[21], txmat_1_25));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_13),
_mm256_mullo_epi32(b[23], txmat_1_11));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_27),
_mm256_mullo_epi32(b[25], txmat_1_2));
c[13] = _mm256_sub_epi32(_mm256_mullo_epi32(b[26], txmat_1_22),
_mm256_mullo_epi32(b[27], txmat_1_16));
c[14] = _mm256_sub_epi32(_mm256_mullo_epi32(b[28], txmat_1_8),
_mm256_mullo_epi32(b[29], txmat_1_30));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_5),
_mm256_mullo_epi32(b[31], txmat_1_19));
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
c[8] = _mm256_add_epi32(_mm256_sub_epi32(c[8], c[9]),
_mm256_sub_epi32(c[10], c[11]));
c[12] = _mm256_sub_epi32(_mm256_add_epi32(c[12], c[13]),
_mm256_sub_epi32(c[14], c[15]));
a[25] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[4]),
_mm256_add_epi32(c[8], c[12]));
// 285,-147,-357, -27, 344, 194,-250,-315, 97, 362, 79,-323,
// -236, 208, 338, -44, -359,-130, 296, 274, -163,-353, -9, 349,
// 178,-262,-306, 114, 361, 62,-331,-223
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_13),
_mm256_mullo_epi32(b[1], txmat_1_23));
c[1] = _mm256_add_epi32(_mm256_mullo_epi32(b[2], txmat_1_3),
_mm256_mullo_epi32(b[3], txmat_1_30));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_6),
_mm256_mullo_epi32(b[5], txmat_1_20));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_16),
_mm256_mullo_epi32(b[7], txmat_1_10));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_26),
_mm256_mullo_epi32(b[9], txmat_1_0));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_27),
_mm256_mullo_epi32(b[11], txmat_1_9));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_17),
_mm256_mullo_epi32(b[13], txmat_1_19));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_7),
_mm256_mullo_epi32(b[15], txmat_1_29));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_2),
_mm256_mullo_epi32(b[17], txmat_1_24));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_12),
_mm256_mullo_epi32(b[19], txmat_1_14));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_22),
_mm256_mullo_epi32(b[21], txmat_1_4));
c[11] = _mm256_sub_epi32(_mm256_mullo_epi32(b[22], txmat_1_31),
_mm256_mullo_epi32(b[23], txmat_1_5));
c[12] = _mm256_sub_epi32(_mm256_mullo_epi32(b[24], txmat_1_21),
_mm256_mullo_epi32(b[25], txmat_1_15));
c[13] = _mm256_sub_epi32(_mm256_mullo_epi32(b[26], txmat_1_11),
_mm256_mullo_epi32(b[27], txmat_1_25));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_1),
_mm256_mullo_epi32(b[29], txmat_1_28));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_8),
_mm256_mullo_epi32(b[31], txmat_1_18));
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_sub_epi32(_mm256_add_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
c[8] = _mm256_add_epi32(_mm256_sub_epi32(c[8], c[9]),
_mm256_add_epi32(c[10], c[11]));
c[12] = _mm256_add_epi32(_mm256_sub_epi32(c[12], c[13]),
_mm256_sub_epi32(c[14], c[15]));
a[27] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[4]),
_mm256_sub_epi32(c[8], c[12]));
// 274,-194,-331, 97, 359, 9,-357,-114, 323, 208,-262,-285,
// 178, 338, -79,-361, -27, 353, 130,-315, -223, 250, 296,-163,
// -344, 62, 362, 44, -349,-147, 306, 236
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_14),
_mm256_mullo_epi32(b[1], txmat_1_20));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_8),
_mm256_mullo_epi32(b[3], txmat_1_26));
c[2] = _mm256_add_epi32(_mm256_mullo_epi32(b[4], txmat_1_2),
_mm256_mullo_epi32(b[5], txmat_1_31));
c[3] = _mm256_add_epi32(_mm256_mullo_epi32(b[6], txmat_1_3),
_mm256_mullo_epi32(b[7], txmat_1_25));
c[4] = _mm256_add_epi32(_mm256_mullo_epi32(b[8], txmat_1_9),
_mm256_mullo_epi32(b[9], txmat_1_19));
c[5] = _mm256_add_epi32(_mm256_mullo_epi32(b[10], txmat_1_15),
_mm256_mullo_epi32(b[11], txmat_1_13));
c[6] = _mm256_add_epi32(_mm256_mullo_epi32(b[12], txmat_1_21),
_mm256_mullo_epi32(b[13], txmat_1_7));
c[7] = _mm256_add_epi32(_mm256_mullo_epi32(b[14], txmat_1_27),
_mm256_mullo_epi32(b[15], txmat_1_1));
c[8] = _mm256_sub_epi32(_mm256_mullo_epi32(b[16], txmat_1_30),
_mm256_mullo_epi32(b[17], txmat_1_4));
c[9] = _mm256_sub_epi32(_mm256_mullo_epi32(b[18], txmat_1_24),
_mm256_mullo_epi32(b[19], txmat_1_10));
c[10] = _mm256_sub_epi32(_mm256_mullo_epi32(b[20], txmat_1_18),
_mm256_mullo_epi32(b[21], txmat_1_16));
c[11] = _mm256_sub_epi32(_mm256_mullo_epi32(b[22], txmat_1_12),
_mm256_mullo_epi32(b[23], txmat_1_22));
c[12] = _mm256_sub_epi32(_mm256_mullo_epi32(b[24], txmat_1_6),
_mm256_mullo_epi32(b[25], txmat_1_28));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_0),
_mm256_mullo_epi32(b[27], txmat_1_29));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_5),
_mm256_mullo_epi32(b[29], txmat_1_23));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_11),
_mm256_mullo_epi32(b[31], txmat_1_17));
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
c[8] = _mm256_add_epi32(_mm256_sub_epi32(c[8], c[9]),
_mm256_sub_epi32(c[10], c[11]));
c[12] = _mm256_add_epi32(_mm256_sub_epi32(c[12], c[13]),
_mm256_sub_epi32(c[14], c[15]));
a[29] = _mm256_sub_epi32(_mm256_add_epi32(c[0], c[4]),
_mm256_add_epi32(c[8], c[12]));
// 262,-236,-285, 208, 306,-178,-323, 147, 338,-114,-349, 79,
// 357, -44,-361, 9, 362, 27,-359, -62, 353, 97,-344,-130,
// 331, 163,-315,-194, 296, 223,-274,-250
c[0] = _mm256_sub_epi32(_mm256_mullo_epi32(b[0], txmat_1_15),
_mm256_mullo_epi32(b[1], txmat_1_17));
c[1] = _mm256_sub_epi32(_mm256_mullo_epi32(b[2], txmat_1_13),
_mm256_mullo_epi32(b[3], txmat_1_19));
c[2] = _mm256_sub_epi32(_mm256_mullo_epi32(b[4], txmat_1_11),
_mm256_mullo_epi32(b[5], txmat_1_21));
c[3] = _mm256_sub_epi32(_mm256_mullo_epi32(b[6], txmat_1_9),
_mm256_mullo_epi32(b[7], txmat_1_23));
c[4] = _mm256_sub_epi32(_mm256_mullo_epi32(b[8], txmat_1_7),
_mm256_mullo_epi32(b[9], txmat_1_25));
c[5] = _mm256_sub_epi32(_mm256_mullo_epi32(b[10], txmat_1_5),
_mm256_mullo_epi32(b[11], txmat_1_27));
c[6] = _mm256_sub_epi32(_mm256_mullo_epi32(b[12], txmat_1_3),
_mm256_mullo_epi32(b[13], txmat_1_29));
c[7] = _mm256_sub_epi32(_mm256_mullo_epi32(b[14], txmat_1_1),
_mm256_mullo_epi32(b[15], txmat_1_31));
c[8] = _mm256_add_epi32(_mm256_mullo_epi32(b[16], txmat_1_0),
_mm256_mullo_epi32(b[17], txmat_1_30));
c[9] = _mm256_add_epi32(_mm256_mullo_epi32(b[18], txmat_1_2),
_mm256_mullo_epi32(b[19], txmat_1_28));
c[10] = _mm256_add_epi32(_mm256_mullo_epi32(b[20], txmat_1_4),
_mm256_mullo_epi32(b[21], txmat_1_26));
c[11] = _mm256_add_epi32(_mm256_mullo_epi32(b[22], txmat_1_6),
_mm256_mullo_epi32(b[23], txmat_1_24));
c[12] = _mm256_add_epi32(_mm256_mullo_epi32(b[24], txmat_1_8),
_mm256_mullo_epi32(b[25], txmat_1_22));
c[13] = _mm256_add_epi32(_mm256_mullo_epi32(b[26], txmat_1_10),
_mm256_mullo_epi32(b[27], txmat_1_20));
c[14] = _mm256_add_epi32(_mm256_mullo_epi32(b[28], txmat_1_12),
_mm256_mullo_epi32(b[29], txmat_1_18));
c[15] = _mm256_add_epi32(_mm256_mullo_epi32(b[30], txmat_1_14),
_mm256_mullo_epi32(b[31], txmat_1_16));
c[0] = _mm256_add_epi32(_mm256_sub_epi32(c[0], c[1]),
_mm256_sub_epi32(c[2], c[3]));
c[4] = _mm256_add_epi32(_mm256_sub_epi32(c[4], c[5]),
_mm256_sub_epi32(c[6], c[7]));
c[8] = _mm256_add_epi32(_mm256_sub_epi32(c[8], c[9]),
_mm256_sub_epi32(c[10], c[11]));
c[12] = _mm256_add_epi32(_mm256_sub_epi32(c[12], c[13]),
_mm256_sub_epi32(c[14], c[15]));
a[31] = _mm256_add_epi32(_mm256_add_epi32(c[0], c[4]),
_mm256_add_epi32(c[8], c[12]));
for (n = 0; n < 32; n++) {
a[n] = _mm256_add_epi32(a[n], v_offset);
a[n] = _mm256_srai_epi32(a[n], shift);
}
transpose_store_8x8_avx2(a, dst + 0, tx1d_size);
transpose_store_8x8_avx2(a + 8, dst + 8, tx1d_size);
transpose_store_8x8_avx2(a + 16, dst + 16, tx1d_size);
transpose_store_8x8_avx2(a + 24, dst + 24, tx1d_size);
src += 8;
dst += tx1d_size * 8;
}
} else {
__m128i a[32], b[32];
__m128i c[16], d[16];
__m128i e[8], f[8];
__m128i g[4], h[4];
__m128i i[2], j[2];
__m128i v_offset = _mm_set1_epi32(offset);
__m128i txmat_16_0 = _mm_set1_epi32(tx_mat[16 * 64 + 0]); // 85
__m128i txmat_16_1 = _mm_set1_epi32(tx_mat[16 * 64 + 1]); // 35
__m128i txmat_8_0 = _mm_set1_epi32(tx_mat[8 * 64 + 0]); // 89
__m128i txmat_8_1 = _mm_set1_epi32(tx_mat[8 * 64 + 1]); // 75
__m128i txmat_8_2 = _mm_set1_epi32(tx_mat[8 * 64 + 2]); // 50
__m128i txmat_8_3 = _mm_set1_epi32(tx_mat[8 * 64 + 3]); // 18
__m128i txmat_4_0 = _mm_set1_epi32(tx_mat[4 * 64 + 0]); // 90
__m128i txmat_4_1 = _mm_set1_epi32(tx_mat[4 * 64 + 1]); // 87
__m128i txmat_4_2 = _mm_set1_epi32(tx_mat[4 * 64 + 2]); // 80
__m128i txmat_4_3 = _mm_set1_epi32(tx_mat[4 * 64 + 3]); // 70
__m128i txmat_4_4 = _mm_set1_epi32(tx_mat[4 * 64 + 4]); // 57
__m128i txmat_4_5 = _mm_set1_epi32(tx_mat[4 * 64 + 5]); // 43
__m128i txmat_4_6 = _mm_set1_epi32(tx_mat[4 * 64 + 6]); // 26
__m128i txmat_4_7 = _mm_set1_epi32(tx_mat[4 * 64 + 7]); // 9
__m128i txmat_2_0 = _mm_set1_epi32(tx_mat[2 * 64 + 0]); // 90
__m128i txmat_2_1 = _mm_set1_epi32(tx_mat[2 * 64 + 1]); // 90
__m128i txmat_2_2 = _mm_set1_epi32(tx_mat[2 * 64 + 2]); // 88
__m128i txmat_2_3 = _mm_set1_epi32(tx_mat[2 * 64 + 3]); // 85
__m128i txmat_2_4 = _mm_set1_epi32(tx_mat[2 * 64 + 4]); // 82
__m128i txmat_2_5 = _mm_set1_epi32(tx_mat[2 * 64 + 5]); // 78
__m128i txmat_2_6 = _mm_set1_epi32(tx_mat[2 * 64 + 6]); // 73
__m128i txmat_2_7 = _mm_set1_epi32(tx_mat[2 * 64 + 7]); // 67
__m128i txmat_2_8 = _mm_set1_epi32(tx_mat[2 * 64 + 8]); // 61
__m128i txmat_2_9 = _mm_set1_epi32(tx_mat[2 * 64 + 9]); // 54
__m128i txmat_2_10 = _mm_set1_epi32(tx_mat[2 * 64 + 10]); // 47
__m128i txmat_2_11 = _mm_set1_epi32(tx_mat[2 * 64 + 11]); // 39
__m128i txmat_2_12 = _mm_set1_epi32(tx_mat[2 * 64 + 12]); // 30
__m128i txmat_2_13 = _mm_set1_epi32(tx_mat[2 * 64 + 13]); // 22
__m128i txmat_2_14 = _mm_set1_epi32(tx_mat[2 * 64 + 14]); // 13
__m128i txmat_2_15 = _mm_set1_epi32(tx_mat[2 * 64 + 15]); // 4
__m128i txmat_1_0 = _mm_set1_epi32(tx_mat[1 * 64 + 0]); // 90
__m128i txmat_1_1 = _mm_set1_epi32(tx_mat[1 * 64 + 1]); // 90
__m128i txmat_1_2 = _mm_set1_epi32(tx_mat[1 * 64 + 2]); // 90
__m128i txmat_1_3 = _mm_set1_epi32(tx_mat[1 * 64 + 3]); // 89
__m128i txmat_1_4 = _mm_set1_epi32(tx_mat[1 * 64 + 4]); // 88
__m128i txmat_1_5 = _mm_set1_epi32(tx_mat[1 * 64 + 5]); // 87
__m128i txmat_1_6 = _mm_set1_epi32(tx_mat[1 * 64 + 6]); // 86
__m128i txmat_1_7 = _mm_set1_epi32(tx_mat[1 * 64 + 7]); // 84
__m128i txmat_1_8 = _mm_set1_epi32(tx_mat[1 * 64 + 8]); // 83
__m128i txmat_1_9 = _mm_set1_epi32(tx_mat[1 * 64 + 9]); // 81
__m128i txmat_1_10 = _mm_set1_epi32(tx_mat[1 * 64 + 10]); // 79
__m128i txmat_1_11 = _mm_set1_epi32(tx_mat[1 * 64 + 11]); // 76
__m128i txmat_1_12 = _mm_set1_epi32(tx_mat[1 * 64 + 12]); // 74
__m128i txmat_1_13 = _mm_set1_epi32(tx_mat[1 * 64 + 13]); // 71
__m128i txmat_1_14 = _mm_set1_epi32(tx_mat[1 * 64 + 14]); // 69
__m128i txmat_1_15 = _mm_set1_epi32(tx_mat[1 * 64 + 15]); // 66
__m128i txmat_1_16 = _mm_set1_epi32(tx_mat[1 * 64 + 16]); // 62
__m128i txmat_1_17 = _mm_set1_epi32(tx_mat[1 * 64 + 17]); // 59
__m128i txmat_1_18 = _mm_set1_epi32(tx_mat[1 * 64 + 18]); // 56
__m128i txmat_1_19 = _mm_set1_epi32(tx_mat[1 * 64 + 19]); // 52
__m128i txmat_1_20 = _mm_set1_epi32(tx_mat[1 * 64 + 20]); // 48
__m128i txmat_1_21 = _mm_set1_epi32(tx_mat[1 * 64 + 21]); // 45
__m128i txmat_1_22 = _mm_set1_epi32(tx_mat[1 * 64 + 22]); // 41
__m128i txmat_1_23 = _mm_set1_epi32(tx_mat[1 * 64 + 23]); // 37
__m128i txmat_1_24 = _mm_set1_epi32(tx_mat[1 * 64 + 24]); // 33
__m128i txmat_1_25 = _mm_set1_epi32(tx_mat[1 * 64 + 25]); // 28
__m128i txmat_1_26 = _mm_set1_epi32(tx_mat[1 * 64 + 26]); // 24
__m128i txmat_1_27 = _mm_set1_epi32(tx_mat[1 * 64 + 27]); // 20
__m128i txmat_1_28 = _mm_set1_epi32(tx_mat[1 * 64 + 28]); // 15
__m128i txmat_1_29 = _mm_set1_epi32(tx_mat[1 * 64 + 29]); // 11
__m128i txmat_1_30 = _mm_set1_epi32(tx_mat[1 * 64 + 30]); // 7
__m128i txmat_1_31 = _mm_set1_epi32(tx_mat[1 * 64 + 31]); // 2
for (n = 0; n < 32; n++) {
__m128i src0 = _mm_loadu_si128((__m128i *)&src[n * line]);
__m128i src1 =
_mm_loadu_si128((__m128i *)&src[(tx1d_size - 1 - n) * line]);
a[n] = _mm_add_epi32(src0, src1);
b[n] = _mm_sub_epi32(src0, src1);
}
for (n = 0; n < 16; n++) {
c[n] = _mm_add_epi32(a[n], a[31 - n]);
d[n] = _mm_sub_epi32(a[n], a[31 - n]);
}
for (n = 0; n < 8; n++) {
e[n] = _mm_add_epi32(c[n], c[15 - n]);
f[n] = _mm_sub_epi32(c[n], c[15 - n]);
}
for (n = 0; n < 4; n++) {
g[n] = _mm_add_epi32(e[n], e[7 - n]);
h[n] = _mm_sub_epi32(e[n], e[7 - n]);
}
i[0] = _mm_add_epi32(g[0], g[3]);
j[0] = _mm_sub_epi32(g[0], g[3]);
i[1] = _mm_add_epi32(g[1], g[2]);
j[1] = _mm_sub_epi32(g[1], g[2]);
a[0] = _mm_slli_epi32(_mm_add_epi32(i[0], i[1]), 6);
a[16] = _mm_add_epi32(_mm_mullo_epi32(j[0], txmat_16_0),
_mm_mullo_epi32(j[1], txmat_16_1));
g[0] = _mm_mullo_epi32(h[0], txmat_8_0);
g[1] = _mm_mullo_epi32(h[1], txmat_8_1);
g[2] = _mm_mullo_epi32(h[2], txmat_8_2);
g[3] = _mm_mullo_epi32(h[3], txmat_8_3);
a[8] = _mm_add_epi32(_mm_add_epi32(g[0], g[1]), _mm_add_epi32(g[2], g[3]));
g[0] = _mm_mullo_epi32(h[0], txmat_8_1);
g[1] = _mm_mullo_epi32(h[1], txmat_8_3);
g[2] = _mm_mullo_epi32(h[2], txmat_8_0);
g[3] = _mm_mullo_epi32(h[3], txmat_8_2);
a[24] = _mm_sub_epi32(_mm_sub_epi32(g[0], g[1]), _mm_add_epi32(g[2], g[3]));
e[0] = _mm_mullo_epi32(f[0], txmat_4_0);
e[1] = _mm_mullo_epi32(f[1], txmat_4_1);
e[2] = _mm_mullo_epi32(f[2], txmat_4_2);
e[3] = _mm_mullo_epi32(f[3], txmat_4_3);
e[4] = _mm_mullo_epi32(f[4], txmat_4_4);
e[5] = _mm_mullo_epi32(f[5], txmat_4_5);
e[6] = _mm_mullo_epi32(f[6], txmat_4_6);
e[7] = _mm_mullo_epi32(f[7], txmat_4_7);
e[0] = _mm_add_epi32(_mm_add_epi32(e[0], e[1]), _mm_add_epi32(e[2], e[3]));
e[4] = _mm_add_epi32(_mm_add_epi32(e[4], e[5]), _mm_add_epi32(e[6], e[7]));
a[4] = _mm_add_epi32(e[0], e[4]);
e[0] = _mm_mullo_epi32(f[0], txmat_4_1);
e[1] = _mm_mullo_epi32(f[1], txmat_4_4);
e[2] = _mm_mullo_epi32(f[2], txmat_4_7);
e[3] = _mm_mullo_epi32(f[3], txmat_4_5);
e[4] = _mm_mullo_epi32(f[4], txmat_4_2);
e[5] = _mm_mullo_epi32(f[5], txmat_4_0);
e[6] = _mm_mullo_epi32(f[6], txmat_4_3);
e[7] = _mm_mullo_epi32(f[7], txmat_4_6);
e[0] = _mm_add_epi32(_mm_add_epi32(e[0], e[1]), _mm_sub_epi32(e[2], e[3]));
e[4] = _mm_add_epi32(_mm_add_epi32(e[4], e[5]), _mm_add_epi32(e[6], e[7]));
a[12] = _mm_sub_epi32(e[0], e[4]);
e[0] = _mm_mullo_epi32(f[0], txmat_4_2);
e[1] = _mm_mullo_epi32(f[1], txmat_4_7);
e[2] = _mm_mullo_epi32(f[2], txmat_4_3);
e[3] = _mm_mullo_epi32(f[3], txmat_4_1);
e[4] = _mm_mullo_epi32(f[4], txmat_4_6);
e[5] = _mm_mullo_epi32(f[5], txmat_4_4);
e[6] = _mm_mullo_epi32(f[6], txmat_4_0);
e[7] = _mm_mullo_epi32(f[7], txmat_4_5);
e[0] = _mm_sub_epi32(_mm_add_epi32(e[0], e[1]), _mm_add_epi32(e[2], e[3]));
e[4] = _mm_sub_epi32(_mm_sub_epi32(e[4], e[5]), _mm_add_epi32(e[6], e[7]));
a[20] = _mm_sub_epi32(e[0], e[4]);
e[0] = _mm_mullo_epi32(f[0], txmat_4_3);
e[1] = _mm_mullo_epi32(f[1], txmat_4_5);
e[2] = _mm_mullo_epi32(f[2], txmat_4_1);
e[3] = _mm_mullo_epi32(f[3], txmat_4_7);
e[4] = _mm_mullo_epi32(f[4], txmat_4_0);
e[5] = _mm_mullo_epi32(f[5], txmat_4_6);
e[6] = _mm_mullo_epi32(f[6], txmat_4_2);
e[7] = _mm_mullo_epi32(f[7], txmat_4_4);
e[0] = _mm_sub_epi32(_mm_sub_epi32(e[0], e[1]), _mm_sub_epi32(e[2], e[3]));
e[4] = _mm_sub_epi32(_mm_add_epi32(e[4], e[5]), _mm_add_epi32(e[6], e[7]));
a[28] = _mm_add_epi32(e[0], e[4]);
e[0] = _mm_add_epi32(_mm_mullo_epi32(d[0], txmat_2_0),
_mm_mullo_epi32(d[1], txmat_2_1));
e[1] = _mm_add_epi32(_mm_mullo_epi32(d[2], txmat_2_2),
_mm_mullo_epi32(d[3], txmat_2_3));
e[2] = _mm_add_epi32(_mm_mullo_epi32(d[4], txmat_2_4),
_mm_mullo_epi32(d[5], txmat_2_5));
e[3] = _mm_add_epi32(_mm_mullo_epi32(d[6], txmat_2_6),
_mm_mullo_epi32(d[7], txmat_2_7));
e[4] = _mm_add_epi32(_mm_mullo_epi32(d[8], txmat_2_8),
_mm_mullo_epi32(d[9], txmat_2_9));
e[5] = _mm_add_epi32(_mm_mullo_epi32(d[10], txmat_2_10),
_mm_mullo_epi32(d[11], txmat_2_11));
e[6] = _mm_add_epi32(_mm_mullo_epi32(d[12], txmat_2_12),
_mm_mullo_epi32(d[13], txmat_2_13));
e[7] = _mm_add_epi32(_mm_mullo_epi32(d[14], txmat_2_14),
_mm_mullo_epi32(d[15], txmat_2_15));
e[0] = _mm_add_epi32(_mm_add_epi32(e[0], e[1]), _mm_add_epi32(e[2], e[3]));
e[4] = _mm_add_epi32(_mm_add_epi32(e[4], e[5]), _mm_add_epi32(e[6], e[7]));
a[2] = _mm_add_epi32(e[0], e[4]);
e[0] = _mm_add_epi32(_mm_mullo_epi32(d[0], txmat_2_1),
_mm_mullo_epi32(d[1], txmat_2_4));
e[1] = _mm_add_epi32(_mm_mullo_epi32(d[2], txmat_2_7),
_mm_mullo_epi32(d[3], txmat_2_10));
e[2] = _mm_sub_epi32(_mm_mullo_epi32(d[4], txmat_2_13),
_mm_mullo_epi32(d[5], txmat_2_15));
e[3] = _mm_add_epi32(_mm_mullo_epi32(d[6], txmat_2_12),
_mm_mullo_epi32(d[7], txmat_2_9));
e[4] = _mm_add_epi32(_mm_mullo_epi32(d[8], txmat_2_6),
_mm_mullo_epi32(d[9], txmat_2_3));
e[5] = _mm_add_epi32(_mm_mullo_epi32(d[10], txmat_2_0),
_mm_mullo_epi32(d[11], txmat_2_2));
e[6] = _mm_add_epi32(_mm_mullo_epi32(d[12], txmat_2_5),
_mm_mullo_epi32(d[13], txmat_2_8));
e[7] = _mm_add_epi32(_mm_mullo_epi32(d[14], txmat_2_11),
_mm_mullo_epi32(d[15], txmat_2_14));
e[0] = _mm_add_epi32(_mm_add_epi32(e[0], e[1]), _mm_sub_epi32(e[2], e[3]));
e[4] = _mm_add_epi32(_mm_add_epi32(e[4], e[5]), _mm_add_epi32(e[6], e[7]));
a[6] = _mm_sub_epi32(e[0], e[4]);
e[0] = _mm_add_epi32(_mm_mullo_epi32(d[0], txmat_2_2),
_mm_mullo_epi32(d[1], txmat_2_7));
e[1] = _mm_sub_epi32(_mm_mullo_epi32(d[2], txmat_2_12),
_mm_mullo_epi32(d[3], txmat_2_14));
e[2] = _mm_add_epi32(_mm_mullo_epi32(d[4], txmat_2_9),
_mm_mullo_epi32(d[5], txmat_2_4));
e[3] = _mm_add_epi32(_mm_mullo_epi32(d[6], txmat_2_0),
_mm_mullo_epi32(d[7], txmat_2_5));
e[4] = _mm_add_epi32(_mm_mullo_epi32(d[8], txmat_2_10),
_mm_mullo_epi32(d[9], txmat_2_15));
e[5] = _mm_add_epi32(_mm_mullo_epi32(d[10], txmat_2_11),
_mm_mullo_epi32(d[11], txmat_2_6));
e[6] = _mm_add_epi32(_mm_mullo_epi32(d[12], txmat_2_1),
_mm_mullo_epi32(d[13], txmat_2_3));
e[7] = _mm_add_epi32(_mm_mullo_epi32(d[14], txmat_2_8),
_mm_mullo_epi32(d[15], txmat_2_13));
e[0] = _mm_sub_epi32(_mm_add_epi32(e[0], e[1]), _mm_add_epi32(e[2], e[3]));
e[4] = _mm_sub_epi32(_mm_sub_epi32(e[4], e[5]), _mm_add_epi32(e[6], e[7]));
a[10] = _mm_sub_epi32(e[0], e[4]);
e[0] = _mm_add_epi32(_mm_mullo_epi32(d[0], txmat_2_3),
_mm_mullo_epi32(d[1], txmat_2_10));
e[1] = _mm_add_epi32(_mm_mullo_epi32(d[2], txmat_2_14),
_mm_mullo_epi32(d[3], txmat_2_7));
e[2] = _mm_add_epi32(_mm_mullo_epi32(d[4], txmat_2_0),
_mm_mullo_epi32(d[5], txmat_2_6));
e[3] = _mm_sub_epi32(_mm_mullo_epi32(d[6], txmat_2_13),
_mm_mullo_epi32(d[7], txmat_2_11));
e[4] = _mm_add_epi32(_mm_mullo_epi32(d[8], txmat_2_4),
_mm_mullo_epi32(d[9], txmat_2_2));
e[5] = _mm_sub_epi32(_mm_mullo_epi32(d[10], txmat_2_9),
_mm_mullo_epi32(d[11], txmat_2_15));
e[6] = _mm_add_epi32(_mm_mullo_epi32(d[12], txmat_2_8),
_mm_mullo_epi32(d[13], txmat_2_1));
e[7] = _mm_add_epi32(_mm_mullo_epi32(d[14], txmat_2_5),
_mm_mullo_epi32(d[15], txmat_2_12));
e[0] = _mm_sub_epi32(_mm_sub_epi32(e[0], e[1]), _mm_add_epi32(e[2], e[3]));
e[4] = _mm_sub_epi32(_mm_add_epi32(e[4], e[5]), _mm_add_epi32(e[6], e[7]));
a[14] = _mm_add_epi32(e[0], e[4]);
e[0] = _mm_add_epi32(_mm_mullo_epi32(d[0], txmat_2_4),
_mm_mullo_epi32(d[1], txmat_2_13));
e[1] = _mm_add_epi32(_mm_mullo_epi32(d[2], txmat_2_9),
_mm_mullo_epi32(d[3], txmat_2_0));
e[2] = _mm_sub_epi32(_mm_mullo_epi32(d[4], txmat_2_8),
_mm_mullo_epi32(d[5], txmat_2_14));
e[3] = _mm_add_epi32(_mm_mullo_epi32(d[6], txmat_2_5),
_mm_mullo_epi32(d[7], txmat_2_3));
e[4] = _mm_sub_epi32(_mm_mullo_epi32(d[8], txmat_2_12),
_mm_mullo_epi32(d[9], txmat_2_10));
e[5] = _mm_add_epi32(_mm_mullo_epi32(d[10], txmat_2_1),
_mm_mullo_epi32(d[11], txmat_2_7));
e[6] = _mm_add_epi32(_mm_mullo_epi32(d[12], txmat_2_15),
_mm_mullo_epi32(d[13], txmat_2_6));
e[7] = _mm_add_epi32(_mm_mullo_epi32(d[14], txmat_2_2),
