Bezzudumu saspiešanas algoritms un arhitektūra, lai samazinātu atmiņas joslas platuma prasības ar uzlabotu prognozēšanu, pamatojoties uz vairāku DPCM Golomb-Rice algoritmu

Abstrakts

Datortehnikas vidē lielākai izšķirtspējai parasti ir nepieciešams lielāks atmiņas joslas platums, kas neizbēgami rada lielāku enerģijas patēriņu.

Tas var kļūt ļoti svarīgi mobilo ierīču un grafisko procesoru bloku ar palielinātu atmiņas apjomu un atmiņas joslas platumu vispārējai veiktspējai.

Starp vidi un atmiņu pastāv cieša saikne. Vide, kurā cilvēki dzīvo un strādā, ietekmēs fizisko un garīgo veselību, kā arī atmiņas attīstību un veiktspēju.

Pirmkārt, laba vide var veicināt cilvēku domāšanas un uztveres spēju attīstību. Darba un mācību videi jābūt klusai, kārtīgai, siltai un ērtai, lai efektīvi uzlabotu cilvēku uzmanību un koncentrēšanos, atvieglojot cilvēku koncentrēšanos uz domāšanu un atcerēšanos. Ja vide ir trokšņaina, haotiska vai pārpildīta, cilvēka smadzenes tiks traucētas, ietekmējot mācīšanās un atmiņas efektu.

Otrkārt, pozitīva vide var veicināt pozitīvas mentalitātes un pozitīvu emociju veidošanos. Pozitīvs garīgais stāvoklis efektīvi uzlabos cilvēku apziņu un izziņu, uzlabos cilvēku radošumu un atmiņu. Gluži pretēji, negatīva un nomācoša vide liks cilvēkiem zaudēt pozitīvas emocijas un pārliecību, tādējādi ietekmējot cilvēku atmiņas funkciju.

Visbeidzot, droša un veselīga vide var nodrošināt cilvēku ķermeņa un smadzeņu veselību, tādējādi efektīvi uzlabojot atmiņu. Ķermenim un prātam ir pietiekami jāatpūšas un jāvingro, lai labāk nodrošinātu enerģiju un atbalstu atmiņas funkcijai. Tajā pašā laikā vides piesārņojums un toksīni tieši ietekmēs cilvēku fizisko un smadzeņu veselību un paātrinās atmiņas pasliktināšanos.

Īsāk sakot, laba vide ir svarīgs nosacījums, lai mēs attīstītu atmiņu. Pielāgota mācību un darba vide, pozitīva un veselīga mentalitāte un emocijas, kā arī veselīga un droša dzīves vide var aktīvi veicināt cilvēku atmiņas attīstību un uzlabošanos. Var redzēt, ka mums ir jāuzlabo atmiņa, un Cistanche var ievērojami uzlabot atmiņu, jo Cistanche var arī regulēt neirotransmiteru līdzsvaru, piemēram, palielināt acetilholīna un augšanas faktoru līmeni, kas ir ļoti svarīgi atmiņai un mācībām. Turklāt Cistanche var arī uzlabot asins plūsmu un veicināt skābekļa piegādi, kas var nodrošināt, ka smadzenes saņem pietiekamu uzturu un enerģiju, tādējādi uzlabojot smadzeņu vitalitāti un izturību.

Noklikšķiniet uz zināt veidus, kā uzlabot smadzeņu darbību

Šajā rakstā ir piedāvāts bezzudumu saspiešanas algoritms ar vairākām diferenciālā impulsa koda modulācijas mainīgā zīmes kodu Golomb-Rice, lai samazinātu atmiņas joslas platuma prasību. Ierosinātās vairāku diferenciālās impulsu koda modulācijas efektivitāte tiek uzlabota, izvēloties optimālo diferenciālā impulsa koda modulācijas režīmu.

Eksperimentālie rezultāti parāda saspiešanas pakāpi 1,99 augstas efektivitātes video kodēšanas attēlu secībām un ka piedāvātā bezzudumu saspiešanas aparatūra var samazināt kopnes joslas platuma prasību.

Atslēgvārdi: Bezzudumu attēlu saspiešana, aparatūras arhitektūra, atmiņas joslas platuma samazināšana.

1 Ievads

Strauji palielinoties jaunāko mobilo ierīču un grafisko procesoru bloku (GPU) izšķirtspējai, palielinās arī atmiņas joslas platums, kas nepieciešams, lai piekļūtu kadru buferī saglabātajiem attēliem.