_mm_mullo_epi32(d[15], txmat_2_11));
e[0] = _mm_sub_epi32(_mm_sub_epi32(e[0], e[1]), _mm_sub_epi32(e[2], e[3]));
e[4] = _mm_add_epi32(_mm_sub_epi32(e[4], e[5]), _mm_add_epi32(e[6], e[7]));
a[18] = _mm_add_epi32(e[0], e[4]);
e[0] = _mm_sub_epi32(_mm_mullo_epi32(d[0], txmat_2_5),
_mm_mullo_epi32(d[1], txmat_2_15));
e[1] = _mm_add_epi32(_mm_mullo_epi32(d[2], txmat_2_4),
_mm_mullo_epi32(d[3], txmat_2_6));
e[2] = _mm_add_epi32(_mm_mullo_epi32(d[4], txmat_2_14),
_mm_mullo_epi32(d[5], txmat_2_3));
e[3] = _mm_sub_epi32(_mm_mullo_epi32(d[6], txmat_2_7),
_mm_mullo_epi32(d[7], txmat_2_13));
e[4] = _mm_add_epi32(_mm_mullo_epi32(d[8], txmat_2_2),
_mm_mullo_epi32(d[9], txmat_2_8));
e[5] = _mm_add_epi32(_mm_mullo_epi32(d[10], txmat_2_12),
_mm_mullo_epi32(d[11], txmat_2_1));
e[6] = _mm_sub_epi32(_mm_mullo_epi32(d[12], txmat_2_9),
_mm_mullo_epi32(d[13], txmat_2_11));
e[7] = _mm_add_epi32(_mm_mullo_epi32(d[14], txmat_2_0),
_mm_mullo_epi32(d[15], txmat_2_10));
e[0] = _mm_add_epi32(_mm_sub_epi32(e[0], e[1]), _mm_add_epi32(e[2], e[3]));
e[4] = _mm_sub_epi32(_mm_sub_epi32(e[4], e[5]), _mm_sub_epi32(e[6], e[7]));
a[22] = _mm_sub_epi32(e[0], e[4]);
e[0] = _mm_sub_epi32(_mm_mullo_epi32(d[0], txmat_2_6),
_mm_mullo_epi32(d[1], txmat_2_12));
e[1] = _mm_add_epi32(_mm_mullo_epi32(d[2], txmat_2_0),
_mm_mullo_epi32(d[3], txmat_2_13));
e[2] = _mm_add_epi32(_mm_mullo_epi32(d[4], txmat_2_5),
_mm_mullo_epi32(d[5], txmat_2_7));
e[3] = _mm_add_epi32(_mm_mullo_epi32(d[6], txmat_2_11),
_mm_mullo_epi32(d[7], txmat_2_1));
e[4] = _mm_sub_epi32(_mm_mullo_epi32(d[8], txmat_2_14),
_mm_mullo_epi32(d[9], txmat_2_4));
e[5] = _mm_sub_epi32(_mm_mullo_epi32(d[10], txmat_2_8),
_mm_mullo_epi32(d[11], txmat_2_10));
e[6] = _mm_add_epi32(_mm_mullo_epi32(d[12], txmat_2_2),
_mm_mullo_epi32(d[13], txmat_2_15));
e[7] = _mm_add_epi32(_mm_mullo_epi32(d[14], txmat_2_3),
_mm_mullo_epi32(d[15], txmat_2_9));
e[0] = _mm_add_epi32(_mm_sub_epi32(e[0], e[1]), _mm_sub_epi32(e[2], e[3]));
e[4] = _mm_add_epi32(_mm_sub_epi32(e[4], e[5]), _mm_sub_epi32(e[6], e[7]));
a[26] = _mm_sub_epi32(e[0], e[4]);
e[0] = _mm_sub_epi32(_mm_mullo_epi32(d[0], txmat_2_7),
_mm_mullo_epi32(d[1], txmat_2_9));
e[1] = _mm_sub_epi32(_mm_mullo_epi32(d[2], txmat_2_5),
_mm_mullo_epi32(d[3], txmat_2_11));
e[2] = _mm_sub_epi32(_mm_mullo_epi32(d[4], txmat_2_3),
_mm_mullo_epi32(d[5], txmat_2_13));
e[3] = _mm_sub_epi32(_mm_mullo_epi32(d[6], txmat_2_1),
_mm_mullo_epi32(d[7], txmat_2_15));
e[4] = _mm_add_epi32(_mm_mullo_epi32(d[8], txmat_2_0),
_mm_mullo_epi32(d[9], txmat_2_14));
e[5] = _mm_add_epi32(_mm_mullo_epi32(d[10], txmat_2_2),
_mm_mullo_epi32(d[11], txmat_2_12));
e[6] = _mm_add_epi32(_mm_mullo_epi32(d[12], txmat_2_4),
_mm_mullo_epi32(d[13], txmat_2_10));
e[7] = _mm_add_epi32(_mm_mullo_epi32(d[14], txmat_2_6),
_mm_mullo_epi32(d[15], txmat_2_8));
e[0] = _mm_add_epi32(_mm_sub_epi32(e[0], e[1]), _mm_sub_epi32(e[2], e[3]));
e[4] = _mm_add_epi32(_mm_sub_epi32(e[4], e[5]), _mm_sub_epi32(e[6], e[7]));
a[30] = _mm_add_epi32(e[0], e[4]);
// 362, 361, 359, 357, 353, 349, 344, 338, 331, 323, 315, 306,
// 296, 285, 274, 262, 250, 236, 223, 208, 194, 178, 163, 147,
// 130, 114, 97, 79, 62, 44, 27, 9
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_0),
_mm_mullo_epi32(b[1], txmat_1_1));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_2),
_mm_mullo_epi32(b[3], txmat_1_3));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_4),
_mm_mullo_epi32(b[5], txmat_1_5));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_6),
_mm_mullo_epi32(b[7], txmat_1_7));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_8),
_mm_mullo_epi32(b[9], txmat_1_9));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_10),
_mm_mullo_epi32(b[11], txmat_1_11));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_12),
_mm_mullo_epi32(b[13], txmat_1_13));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_14),
_mm_mullo_epi32(b[15], txmat_1_15));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_16),
_mm_mullo_epi32(b[17], txmat_1_17));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_18),
_mm_mullo_epi32(b[19], txmat_1_19));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_20),
_mm_mullo_epi32(b[21], txmat_1_21));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_22),
_mm_mullo_epi32(b[23], txmat_1_23));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_24),
_mm_mullo_epi32(b[25], txmat_1_25));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_26),
_mm_mullo_epi32(b[27], txmat_1_27));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_28),
_mm_mullo_epi32(b[29], txmat_1_29));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_30),
_mm_mullo_epi32(b[31], txmat_1_31));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
c[8] =
_mm_add_epi32(_mm_add_epi32(c[8], c[9]), _mm_add_epi32(c[10], c[11]));
c[12] =
_mm_add_epi32(_mm_add_epi32(c[12], c[13]), _mm_add_epi32(c[14], c[15]));
a[1] = _mm_add_epi32(_mm_add_epi32(c[0], c[4]), _mm_add_epi32(c[8], c[12]));
// 361, 353, 338, 315, 285, 250, 208, 163, 114, 62, 9, -44,
// -97,-147,-194,-236, -274,-306,-331,-349, -359,-362,-357,-344,
// -323,-296,-262,-223, -178,-130, -79, -27
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_1),
_mm_mullo_epi32(b[1], txmat_1_4));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_7),
_mm_mullo_epi32(b[3], txmat_1_10));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_13),
_mm_mullo_epi32(b[5], txmat_1_16));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_19),
_mm_mullo_epi32(b[7], txmat_1_22));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_25),
_mm_mullo_epi32(b[9], txmat_1_28));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_31),
_mm_mullo_epi32(b[11], txmat_1_29));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_26),
_mm_mullo_epi32(b[13], txmat_1_23));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_20),
_mm_mullo_epi32(b[15], txmat_1_17));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_14),
_mm_mullo_epi32(b[17], txmat_1_11));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_8),
_mm_mullo_epi32(b[19], txmat_1_5));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_2),
_mm_mullo_epi32(b[21], txmat_1_0));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_3),
_mm_mullo_epi32(b[23], txmat_1_6));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_9),
_mm_mullo_epi32(b[25], txmat_1_12));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_15),
_mm_mullo_epi32(b[27], txmat_1_18));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_21),
_mm_mullo_epi32(b[29], txmat_1_24));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_27),
_mm_mullo_epi32(b[31], txmat_1_30));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
c[8] =
_mm_add_epi32(_mm_add_epi32(c[8], c[9]), _mm_add_epi32(c[10], c[11]));
c[12] =
_mm_add_epi32(_mm_add_epi32(c[12], c[13]), _mm_add_epi32(c[14], c[15]));
a[3] = _mm_sub_epi32(_mm_add_epi32(c[0], c[4]), _mm_add_epi32(c[8], c[12]));
// 359, 338, 296, 236, 163, 79, -9, -97, -178,-250,-306,-344,
// -361,-357,-331,-285, -223,-147, -62, 27, 114, 194, 262, 315,
// 349, 362, 353, 323, 274, 208, 130, 44
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_2),
_mm_mullo_epi32(b[1], txmat_1_7));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_12),
_mm_mullo_epi32(b[3], txmat_1_17));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_22),
_mm_mullo_epi32(b[5], txmat_1_27));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_31),
_mm_mullo_epi32(b[7], txmat_1_26));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_21),
_mm_mullo_epi32(b[9], txmat_1_16));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_11),
_mm_mullo_epi32(b[11], txmat_1_6));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_1),
_mm_mullo_epi32(b[13], txmat_1_3));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_8),
_mm_mullo_epi32(b[15], txmat_1_13));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_18),
_mm_mullo_epi32(b[17], txmat_1_23));
c[9] = _mm_sub_epi32(_mm_mullo_epi32(b[18], txmat_1_28),
_mm_mullo_epi32(b[19], txmat_1_30));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_25),
_mm_mullo_epi32(b[21], txmat_1_20));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_15),
_mm_mullo_epi32(b[23], txmat_1_10));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_5),
_mm_mullo_epi32(b[25], txmat_1_0));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_4),
_mm_mullo_epi32(b[27], txmat_1_9));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_14),
_mm_mullo_epi32(b[29], txmat_1_19));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_24),
_mm_mullo_epi32(b[31], txmat_1_29));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
c[8] =
_mm_sub_epi32(_mm_add_epi32(c[8], c[9]), _mm_add_epi32(c[10], c[11]));
c[12] =
_mm_add_epi32(_mm_add_epi32(c[12], c[13]), _mm_add_epi32(c[14], c[15]));
a[5] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[4]), _mm_sub_epi32(c[8], c[12]));
// 357, 315, 236, 130, 9,-114,-223,-306, -353,-359,-323,-250,
// -147, -27, 97, 208, 296, 349, 361, 331, 262, 163, 44, -79,
// -194,-285,-344,-362, -338,-274,-178, -62
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_3),
_mm_mullo_epi32(b[1], txmat_1_10));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_17),
_mm_mullo_epi32(b[3], txmat_1_24));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_31),
_mm_mullo_epi32(b[5], txmat_1_25));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_18),
_mm_mullo_epi32(b[7], txmat_1_11));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_4),
_mm_mullo_epi32(b[9], txmat_1_2));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_9),
_mm_mullo_epi32(b[11], txmat_1_16));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_23),
_mm_mullo_epi32(b[13], txmat_1_30));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_26),
_mm_mullo_epi32(b[15], txmat_1_19));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_12),
_mm_mullo_epi32(b[17], txmat_1_5));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_1),
_mm_mullo_epi32(b[19], txmat_1_8));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_15),
_mm_mullo_epi32(b[21], txmat_1_22));
c[11] = _mm_sub_epi32(_mm_mullo_epi32(b[22], txmat_1_29),
_mm_mullo_epi32(b[23], txmat_1_27));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_20),
_mm_mullo_epi32(b[25], txmat_1_13));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_6),
_mm_mullo_epi32(b[27], txmat_1_0));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_7),
_mm_mullo_epi32(b[29], txmat_1_14));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_21),
_mm_mullo_epi32(b[31], txmat_1_28));
c[0] = _mm_add_epi32(_mm_add_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_add_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
c[8] =
_mm_add_epi32(_mm_add_epi32(c[8], c[9]), _mm_add_epi32(c[10], c[11]));
c[12] =
_mm_add_epi32(_mm_add_epi32(c[12], c[13]), _mm_add_epi32(c[14], c[15]));
a[7] = _mm_add_epi32(_mm_sub_epi32(c[0], c[4]), _mm_sub_epi32(c[8], c[12]));
// 353, 285, 163, 9, -147,-274,-349,-357, -296,-178, -27, 130,
// 262, 344, 359, 306, 194, 44,-114,-250, -338,-361,-315,-208,
// -62, 97, 236, 331, 362, 323, 223, 79
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_4),
_mm_mullo_epi32(b[1], txmat_1_13));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_22),
_mm_mullo_epi32(b[3], txmat_1_31));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_23),
_mm_mullo_epi32(b[5], txmat_1_14));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_5),
_mm_mullo_epi32(b[7], txmat_1_3));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_12),
_mm_mullo_epi32(b[9], txmat_1_21));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_30),
_mm_mullo_epi32(b[11], txmat_1_24));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_15),
_mm_mullo_epi32(b[13], txmat_1_6));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_2),
_mm_mullo_epi32(b[15], txmat_1_11));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_20),
_mm_mullo_epi32(b[17], txmat_1_29));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_25),
_mm_mullo_epi32(b[19], txmat_1_16));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_7),
_mm_mullo_epi32(b[21], txmat_1_1));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_10),
_mm_mullo_epi32(b[23], txmat_1_19));
c[12] = _mm_sub_epi32(_mm_mullo_epi32(b[24], txmat_1_28),
_mm_mullo_epi32(b[25], txmat_1_26));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_17),
_mm_mullo_epi32(b[27], txmat_1_8));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_0),
_mm_mullo_epi32(b[29], txmat_1_9));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_18),
_mm_mullo_epi32(b[31], txmat_1_27));
c[0] = _mm_sub_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
c[8] =
_mm_sub_epi32(_mm_sub_epi32(c[8], c[9]), _mm_add_epi32(c[10], c[11]));
c[12] =
_mm_sub_epi32(_mm_sub_epi32(c[12], c[13]), _mm_add_epi32(c[14], c[15]));
a[9] = _mm_add_epi32(_mm_sub_epi32(c[0], c[4]), _mm_sub_epi32(c[8], c[12]));
// 349, 250, 79,-114, -274,-357,-338,-223, -44, 147, 296, 361,
// 323, 194, 9,-178, -315,-362,-306,-163, 27, 208, 331, 359,
// 285, 130, -62,-236, -344,-353,-262, -97
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_5),
_mm_mullo_epi32(b[1], txmat_1_16));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_27),
_mm_mullo_epi32(b[3], txmat_1_25));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_14),
_mm_mullo_epi32(b[5], txmat_1_3));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_7),
_mm_mullo_epi32(b[7], txmat_1_18));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_29),
_mm_mullo_epi32(b[9], txmat_1_23));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_12),
_mm_mullo_epi32(b[11], txmat_1_1));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_9),
_mm_mullo_epi32(b[13], txmat_1_20));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_31),
_mm_mullo_epi32(b[15], txmat_1_21));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_10),
_mm_mullo_epi32(b[17], txmat_1_0));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_11),
_mm_mullo_epi32(b[19], txmat_1_22));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_30),
_mm_mullo_epi32(b[21], txmat_1_19));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_8),
_mm_mullo_epi32(b[23], txmat_1_2));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_13),
_mm_mullo_epi32(b[25], txmat_1_24));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_28),
_mm_mullo_epi32(b[27], txmat_1_17));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_6),
_mm_mullo_epi32(b[29], txmat_1_4));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_15),
_mm_mullo_epi32(b[31], txmat_1_26));
c[0] = _mm_sub_epi32(_mm_add_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_sub_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
c[8] =
_mm_sub_epi32(_mm_add_epi32(c[8], c[9]), _mm_add_epi32(c[10], c[11]));
c[12] =
_mm_sub_epi32(_mm_sub_epi32(c[12], c[13]), _mm_add_epi32(c[14], c[15]));
a[11] =
_mm_sub_epi32(_mm_sub_epi32(c[0], c[4]), _mm_sub_epi32(c[8], c[12]));
// 344, 208, -9,-223, -349,-338,-194, 27, 236, 353, 331, 178,
// -44,-250,-357,-323, -163, 62, 262, 359, 315, 147, -79,-274,
// -361,-306,-130, 97, 285, 362, 296, 114
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_6),
_mm_mullo_epi32(b[1], txmat_1_19));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_31),
_mm_mullo_epi32(b[3], txmat_1_18));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_5),
_mm_mullo_epi32(b[5], txmat_1_7));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_20),
_mm_mullo_epi32(b[7], txmat_1_30));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_17),
_mm_mullo_epi32(b[9], txmat_1_4));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_8),
_mm_mullo_epi32(b[11], txmat_1_21));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_29),
_mm_mullo_epi32(b[13], txmat_1_16));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_3),
_mm_mullo_epi32(b[15], txmat_1_9));
c[8] = _mm_sub_epi32(_mm_mullo_epi32(b[16], txmat_1_22),
_mm_mullo_epi32(b[17], txmat_1_28));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_15),
_mm_mullo_epi32(b[19], txmat_1_2));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_10),
_mm_mullo_epi32(b[21], txmat_1_23));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_27),
_mm_mullo_epi32(b[23], txmat_1_14));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_1),
_mm_mullo_epi32(b[25], txmat_1_11));
c[13] = _mm_sub_epi32(_mm_mullo_epi32(b[26], txmat_1_24),
_mm_mullo_epi32(b[27], txmat_1_26));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_13),
_mm_mullo_epi32(b[29], txmat_1_0));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_12),
_mm_mullo_epi32(b[31], txmat_1_25));
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
c[8] =
_mm_sub_epi32(_mm_sub_epi32(c[8], c[9]), _mm_sub_epi32(c[10], c[11]));
c[12] =
_mm_sub_epi32(_mm_add_epi32(c[12], c[13]), _mm_add_epi32(c[14], c[15]));
a[13] =
_mm_sub_epi32(_mm_add_epi32(c[0], c[4]), _mm_add_epi32(c[8], c[12]));
// 338, 163, -97,-306, -357,-223, 27, 262, 362, 274, 44,-208,
// -353,-315,-114, 147, 331, 344, 178, -79, -296,-359,-236, 9,
// 250, 361, 285, 62, -194,-349,-323,-130
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_7),
_mm_mullo_epi32(b[1], txmat_1_22));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_26),
_mm_mullo_epi32(b[3], txmat_1_11));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_3),
_mm_mullo_epi32(b[5], txmat_1_18));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_30),
_mm_mullo_epi32(b[7], txmat_1_15));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_0),
_mm_mullo_epi32(b[9], txmat_1_14));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_29),
_mm_mullo_epi32(b[11], txmat_1_19));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_4),
_mm_mullo_epi32(b[13], txmat_1_10));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_25),
_mm_mullo_epi32(b[15], txmat_1_23));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_8),
_mm_mullo_epi32(b[17], txmat_1_6));
c[9] = _mm_sub_epi32(_mm_mullo_epi32(b[18], txmat_1_21),
_mm_mullo_epi32(b[19], txmat_1_27));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_12),
_mm_mullo_epi32(b[21], txmat_1_2));
c[11] = _mm_sub_epi32(_mm_mullo_epi32(b[22], txmat_1_17),
_mm_mullo_epi32(b[23], txmat_1_31));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_16),
_mm_mullo_epi32(b[25], txmat_1_1));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_13),
_mm_mullo_epi32(b[27], txmat_1_28));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_20),
_mm_mullo_epi32(b[29], txmat_1_5));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_9),
_mm_mullo_epi32(b[31], txmat_1_24));
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
c[8] =
_mm_sub_epi32(_mm_add_epi32(c[8], c[9]), _mm_add_epi32(c[10], c[11]));
c[12] =
_mm_sub_epi32(_mm_add_epi32(c[12], c[13]), _mm_add_epi32(c[14], c[15]));
a[15] =
_mm_add_epi32(_mm_add_epi32(c[0], c[4]), _mm_add_epi32(c[8], c[12]));
// 331, 114,-178,-353, -296, -44, 236, 362, 250, -27,-285,-357,
// -194, 97, 323, 338, 130,-163,-349,-306, -62, 223, 361, 262,
// -9,-274,-359,-208, 79, 315, 344, 147
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_8),
_mm_mullo_epi32(b[1], txmat_1_25));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_21),
_mm_mullo_epi32(b[3], txmat_1_4));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_12),
_mm_mullo_epi32(b[5], txmat_1_29));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_17),