Šis palielinātais atmiņas apjoms ietekmē kopējo veiktspēju un enerģijas patēriņu [1, 2, 9–11], kā arī atmiņas joslas platuma izmantošanu [3, 12]. Šim nolūkam bezzudumu kadru bufera saspiešanas un atmiņas joslas platuma samazināšanas metodes varētu būt efektīvi veidi, kā aprīkot augstas veiktspējas kopni kā IP.

Šim nolūkam ir veikti daudzi pētījumi [4–6]; bezzudumu saspiešanas algoritms ar diferenciālo impulsa koda modulāciju Golomba-Risa kodējumu (DDPCM-GR), augstas caurlaidības bezzudumu attēla saspiešanas algoritmu ar diferenciālā impulsa koda modulācijas mainīgā signkoda GR kodējumu (DPCM-VSC GR) un atkārtotas saspiešanas algoritmu ar vairāku DPCM režīmu vidējo vērtību daļēji fiksēta garuma kodēšana (MDA-SFL) tika ierosināta attiecīgi [4, 5] un [6].

Šajā rakstā ir piedāvāts bezzudumu saspiešanas algoritms ar vairāku DPCM (MDPCM) mainīgo zīmes kodu GR, lai samazinātu atmiņas joslas platuma prasības. Algoritms izmanto MDPCM prognozēšanai un mainīgo zīmju kodu (VSC) GR entropijas kodēšanai [5]. Darba struktūra ir šāda. 2. sadaļā ir sniegts pārskats par iepriekšējiem pētījumiem, kas saistīti ar šī darba tēmu.

3. sadaļa iepazīstina ar ierosināto MDPCM-GR algoritmu. 4. sadaļā ir parādīta piedāvātā bezzudumu saspiešanas aparatūras arhitektūra. 5. sadaļa piedāvā piedāvāto algoritmu un aparatūras veiktspējas pārbaudes rezultātus. Secinājums sniegts 6. sadaļā.

2 Fons

Šajā sadaļā mēs apskatām darbus, kas saistīti ar mūsu piedāvāto algoritmu un aparatūras arhitektūru. Visi iekļautie pētījumi liecina, ka tie ir uzlabojuši veiktspēju, pamatojoties uz DPCM algoritmu.

2.1 DPCM algoritms

DPCM [7] ir plaši izmantots algoritms atgriezeniskai datu saspiešanai. Tas sastāv no prognozēšanas stadijas un prognozēšanas kļūdu rezultātu entropijas kodēšanas. Ievades pikseļu datu lielumu var samazināt, izmantojot attēla telpiskās lokalizācijas raksturlielumus.

DDPCM [8] ir ATI piedāvātais algoritms, lai samazinātu Z datu izmēru 3D grafikā, uzlabojot DPCM. DDPCM algoritms aprēķina diferenciālās vērtības x ass un y ass virzieniem, pamatojoties uz DPCM algoritma rezultātiem.

2.2 DDPCM-GR

DDPCM-GR [4] ir bezzudumu saspiešanas algoritms, kas veic DDPCM kā prognozēšanas funkciju un GR kodējumu entropijas kodēšanai forfixed-k, kur k ir 2. Apstrādes blokam sākotnējā attēlā tiek izmantots DDPCM.

Kļūdu datiem no DDPCM tiek veikta GR kodēšana. GR kodēšana ir entropijas kodēšanas metode, kas izmanto unāro kodējumu koeficientā q, kur ievades vērtība N tiek dalīta ar parametru M, bet atlikusī daļa tiek saglabāta kā bināri dati.

2.3 DPCM-VSC GR

DPCM-VSC GR [5] ir augstas caurlaidspējas kompresijas algoritms, kas veic DPCM kā prognozēšanas funkciju un VSC GR kodēšanu entropikodēšanai. Apstrādes blokam sākotnējā attēlā tiek izmantots 2D DPCM.

Koeficienta vērtību aprēķina, dalot iegūto DPCM vērtību ar $ 2 ∧ k $ vērtību, kur k=0, 1, 2, 3. VSC vērtības un unārā koda vērtības tiek iegūtas, veicot GR kodēšanu un VSC.

Saspiesto datu un sākotnējā bloka garumi tiek salīdzināti pēc visu posmu pabeigšanas. Ja saspiešanas datu garums ir mazāks par sākotnējā bloka garumu, saspiestie dati tiek ģenerēti, iesaiņojot visus saistītos datus.