_mm_mullo_epi32(b[7], txmat_1_0));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_16),
_mm_mullo_epi32(b[9], txmat_1_30));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_13),
_mm_mullo_epi32(b[11], txmat_1_3));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_20),
_mm_mullo_epi32(b[13], txmat_1_26));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_9),
_mm_mullo_epi32(b[15], txmat_1_7));
c[8] = _mm_sub_epi32(_mm_mullo_epi32(b[16], txmat_1_24),
_mm_mullo_epi32(b[17], txmat_1_22));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_5),
_mm_mullo_epi32(b[19], txmat_1_11));
c[10] = _mm_sub_epi32(_mm_mullo_epi32(b[20], txmat_1_28),
_mm_mullo_epi32(b[21], txmat_1_18));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_1),
_mm_mullo_epi32(b[23], txmat_1_15));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_31),
_mm_mullo_epi32(b[25], txmat_1_14));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_2),
_mm_mullo_epi32(b[27], txmat_1_19));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_27),
_mm_mullo_epi32(b[29], txmat_1_10));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_6),
_mm_mullo_epi32(b[31], txmat_1_23));
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
c[8] =
_mm_sub_epi32(_mm_sub_epi32(c[8], c[9]), _mm_sub_epi32(c[10], c[11]));
c[12] =
_mm_sub_epi32(_mm_add_epi32(c[12], c[13]), _mm_add_epi32(c[14], c[15]));
a[17] =
_mm_add_epi32(_mm_add_epi32(c[0], c[4]), _mm_sub_epi32(c[8], c[12]));
// 323, 62,-250,-359, -178, 147, 353, 274, -27,-306,-338, -97,
// 223, 362, 208,-114, -344,-296, -9, 285, 349, 130,-194,-361,
// -236, 79, 331, 315, 44,-262,-357,-163
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_9),
_mm_mullo_epi32(b[1], txmat_1_28));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_16),
_mm_mullo_epi32(b[3], txmat_1_2));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_21),
_mm_mullo_epi32(b[5], txmat_1_23));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_4),
_mm_mullo_epi32(b[7], txmat_1_14));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_30),
_mm_mullo_epi32(b[9], txmat_1_11));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_7),
_mm_mullo_epi32(b[11], txmat_1_26));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_18),
_mm_mullo_epi32(b[13], txmat_1_0));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_19),
_mm_mullo_epi32(b[15], txmat_1_25));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_6),
_mm_mullo_epi32(b[17], txmat_1_12));
c[9] = _mm_sub_epi32(_mm_mullo_epi32(b[18], txmat_1_31),
_mm_mullo_epi32(b[19], txmat_1_13));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_5),
_mm_mullo_epi32(b[21], txmat_1_24));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_20),
_mm_mullo_epi32(b[23], txmat_1_1));
c[12] = _mm_sub_epi32(_mm_mullo_epi32(b[24], txmat_1_17),
_mm_mullo_epi32(b[25], txmat_1_27));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_8),
_mm_mullo_epi32(b[27], txmat_1_10));
c[14] = _mm_sub_epi32(_mm_mullo_epi32(b[28], txmat_1_29),
_mm_mullo_epi32(b[29], txmat_1_15));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_3),
_mm_mullo_epi32(b[31], txmat_1_22));
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_add_epi32(c[6], c[7]));
c[8] =
_mm_sub_epi32(_mm_add_epi32(c[8], c[9]), _mm_sub_epi32(c[10], c[11]));
c[12] =
_mm_sub_epi32(_mm_sub_epi32(c[12], c[13]), _mm_sub_epi32(c[14], c[15]));
a[19] =
_mm_sub_epi32(_mm_sub_epi32(c[0], c[4]), _mm_add_epi32(c[8], c[12]));
// 315, 9,-306,-323, -27, 296, 331, 44, -285,-338, -62, 274,
// 344, 79,-262,-349, -97, 250, 353, 114, -236,-357,-130, 223,
// 359, 147,-208,-361, -163, 194, 362, 178
c[0] = _mm_add_epi32(_mm_mullo_epi32(b[0], txmat_1_10),
_mm_mullo_epi32(b[1], txmat_1_31));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_11),
_mm_mullo_epi32(b[3], txmat_1_9));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_30),
_mm_mullo_epi32(b[5], txmat_1_12));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_8),
_mm_mullo_epi32(b[7], txmat_1_29));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_13),
_mm_mullo_epi32(b[9], txmat_1_7));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_28),
_mm_mullo_epi32(b[11], txmat_1_14));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_6),
_mm_mullo_epi32(b[13], txmat_1_27));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_15),
_mm_mullo_epi32(b[15], txmat_1_5));
c[8] = _mm_sub_epi32(_mm_mullo_epi32(b[16], txmat_1_26),
_mm_mullo_epi32(b[17], txmat_1_16));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_4),
_mm_mullo_epi32(b[19], txmat_1_25));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_17),
_mm_mullo_epi32(b[21], txmat_1_3));
c[11] = _mm_sub_epi32(_mm_mullo_epi32(b[22], txmat_1_24),
_mm_mullo_epi32(b[23], txmat_1_18));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_2),
_mm_mullo_epi32(b[25], txmat_1_23));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_19),
_mm_mullo_epi32(b[27], txmat_1_1));
c[14] = _mm_sub_epi32(_mm_mullo_epi32(b[28], txmat_1_22),
_mm_mullo_epi32(b[29], txmat_1_20));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_0),
_mm_mullo_epi32(b[31], txmat_1_21));
c[0] = _mm_sub_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
c[8] =
_mm_add_epi32(_mm_sub_epi32(c[8], c[9]), _mm_add_epi32(c[10], c[11]));
c[12] =
_mm_sub_epi32(_mm_sub_epi32(c[12], c[13]), _mm_sub_epi32(c[14], c[15]));
a[21] =
_mm_sub_epi32(_mm_sub_epi32(c[0], c[4]), _mm_sub_epi32(c[8], c[12]));
// 306, -44,-344,-250, 130, 361, 178,-208, -357, -97, 274, 331,
// 9,-323,-285, 79, 353, 223,-163,-362, -147, 236, 349, 62,
// -296,-315, 27, 338, 262,-114,-359,-194
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_11),
_mm_mullo_epi32(b[1], txmat_1_29));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_6),
_mm_mullo_epi32(b[3], txmat_1_16));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_24),
_mm_mullo_epi32(b[5], txmat_1_1));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_21),
_mm_mullo_epi32(b[7], txmat_1_19));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_3),
_mm_mullo_epi32(b[9], txmat_1_26));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_14),
_mm_mullo_epi32(b[11], txmat_1_8));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_31),
_mm_mullo_epi32(b[13], txmat_1_9));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_13),
_mm_mullo_epi32(b[15], txmat_1_27));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_4),
_mm_mullo_epi32(b[17], txmat_1_18));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_22),
_mm_mullo_epi32(b[19], txmat_1_0));
c[10] = _mm_sub_epi32(_mm_mullo_epi32(b[20], txmat_1_23),
_mm_mullo_epi32(b[21], txmat_1_17));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_5),
_mm_mullo_epi32(b[23], txmat_1_28));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_12),
_mm_mullo_epi32(b[25], txmat_1_10));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_30),
_mm_mullo_epi32(b[27], txmat_1_7));
c[14] = _mm_sub_epi32(_mm_mullo_epi32(b[28], txmat_1_15),
_mm_mullo_epi32(b[29], txmat_1_25));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_2),
_mm_mullo_epi32(b[31], txmat_1_20));
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_add_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
c[8] =
_mm_sub_epi32(_mm_sub_epi32(c[8], c[9]), _mm_sub_epi32(c[10], c[11]));
c[12] =
_mm_sub_epi32(_mm_sub_epi32(c[12], c[13]), _mm_sub_epi32(c[14], c[15]));
a[23] =
_mm_add_epi32(_mm_sub_epi32(c[0], c[4]), _mm_sub_epi32(c[8], c[12]));
// 296, -97,-361,-147, 262, 323, -44,-353, -194, 223, 344, 9,
// -338,-236, 178, 357, 62,-315,-274, 130, 362, 114,-285,-306,
// 79, 359, 163,-250, -331, 27, 349, 208
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_12),
_mm_mullo_epi32(b[1], txmat_1_26));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_1),
_mm_mullo_epi32(b[3], txmat_1_23));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_15),
_mm_mullo_epi32(b[5], txmat_1_9));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_29),
_mm_mullo_epi32(b[7], txmat_1_4));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_20),
_mm_mullo_epi32(b[9], txmat_1_18));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_6),
_mm_mullo_epi32(b[11], txmat_1_31));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_7),
_mm_mullo_epi32(b[13], txmat_1_17));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_21),
_mm_mullo_epi32(b[15], txmat_1_3));
c[8] = _mm_sub_epi32(_mm_mullo_epi32(b[16], txmat_1_28),
_mm_mullo_epi32(b[17], txmat_1_10));
c[9] = _mm_sub_epi32(_mm_mullo_epi32(b[18], txmat_1_14),
_mm_mullo_epi32(b[19], txmat_1_24));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_0),
_mm_mullo_epi32(b[21], txmat_1_25));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_13),
_mm_mullo_epi32(b[23], txmat_1_11));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_27),
_mm_mullo_epi32(b[25], txmat_1_2));
c[13] = _mm_sub_epi32(_mm_mullo_epi32(b[26], txmat_1_22),
_mm_mullo_epi32(b[27], txmat_1_16));
c[14] = _mm_sub_epi32(_mm_mullo_epi32(b[28], txmat_1_8),
_mm_mullo_epi32(b[29], txmat_1_30));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_5),
_mm_mullo_epi32(b[31], txmat_1_19));
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
c[8] =
_mm_add_epi32(_mm_sub_epi32(c[8], c[9]), _mm_sub_epi32(c[10], c[11]));
c[12] =
_mm_sub_epi32(_mm_add_epi32(c[12], c[13]), _mm_sub_epi32(c[14], c[15]));
a[25] =
_mm_add_epi32(_mm_sub_epi32(c[0], c[4]), _mm_add_epi32(c[8], c[12]));
// 285,-147,-357, -27, 344, 194,-250,-315, 97, 362, 79,-323,
// -236, 208, 338, -44, -359,-130, 296, 274, -163,-353, -9, 349,
// 178,-262,-306, 114, 361, 62,-331,-223
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_13),
_mm_mullo_epi32(b[1], txmat_1_23));
c[1] = _mm_add_epi32(_mm_mullo_epi32(b[2], txmat_1_3),
_mm_mullo_epi32(b[3], txmat_1_30));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_6),
_mm_mullo_epi32(b[5], txmat_1_20));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_16),
_mm_mullo_epi32(b[7], txmat_1_10));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_26),
_mm_mullo_epi32(b[9], txmat_1_0));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_27),
_mm_mullo_epi32(b[11], txmat_1_9));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_17),
_mm_mullo_epi32(b[13], txmat_1_19));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_7),
_mm_mullo_epi32(b[15], txmat_1_29));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_2),
_mm_mullo_epi32(b[17], txmat_1_24));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_12),
_mm_mullo_epi32(b[19], txmat_1_14));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_22),
_mm_mullo_epi32(b[21], txmat_1_4));
c[11] = _mm_sub_epi32(_mm_mullo_epi32(b[22], txmat_1_31),
_mm_mullo_epi32(b[23], txmat_1_5));
c[12] = _mm_sub_epi32(_mm_mullo_epi32(b[24], txmat_1_21),
_mm_mullo_epi32(b[25], txmat_1_15));
c[13] = _mm_sub_epi32(_mm_mullo_epi32(b[26], txmat_1_11),
_mm_mullo_epi32(b[27], txmat_1_25));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_1),
_mm_mullo_epi32(b[29], txmat_1_28));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_8),
_mm_mullo_epi32(b[31], txmat_1_18));
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_sub_epi32(_mm_add_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
c[8] =
_mm_add_epi32(_mm_sub_epi32(c[8], c[9]), _mm_add_epi32(c[10], c[11]));
c[12] =
_mm_add_epi32(_mm_sub_epi32(c[12], c[13]), _mm_sub_epi32(c[14], c[15]));
a[27] =
_mm_sub_epi32(_mm_add_epi32(c[0], c[4]), _mm_sub_epi32(c[8], c[12]));
// 274,-194,-331, 97, 359, 9,-357,-114, 323, 208,-262,-285,
// 178, 338, -79,-361, -27, 353, 130,-315, -223, 250, 296,-163,
// -344, 62, 362, 44, -349,-147, 306, 236
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_14),
_mm_mullo_epi32(b[1], txmat_1_20));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_8),
_mm_mullo_epi32(b[3], txmat_1_26));
c[2] = _mm_add_epi32(_mm_mullo_epi32(b[4], txmat_1_2),
_mm_mullo_epi32(b[5], txmat_1_31));
c[3] = _mm_add_epi32(_mm_mullo_epi32(b[6], txmat_1_3),
_mm_mullo_epi32(b[7], txmat_1_25));
c[4] = _mm_add_epi32(_mm_mullo_epi32(b[8], txmat_1_9),
_mm_mullo_epi32(b[9], txmat_1_19));
c[5] = _mm_add_epi32(_mm_mullo_epi32(b[10], txmat_1_15),
_mm_mullo_epi32(b[11], txmat_1_13));
c[6] = _mm_add_epi32(_mm_mullo_epi32(b[12], txmat_1_21),
_mm_mullo_epi32(b[13], txmat_1_7));
c[7] = _mm_add_epi32(_mm_mullo_epi32(b[14], txmat_1_27),
_mm_mullo_epi32(b[15], txmat_1_1));
c[8] = _mm_sub_epi32(_mm_mullo_epi32(b[16], txmat_1_30),
_mm_mullo_epi32(b[17], txmat_1_4));
c[9] = _mm_sub_epi32(_mm_mullo_epi32(b[18], txmat_1_24),
_mm_mullo_epi32(b[19], txmat_1_10));
c[10] = _mm_sub_epi32(_mm_mullo_epi32(b[20], txmat_1_18),
_mm_mullo_epi32(b[21], txmat_1_16));
c[11] = _mm_sub_epi32(_mm_mullo_epi32(b[22], txmat_1_12),
_mm_mullo_epi32(b[23], txmat_1_22));
c[12] = _mm_sub_epi32(_mm_mullo_epi32(b[24], txmat_1_6),
_mm_mullo_epi32(b[25], txmat_1_28));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_0),
_mm_mullo_epi32(b[27], txmat_1_29));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_5),
_mm_mullo_epi32(b[29], txmat_1_23));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_11),
_mm_mullo_epi32(b[31], txmat_1_17));
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
c[8] =
_mm_add_epi32(_mm_sub_epi32(c[8], c[9]), _mm_sub_epi32(c[10], c[11]));
c[12] =
_mm_add_epi32(_mm_sub_epi32(c[12], c[13]), _mm_sub_epi32(c[14], c[15]));
a[29] =
_mm_sub_epi32(_mm_add_epi32(c[0], c[4]), _mm_add_epi32(c[8], c[12]));
// 262,-236,-285, 208, 306,-178,-323, 147, 338,-114,-349, 79,
// 357, -44,-361, 9, 362, 27,-359, -62, 353, 97,-344,-130,
// 331, 163,-315,-194, 296, 223,-274,-250
c[0] = _mm_sub_epi32(_mm_mullo_epi32(b[0], txmat_1_15),
_mm_mullo_epi32(b[1], txmat_1_17));
c[1] = _mm_sub_epi32(_mm_mullo_epi32(b[2], txmat_1_13),
_mm_mullo_epi32(b[3], txmat_1_19));
c[2] = _mm_sub_epi32(_mm_mullo_epi32(b[4], txmat_1_11),
_mm_mullo_epi32(b[5], txmat_1_21));
c[3] = _mm_sub_epi32(_mm_mullo_epi32(b[6], txmat_1_9),
_mm_mullo_epi32(b[7], txmat_1_23));
c[4] = _mm_sub_epi32(_mm_mullo_epi32(b[8], txmat_1_7),
_mm_mullo_epi32(b[9], txmat_1_25));
c[5] = _mm_sub_epi32(_mm_mullo_epi32(b[10], txmat_1_5),
_mm_mullo_epi32(b[11], txmat_1_27));
c[6] = _mm_sub_epi32(_mm_mullo_epi32(b[12], txmat_1_3),
_mm_mullo_epi32(b[13], txmat_1_29));
c[7] = _mm_sub_epi32(_mm_mullo_epi32(b[14], txmat_1_1),
_mm_mullo_epi32(b[15], txmat_1_31));
c[8] = _mm_add_epi32(_mm_mullo_epi32(b[16], txmat_1_0),
_mm_mullo_epi32(b[17], txmat_1_30));
c[9] = _mm_add_epi32(_mm_mullo_epi32(b[18], txmat_1_2),
_mm_mullo_epi32(b[19], txmat_1_28));
c[10] = _mm_add_epi32(_mm_mullo_epi32(b[20], txmat_1_4),
_mm_mullo_epi32(b[21], txmat_1_26));
c[11] = _mm_add_epi32(_mm_mullo_epi32(b[22], txmat_1_6),
_mm_mullo_epi32(b[23], txmat_1_24));
c[12] = _mm_add_epi32(_mm_mullo_epi32(b[24], txmat_1_8),
_mm_mullo_epi32(b[25], txmat_1_22));
c[13] = _mm_add_epi32(_mm_mullo_epi32(b[26], txmat_1_10),
_mm_mullo_epi32(b[27], txmat_1_20));
c[14] = _mm_add_epi32(_mm_mullo_epi32(b[28], txmat_1_12),
_mm_mullo_epi32(b[29], txmat_1_18));
c[15] = _mm_add_epi32(_mm_mullo_epi32(b[30], txmat_1_14),
_mm_mullo_epi32(b[31], txmat_1_16));
c[0] = _mm_add_epi32(_mm_sub_epi32(c[0], c[1]), _mm_sub_epi32(c[2], c[3]));
c[4] = _mm_add_epi32(_mm_sub_epi32(c[4], c[5]), _mm_sub_epi32(c[6], c[7]));
c[8] =
_mm_add_epi32(_mm_sub_epi32(c[8], c[9]), _mm_sub_epi32(c[10], c[11]));
c[12] =
_mm_add_epi32(_mm_sub_epi32(c[12], c[13]), _mm_sub_epi32(c[14], c[15]));
a[31] =
_mm_add_epi32(_mm_add_epi32(c[0], c[4]), _mm_add_epi32(c[8], c[12]));
for (n = 0; n < 32; n++) {
a[n] = _mm_add_epi32(a[n], v_offset);
a[n] = _mm_srai_epi32(a[n], shift);
}
transpose_store_8x4_sse4(a, dst + 0, tx1d_size);
transpose_store_8x4_sse4(a + 8, dst + 8, tx1d_size);
transpose_store_8x4_sse4(a + 16, dst + 16, tx1d_size);
transpose_store_8x4_sse4(a + 24, dst + 24, tx1d_size);
}
}
// ********************************** DST-VII **********************************
void fwd_txfm_idtx_size4_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 4;
__m128i v_offset = _mm_set1_epi32(offset);
for (int i = 0; i < nz_line; i += 2, src += 2) {
__m128i v_src0 =
_mm_set_epi32(src[3 * line], src[2 * line], src[line], src[0]);
__m128i v_src1 = _mm_set_epi32(src[3 * line + 1], src[2 * line + 1],
src[line + 1], src[1]);
// Multiply by scale and add offset
__m128i v_scaled0 = _mm_slli_epi32(v_src0, 7);
__m128i v_offsetted0 = _mm_add_epi32(v_scaled0, v_offset);
__m128i v_shifted0 = _mm_srai_epi32(v_offsetted0, shift);
__m128i v_scaled1 = _mm_slli_epi32(v_src1, 7);
__m128i v_offsetted1 = _mm_add_epi32(v_scaled1, v_offset);
__m128i v_shifted1 = _mm_srai_epi32(v_offsetted1, shift);
// Right shift by shift
_mm256_storeu_si256((__m256i *)(dst + (i * tx1d_size)),
_mm256_set_m128i(v_shifted1, v_shifted0));
}
}
void fwd_txfm_idtx_size8_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 8;
const int scale = 181;
__m256i v_offset = _mm256_set1_epi32(offset);
__m256i v_scale = _mm256_set1_epi32(scale);
for (int i = 0; i < nz_line; i++, src++) {
__m256i v_src = _mm256_set_epi32(
src[7 * line], src[6 * line], src[5 * line], src[4 * line],
src[3 * line], src[2 * line], src[line], src[0]);
// Multiply by scale and add offset
__m256i v_scaled = _mm256_mullo_epi32(v_src, v_scale);
__m256i v_offsetted = _mm256_add_epi32(v_scaled, v_offset);
__m256i v_shifted = _mm256_srai_epi32(v_offsetted, shift);
// Right shift by shift
_mm256_storeu_si256((__m256i *)(dst + (i * tx1d_size)), v_shifted);
}
}
void fwd_txfm_idtx_size16_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 16;
__m256i v_offset = _mm256_set1_epi32(offset);
for (int i = 0; i < nz_line; i++, src++) {
for (int j = 0; j < tx1d_size; j += 8) {
__m256i v_src = _mm256_set_epi32(
src[(7 + j) * line], src[(6 + j) * line], src[(5 + j) * line],
src[(4 + j) * line], src[(3 + j) * line], src[(2 + j) * line],
src[(1 + j) * line], src[(0 + j) * line]);
// Multiply by scale and add offset
__m256i v_scaled = _mm256_slli_epi32(v_src, 8);
__m256i v_offsetted = _mm256_add_epi32(v_scaled, v_offset);
__m256i v_shifted = _mm256_srai_epi32(v_offsetted, shift);
// Right shift by shift
_mm256_storeu_si256((__m256i *)(dst + (i * tx1d_size) + j), v_shifted);
}
}
}
void fwd_txfm_idtx_size32_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 32;
const int scale = 362;
__m256i v_offset = _mm256_set1_epi32(offset);
__m256i v_scale = _mm256_set1_epi32(scale);
for (int i = 0; i < nz_line; i++, src++) {
for (int j = 0; j < tx1d_size; j += 8) {
__m256i v_src = _mm256_set_epi32(
src[(7 + j) * line], src[(6 + j) * line], src[(5 + j) * line],
src[(4 + j) * line], src[(3 + j) * line], src[(2 + j) * line],
src[(1 + j) * line], src[(0 + j) * line]);
// Multiply by scale and add offset
__m256i v_scaled = _mm256_mullo_epi32(v_src, v_scale);
__m256i v_offsetted = _mm256_add_epi32(v_scaled, v_offset);
__m256i v_shifted = _mm256_srai_epi32(v_offsetted, shift);
// Right shift by shift
_mm256_storeu_si256((__m256i *)(dst + (i * tx1d_size) + j), v_shifted);
}
}
}
void fwd_txfm_adst_size4_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 4;
DECLARE_ALIGNED(32, static const int, tx_kernel_adst_size4_avx2[4][8]) = {
{ 18, 50, 75, 89, 18, 50, 75, 89 },
{ 50, 89, 18, -75, 50, 89, 18, -75 },
{ 75, 18, -89, 50, 75, 18, -89, 50 },
{ 89, -75, 50, -18, 89, -75, 50, -18 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j += 2) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m128i tmp_src0 = _mm_set1_epi32(src[k * line + j + 0]);
__m128i tmp_src1 = _mm_set1_epi32(src[k * line + j + 1]);
__m256i tmp_src = _mm256_set_m128i(tmp_src1, tmp_src0);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_adst_size4_avx2[k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size)), sum);
}
}
void fwd_txfm_adst_size8_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 8;
DECLARE_ALIGNED(32, static const int, tx_kernel_adst_size8_avx2[8][8]) = {
{ 11, 34, 54, 71, 84, 88, 79, 50 },
{ 28, 74, 89, 68, 17, -44, -83, -69 },
{ 44, 89, 48, -41, -89, -44, 50, 81 },
{ 58, 76, -34, -86, 10, 88, 6, -84 },
{ 70, 39, -87, 1, 86, -44, -59, 78 },
{ 79, -12, -66, 87, -35, -44, 86, -62 },
{ 86, -58, 12, 38, -75, 88, -74, 40 },
{ 89, -86, 79, -70, 58, -44, 29, -14 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j++) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m256i tmp_src = _mm256_set1_epi32(src[k * line + j]);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_adst_size8_avx2[k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size)), sum);
}
}
void fwd_txfm_adst_size16_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 16;
DECLARE_ALIGNED(32, static const int, tx_kernel_adst_size16_avx2[32][8]) = {
{ 8, 25, 41, 55, 67, 77, 84, 88 },
{ 17, 48, 73, 87, 88, 77, 55, 25 },
{ 25, 67, 88, 81, 48, 0, -48, -81 },
{ 33, 81, 84, 41, -25, -77, -87, -48 },
{ 41, 88, 62, -17, -81, -77, -8, 67 },
{ 48, 88, 25, -67, -81, 0, 81, 67 },
{ 55, 81, -17, -89, -25, 77, 62, -48 },
{ 62, 67, -55, -73, 48, 77, -41, -81 },
{ 67, 48, -81, -25, 88, 0, -88, 25 },
{ 73, 25, -89, 33, 67, -77, -17, 88 },
{ 77, 0, -77, 77, 0, -77, 77, 0 },
{ 81, -25, -48, 88, -67, 0, 67, -88 },
{ 84, -48, -8, 62, -88, 77, -33, -25 },
{ 87, -67, 33, 8, -48, 77, -89, 81 },
{ 88, -81, 67, -48, 25, 0, -25, 48 },
{ 89, -88, 87, -84, 81, -77, 73, -67 },
{ 89, 87, 81, 73, 62, 48, 33, 17 },
{ -8, -41, -67, -84, -89, -81, -62, -33 },
{ -88, -67, -25, 25, 67, 88, 81, 48 },
{ 17, 73, 88, 55, -8, -67, -89, -62 },
{ 87, 33, -48, -89, -55, 25, 84, 73 },
{ -25, -88, -48, 48, 88, 25, -67, -81 },
{ -84, 8, 88, 33, -73, -67, 41, 87 },
{ 33, 84, -25, -87, 17, 88, -8, -89 },
{ 81, -48, -67, 67, 48, -81, -25, 88 },
{ -41, -62, 81, 8, -87, 48, 55, -84 },
{ -77, 77, 0, -77, 77, 0, -77, 77 },
{ 48, 25, -81, 81, -25, -48, 88, -67 },
{ 73, -89, 67, -17, -41, 81, -87, 55 },
{ -55, 17, 25, -62, 84, -88, 73, -41 },
{ -67, 81, -88, 88, -81, 67, -48, 25 },
{ 62, -55, 48, -41, 33, -25, 17, -8 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j++) {
for (int i = 0; i < tx1d_size; i += 8) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m256i tmp_src = _mm256_set1_epi32(src[k * line + j]);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_adst_size16_avx2[2 * i + k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size) + i), sum);
}
}
}
void fwd_txfm_fdst_size4_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 4;
DECLARE_ALIGNED(32, static const int, tx_kernel_fdst_size4_avx2[4][8]) = {
{ 89, 75, 50, 18, 89, 75, 50, 18 },
{ 75, -18, -89, -50, 75, -18, -89, -50 },
{ 50, -89, 18, 75, 50, -89, 18, 75 },
{ 18, -50, 75, -89, 18, -50, 75, -89 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j += 2) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m128i tmp_src0 = _mm_set1_epi32(src[k * line + j + 0]);
__m128i tmp_src1 = _mm_set1_epi32(src[k * line + j + 1]);
__m256i tmp_src = _mm256_set_m128i(tmp_src1, tmp_src0);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_fdst_size4_avx2[k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size)), sum);
}
}
void fwd_txfm_fdst_size8_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 8;
DECLARE_ALIGNED(32, static const int, tx_kernel_fdst_size8_avx2[8][8]) = {
{ 89, -86, 79, -70, 58, -44, 29, -14 },
{ 86, -58, 12, 38, -75, 88, -74, 40 },
{ 79, -12, -66, 87, -35, -44, 86, -62 },
{ 70, 39, -87, 1, 86, -44, -59, 78 },
{ 58, 76, -34, -86, 10, 88, 6, -84 },
{ 44, 89, 48, -41, -89, -44, 50, 81 },
{ 28, 74, 89, 68, 17, -44, -83, -69 },
{ 11, 34, 54, 71, 84, 88, 79, 50 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j++) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m256i tmp_src = _mm256_set1_epi32(src[k * line + j]);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_fdst_size8_avx2[k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size)), sum);
}
}
void fwd_txfm_fdst_size16_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 16;
DECLARE_ALIGNED(32, static const int, tx_kernel_fdst_size16_avx2[32][8]) = {
{ 89, 88, 87, 84, 81, 77, 73, 67 },
{ 88, 81, 67, 48, 25, 0, -25, -48 },
{ 87, 67, 33, -8, -48, -77, -89, -81 },
{ 84, 48, -8, -62, -88, -77, -33, 25 },
{ 81, 25, -48, -88, -67, 0, 67, 88 },
{ 77, 0, -77, -77, 0, 77, 77, 0 },
{ 73, -25, -89, -33, 67, 77, -17, -88 },
{ 67, -48, -81, 25, 88, 0, -88, -25 },
{ 62, -67, -55, 73, 48, -77, -41, 81 },
{ 55, -81, -17, 89, -25, -77, 62, 48 },
{ 48, -88, 25, 67, -81, 0, 81, -67 },
{ 41, -88, 62, 17, -81, 77, -8, -67 },
{ 33, -81, 84, -41, -25, 77, -87, 48 },
{ 25, -67, 88, -81, 48, 0, -48, 81 },
{ 17, -48, 73, -87, 88, -77, 55, -25 },
{ 8, -25, 41, -55, 67, -77, 84, -88 },
{ 62, 55, 48, 41, 33, 25, 17, 8 },
{ -67, -81, -88, -88, -81, -67, -48, -25 },
{ -55, -17, 25, 62, 84, 88, 73, 41 },
{ 73, 89, 67, 17, -41, -81, -87, -55 },
{ 48, -25, -81, -81, -25, 48, 88, 67 },
{ -77, -77, 0, 77, 77, 0, -77, -77 },
{ -41, 62, 81, -8, -87, -48, 55, 84 },
{ 81, 48, -67, -67, 48, 81, -25, -88 },
{ 33, -84, -25, 87, 17, -88, -8, 89 },
{ -84, -8, 88, -33, -73, 67, 41, -87 },
{ -25, 88, -48, -48, 88, -25, -67, 81 },
{ 87, -33, -48, 89, -55, -25, 84, -73 },
{ 17, -73, 88, -55, -8, 67, -89, 62 },
{ -88, 67, -25, -25, 67, -88, 81, -48 },
{ -8, 41, -67, 84, -89, 81, -62, 33 },
{ 89, -87, 81, -73, 62, -48, 33, -17 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j++) {
for (int i = 0; i < tx1d_size; i += 8) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m256i tmp_src = _mm256_set1_epi32(src[k * line + j]);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_fdst_size16_avx2[2 * i + k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size) + i), sum);
}
}
}
#if CONFIG_INTER_DDT
void fwd_txfm_ddtx_size4_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 4;
DECLARE_ALIGNED(32, static const int, tx_kernel_ddtx_size4_avx2[4][8]) = {
{ 2, 14, 67, 108, 2, 14, 67, 108 },
{ 20, 68, 86, -61, 20, 68, 86, -61 },
{ 72, 81, -61, 27, 72, 81, -61, 27 },
{ 104, -69, 25, -8, 104, -69, 25, -8 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j += 2) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m128i tmp_src0 = _mm_set1_epi32(src[k * line + j + 0]);
__m128i tmp_src1 = _mm_set1_epi32(src[k * line + j + 1]);
__m256i tmp_src = _mm256_set_m128i(tmp_src1, tmp_src0);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_ddtx_size4_avx2[k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size)), sum);
}
}
void fwd_txfm_ddtx_size8_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 8;
DECLARE_ALIGNED(32, static const int, tx_kernel_ddtx_size8_avx2[8][8]) = {
{ 4, 6, 22, 57, 96, 103, 78, 56 },
{ 7, 14, 48, 94, 73, -17, -79, -96 },
{ 15, 36, 85, 76, -43, -80, 7, 98 },
{ 33, 77, 88, -26, -69, 56, 56, -77 },
{ 65, 100, 0, -73, 55, 15, -82, 54 },
{ 98, 45, -86, 34, 20, -66, 79, -33 },
{ 106, -57, -23, 54, -71, 75, -56, 19 },
{ 80, -98, 82, -66, 53, -41, 26, -6 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j++) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m256i tmp_src = _mm256_set1_epi32(src[k * line + j]);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_ddtx_size8_avx2[k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size)), sum);
}
}
void fwd_txfm_ddtx_size16_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 16;
DECLARE_ALIGNED(32, static const int, tx_kernel_ddtx_size16_avx2[32][8]) = {
{ 12, 17, 37, 45, 47, 60, 64, 82 },
{ 15, 23, 49, 60, 60, 74, 70, 73 },
{ 19, 30, 60, 69, 61, 64, 40, 3 },
{ 23, 38, 69, 73, 49, 28, -19, -80 },
{ 30, 48, 75, 66, 19, -31, -79, -91 },
{ 39, 61, 75, 40, -29, -87, -78, 10 },
{ 51, 76, 61, -8, -77, -82, 11, 94 },
{ 66, 87, 29, -65, -83, 4, 92, 18 },
{ 78, 83, -18, -91, -16, 88, 28, -84 },
{ 88, 59, -67, -57, 75, 54, -85, -5 },
{ 94, 19, -96, 21, 93, -55, -41, 80 },
{ 97, -30, -83, 86, 3, -77, 82, -17 },
{ 93, -73, -28, 81, -92, 29, 39, -70 },
{ 83, -99, 40, 8, -74, 88, -83, 47 },
{ 68, -99, 84, -69, 32, 3, -37, 55 },
{ 50, -76, 83, -90, 97, -86, 83, -68 },
{ 89, 100, 92, 84, 69, 50, 51, 44 },
{ 48, 9, -35, -71, -83, -79, -89, -95 },
{ -53, -99, -91, -46, 2, 47, 73, 124 },
{ -96, -45, 42, 88, 75, 14, -17, -126 },
{ -5, 84, 71, -16, -78, -60, -45, 108 },
{ 89, 36, -69, -67, 18, 67, 89, -81 },
{ 16, -81, -22, 79, 50, -37, -103, 54 },
{ -83, 4, 85, -22, -85, -6, 97, -30 },
{ 12, 73, -60, -46, 81, 49, -83, 16 },
{ 75, -60, -17, 84, -43, -80, 71, -6 },
{ -51, -17, 77, -68, -6, 98, -56, 1 },
{ -43, 76, -70, 15, 53, -99, 44, 3 },
{ 81, -55, 11, 46, -81, 90, -31, -4 },
{ -14, -21, 56, -83, 88, -71, 22, 5 },
{ -75, 81, -83, 82, -69, 48, -11, -3 },
{ 67, -56, 49, -40, 32, -19, 5, 2 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j++) {
for (int i = 0; i < tx1d_size; i += 8) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m256i tmp_src = _mm256_set1_epi32(src[k * line + j]);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_ddtx_size16_avx2[2 * i + k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size) + i), sum);
}
}
}
void fwd_txfm_fddt_size4_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 4;
DECLARE_ALIGNED(32, static const int, tx_kernel_ddtx_size4_avx2[4][8]) = {
{ 104, -69, 25, -8, 104, -69, 25, -8 },
{ 72, 81, -61, 27, 72, 81, -61, 27 },
{ 20, 68, 86, -61, 20, 68, 86, -61 },
{ 2, 14, 67, 108, 2, 14, 67, 108 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j += 2) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m128i tmp_src0 = _mm_set1_epi32(src[k * line + j + 0]);
__m128i tmp_src1 = _mm_set1_epi32(src[k * line + j + 1]);
__m256i tmp_src = _mm256_set_m128i(tmp_src1, tmp_src0);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_ddtx_size4_avx2[k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size)), sum);
}
}
void fwd_txfm_fddt_size8_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 8;
DECLARE_ALIGNED(32, static const int, tx_kernel_fddtx_size8_avx2[8][8]) = {
{ 80, -98, 82, -66, 53, -41, 26, -6 },
{ 106, -57, -23, 54, -71, 75, -56, 19 },
{ 98, 45, -86, 34, 20, -66, 79, -33 },
{ 65, 100, 0, -73, 55, 15, -82, 54 },
{ 33, 77, 88, -26, -69, 56, 56, -77 },
{ 15, 36, 85, 76, -43, -80, 7, 98 },
{ 7, 14, 48, 94, 73, -17, -79, -96 },
{ 4, 6, 22, 57, 96, 103, 78, 56 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j++) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m256i tmp_src = _mm256_set1_epi32(src[k * line + j]);
__m256i tmp_val =
_mm256_load_si256((__m256i *)tx_kernel_fddtx_size8_avx2[k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size)), sum);
}
}
void fwd_txfm_fddt_size16_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line) {
(void)zero_line;
const int offset = shift > 0 ? 1 << (shift - 1) : 0;
const int nz_line = line - skip_line;
const int tx1d_size = 16;
DECLARE_ALIGNED(32, static const int, tx_kernel_fddtx_size16_avx2[32][8]) = {
{ 50, -76, 83, -90, 97, -86, 83, -68 },
{ 68, -99, 84, -69, 32, 3, -37, 55 },
{ 83, -99, 40, 8, -74, 88, -83, 47 },
{ 93, -73, -28, 81, -92, 29, 39, -70 },
{ 97, -30, -83, 86, 3, -77, 82, -17 },
{ 94, 19, -96, 21, 93, -55, -41, 80 },
{ 88, 59, -67, -57, 75, 54, -85, -5 },
{ 78, 83, -18, -91, -16, 88, 28, -84 },
{ 66, 87, 29, -65, -83, 4, 92, 18 },
{ 51, 76, 61, -8, -77, -82, 11, 94 },
{ 39, 61, 75, 40, -29, -87, -78, 10 },
{ 30, 48, 75, 66, 19, -31, -79, -91 },
{ 23, 38, 69, 73, 49, 28, -19, -80 },
{ 19, 30, 60, 69, 61, 64, 40, 3 },
{ 15, 23, 49, 60, 60, 74, 70, 73 },
{ 12, 17, 37, 45, 47, 60, 64, 82 },
{ 67, -56, 49, -40, 32, -19, 5, 2 },
{ -75, 81, -83, 82, -69, 48, -11, -3 },
{ -14, -21, 56, -83, 88, -71, 22, 5 },
{ 81, -55, 11, 46, -81, 90, -31, -4 },
{ -43, 76, -70, 15, 53, -99, 44, 3 },
{ -51, -17, 77, -68, -6, 98, -56, 1 },
{ 75, -60, -17, 84, -43, -80, 71, -6 },
{ 12, 73, -60, -46, 81, 49, -83, 16 },
{ -83, 4, 85, -22, -85, -6, 97, -30 },
{ 16, -81, -22, 79, 50, -37, -103, 54 },
{ 89, 36, -69, -67, 18, 67, 89, -81 },
{ -5, 84, 71, -16, -78, -60, -45, 108 },
{ -96, -45, 42, 88, 75, 14, -17, -126 },
{ -53, -99, -91, -46, 2, 47, 73, 124 },
{ 48, 9, -35, -71, -83, -79, -89, -95 },
{ 89, 100, 92, 84, 69, 50, 51, 44 },
};
__m256i v_offset = _mm256_set1_epi32(offset);
for (int j = 0; j < nz_line; j++) {
for (int i = 0; i < tx1d_size; i += 8) {
__m256i sum = _mm256_set1_epi32(0);
for (int k = 0; k < tx1d_size; k++) {
__m256i tmp_src = _mm256_set1_epi32(src[k * line + j]);
__m256i tmp_val = _mm256_load_si256(
(__m256i *)tx_kernel_fddtx_size16_avx2[2 * i + k]);
tmp_val = _mm256_mullo_epi32(tmp_src, tmp_val);
sum = _mm256_add_epi32(tmp_val, sum);
}
// Multiply by scale and add offset
sum = _mm256_add_epi32(sum, v_offset);
// Right shift by shift
sum = _mm256_srai_epi32(sum, shift);
// Store results
_mm256_storeu_si256((__m256i *)(dst + (j * tx1d_size) + i), sum);
}
}
}
#endif // CONFIG_INTER_DDT
void fwd_transform_1d_avx2(const int *src, int *dst, int shift, int line,
int skip_line, int zero_line,
const int tx_type_index, const int size_index) {
switch (size_index) {
case 0:
switch (tx_type_index) {
case 0:
fwd_txfm_dct2_size4_avx2(src, dst, shift, line, skip_line, zero_line);
break;
case 1:
fwd_txfm_idtx_size4_avx2(src, dst, shift, line, skip_line, zero_line);
break;
case 2:
fwd_txfm_adst_size4_avx2(src, dst, shift, line, skip_line, zero_line);
break;
case 3:
fwd_txfm_fdst_size4_avx2(src, dst, shift, line, skip_line, zero_line);
break;
#if CONFIG_INTER_DDT
case 4:
fwd_txfm_ddtx_size4_avx2(src, dst, shift, line, skip_line, zero_line);
break;
case 5:
fwd_txfm_fddt_size4_avx2(src, dst, shift, line, skip_line, zero_line);
break;
#endif // CONFIG_INTER_DDT
default: assert(0); break;
}
break;
case 1:
switch (tx_type_index) {
case 0:
fwd_txfm_dct2_size8_avx2(src, dst, shift, line, skip_line, zero_line);
break;
case 1:
fwd_txfm_idtx_size8_avx2(src, dst, shift, line, skip_line, zero_line);
break;
case 2:
fwd_txfm_adst_size8_avx2(src, dst, shift, line, skip_line, zero_line);
break;
case 3:
fwd_txfm_fdst_size8_avx2(src, dst, shift, line, skip_line, zero_line);
break;
#if CONFIG_INTER_DDT
case 4:
fwd_txfm_ddtx_size8_avx2(src, dst, shift, line, skip_line, zero_line);
break;
case 5:
fwd_txfm_fddt_size8_avx2(src, dst, shift, line, skip_line, zero_line);
break;
#endif // CONFIG_INTER_DDT
default: assert(0); break;
}
break;
case 2:
switch (tx_type_index) {
case 0:
fwd_txfm_dct2_size16_avx2(src, dst, shift, line, skip_line,
zero_line);
break;
case 1:
fwd_txfm_idtx_size16_avx2(src, dst, shift, line, skip_line,
zero_line);
break;
case 2:
fwd_txfm_adst_size16_avx2(src, dst, shift, line, skip_line,
zero_line);
break;
case 3:
fwd_txfm_fdst_size16_avx2(src, dst, shift, line, skip_line,
zero_line);
break;
#if CONFIG_INTER_DDT
case 4:
fwd_txfm_ddtx_size16_avx2(src, dst, shift, line, skip_line,
zero_line);
break;
case 5:
fwd_txfm_fddt_size16_avx2(src, dst, shift, line, skip_line,
zero_line);
break;
#endif // CONFIG_INTER_DDT
default: assert(0); break;
}
break;
case 3:
switch (tx_type_index) {
case 0:
fwd_txfm_dct2_size32_avx2(src, dst, shift, line, skip_line,
zero_line);
break;
case 1:
fwd_txfm_idtx_size32_avx2(src, dst, shift, line, skip_line,
zero_line);
break;
default: assert(0); break;
}
break;
case 4:
switch (tx_type_index) {
case 0:
fwd_txfm_dct2_size64_avx2(src, dst, shift, line, skip_line,
zero_line);
break;
default: assert(0); break;
}
break;
default: assert(0); break;
}
}
void fwd_txfm_avx2(const int16_t *resi, tran_low_t *coeff, int diff_stride,
TxfmParam *txfm_param) {
const TX_SIZE tx_size = txfm_param->tx_size;
const int width = tx_size_wide[tx_size];
const int height = tx_size_high[tx_size];
const uint32_t tx_wide_index = tx_size_wide_log2[tx_size] - 2;
const uint32_t tx_high_index = tx_size_high_log2[tx_size] - 2;
TX_TYPE tx_type = txfm_param->tx_type;
if (txfm_param->lossless) {
#if CONFIG_LOSSLESS_DPCM && !CONFIG_IMPROVE_LOSSLESS_TXM
assert(width == 4 && height == 4);
assert(tx_type == DCT_DCT || tx_type == IDTX);
if (tx_type == IDTX) {
av1_fwd_txfm2d_4x4(resi, coeff, diff_stride, tx_type,
#if CONFIG_INTER_DDT
txfm_param->use_ddt,
#endif // CONFIG_INTER_DDT
txfm_param->bd);
} else {
av1_highbd_fwht4x4(resi, coeff, diff_stride);
}
#else // CONFIG_LOSSLESS_DPCM
assert(tx_type == DCT_DCT);
av1_highbd_fwht4x4(resi, coeff, diff_stride);
#endif // CONFIG_LOSSLESS_DPCM && !CONFIG_IMPROVE_LOSSLESS_TXM
return;
}
int tx_type_row = g_hor_tx_type[tx_type];
int tx_type_col = g_ver_tx_type[tx_type];
#if CONFIG_INTER_DDT
if (txfm_param->use_ddt) {
const int use_ddt_row = (width == 4 && REPLACE_ADST4) ||
(width == 8 && REPLACE_ADST8) ||
(width == 16 && REPLACE_ADST16);
if (use_ddt_row && (tx_type_row == DST7 || tx_type_row == DCT8)) {
tx_type_row = (tx_type_row == DST7) ? DDTX : FDDT;
}
const int use_ddt_col = (height == 4 && REPLACE_ADST4) ||
(height == 8 && REPLACE_ADST8) ||
(height == 16 && REPLACE_ADST16);
if (use_ddt_col && (tx_type_col == DST7 || tx_type_col == DCT8)) {
tx_type_col = (tx_type_col == DST7) ? DDTX : FDDT;
}
}
#endif // CONFIG_INTER_DDT
int skipWidth = width > 32 ? width - 32 : 0;
int skipHeight = height > 32 ? height - 32 : 0;
int buf[MAX_TX_SQUARE] = { 0 };
for (int y = 0; y < height; y++) {
for (int x = 0; x < width; x++) {
coeff[(y * width) + x] = resi[(y * diff_stride) + x];
}
}
const int shift_1st = fwd_tx_shift[tx_size][0];
const int shift_2nd = fwd_tx_shift[tx_size][1];
fwd_transform_1d_avx2(coeff, buf, shift_1st, width, 0, skipHeight,
tx_type_col, tx_high_index);
fwd_transform_1d_avx2(buf, coeff, shift_2nd, height, skipHeight, skipWidth,
tx_type_row, tx_wide_index);
// Re-pack non-zero coeffs in the first 32x32 indices.
if (skipWidth) {
for (int row = 1; row < height; ++row) {
__m256i data0 = _mm256_loadu_si256((__m256i *)(coeff + row * width));
__m256i data1 = _mm256_loadu_si256((__m256i *)(coeff + row * width + 8));
__m256i data2 = _mm256_loadu_si256((__m256i *)(coeff + row * width + 16));
__m256i data3 = _mm256_loadu_si256((__m256i *)(coeff + row * width + 24));
_mm256_storeu_si256((__m256i *)(coeff + row * 32), data0);
_mm256_storeu_si256((__m256i *)(coeff + row * 32 + 8), data1);
_mm256_storeu_si256((__m256i *)(coeff + row * 32 + 16), data2);
_mm256_storeu_si256((__m256i *)(coeff + row * 32 + 24), data3);
}
}
const int log2width = tx_size_wide_log2[tx_size];
const int log2height = tx_size_high_log2[tx_size];
const int sqrt2 = ((log2width + log2height) & 1) ? 1 : 0;
if (sqrt2) {
__m256i scale_vector = _mm256_set1_epi64x((int64_t)NewSqrt2);
__m128i shift_bits = _mm_set1_epi64x(NewSqrt2Bits);
__m256i round_offset = _mm256_set1_epi64x(1LL << (NewSqrt2Bits - 1));
__m256i idx = _mm256_set_epi32(6, 4, 2, 0, 6, 4, 2, 0);
for (int i = 0; i < AOMMIN(1024, width * height); i += 8) {
__m256i data = _mm256_loadu_si256((__m256i *)(coeff + i));
__m256i data0 = _mm256_cvtepi32_epi64(_mm256_extracti128_si256(data, 0));
data0 = _mm256_mul_epi32(data0, scale_vector);
data0 = _mm256_add_epi64(data0, round_offset);
data0 = _mm256_srl_epi64(data0, shift_bits);
data0 = _mm256_permutevar8x32_epi32(data0, idx);
__m256i data1 = _mm256_cvtepi32_epi64(_mm256_extracti128_si256(data, 1));
data1 = _mm256_mul_epi32(data1, scale_vector);
data1 = _mm256_add_epi64(data1, round_offset);
data1 = _mm256_srl_epi64(data1, shift_bits);
data1 = _mm256_permutevar8x32_epi32(data1, idx);
data = _mm256_blend_epi32(data0, data1, 0b11110000);
_mm256_storeu_si256((__m256i *)(coeff + i), data);
}
}
}
#endif // CONFIG_CORE_TX