Saistītie dati sastāv no K vērtības, DPCM režīma vērtības, pirmā faktora vērtības, atlikušās vērtības, unarydata vērtības un zīmes mainīgajiem datiem. Ja sākotnējais bloks ir garāks par saspiestajiem datiem, saspiestie dati netiek izmantoti un tiek saglabāts sākotnējais bloks.

3 Piedāvātais bezzudumu saspiešanas algoritms

Šajā sadaļā ir aprakstīta piedāvātā vairāku DPCMGR (MDPCM-GR) algoritma saspiešanas un dekompresijas izpildes plūsma.

3.1. Ierosinātā saspiešanas un dekompresijas algoritma kopējais process

Piedāvātais MDPCM-GR algoritms sastāv no kompresora, kas saspiež sākotnējos datus, un dekompresora, kas atjauno saspiestos datus. Saspiešanas process notiek šādi.

Pirmkārt, MDPCM tiek izpildīts, pamatojoties uz sākotnējiem bloka datiem, pēc tam no aprēķinātajām DPCM izmaksām tiek izvēlēts DPCM režīms ar viszemākajām izmaksām. Visbeidzot, VSC GR [5] kodēšana tiek veikta kļūdu vērtībām no MDPCM. Dekompresija seko apgrieztajam saspiešanas procesam. 1. attēlā parādītas šo procesu diagrammas.

3.2 Vairāku DPCM algoritms

Piedāvātais MDPCM algoritms var izvēlēties DPCM režīmu ar minimālām izmaksām, veicot četrus dažādus virzienu DPCM; piemēram, horizontālā un vertikālā DPCM un DDPCM.

Ierosinātais MDPCM izmanto vertikālo un horizontālo DDPCM, kas tiek veikts, pamatojoties uz attiecīgi vertikālo un horizontālo DPCM. Veicot DDPCM, kā prognozēšanas funkcijas rezultāts tiek izvēlēta optimālā prognozēšanas funkcija, un prognozēšanas funkcijas rezultāta entropijas kodēšanas izmaksas tiek aprēķinātas, pamatojoties uz DPCM rezultātu absolūto vērtību summu.

Ierosinātā MDPCM priekšrocības ir šādas. Pirmkārt, tā kā DPCM un DDPCM tiek lietoti gan horizontāli, gan vertikāli, tas ir paredzēts attēliem, kuriem ir gan horizontālas, gan vertikālas telpiskās vietas.

Otrkārt, tā kā piedāvātajam algoritmam tiek izmantots DDPCM, kas veic papildu DPCM, tas tiek prognozēts attēlam ar ātro pikseļu atšķirību. Visbeidzot, pieskaitāmās izmaksas MDPCM lietošanai ir tikai 2 biti, kas ir ļoti maz.

4 Piedāvātā bezzudumu saspiešanas aparatūras arhitektūra

Šī sadaļa iepazīstina ar piedāvāto bezzudumu saspiešanas aparatūras arhitektūru un detalizēti apraksta katru konfigurācijas moduli un tā darbības plūsmu.

4.1. Ierosinātās bezzudumu kompresijas vispārējā aparatūras arhitektūra

Kā parādīts 2. attēlā, piedāvātā bezzudumu saspiešanas aparatūras arhitektūra sastāv no šādām vienībām: MDPCM vienība MDPCM izpildei; zīmju pārveidotāja vienība negatīvas vērtības pārvēršanai no DPCM rezultātiem pozitīvā vērtībā; datu pakotnes vienība saspiestu datu iepakošanai; paralēlāVSC kodēšanas vienība; K sadalītāja bloks; izmaksu aprēķina vienība K vērtību dalīšanas rezultātam; un paralēla GR kodētāja vienība GR paralēlai kodēšanai.

4.2. Ierosinātās bezzudumu dekompresijas vispārējā aparatūras arhitektūra

3. attēlā parādīta kopējā piedāvātā bezzudumu dekompresijas aparatūras arhitektūra, kas sastāv no šādām vienībām: paralēla InvMDPCM vienība paralēlai apgrieztai MDPCM veikšanai; zīmju pārveidotāja bloks zīmju konvertēšanai, izmantojot zīmju datus un lieluma datus; paralēls GR dekodēšanas bloks GR dekodēšanai paralēli; nulles detektora vienība, lai pārbaudītu, vai DPCMerror vērtība ir 0; paralēlu VSC dekodera bloku VSC dekodēšanas paralēlai veikšanai; datu izsaiņošanas vienība, kas atspiež saspiestos datus; un mainīga unāra/VSC sadalītāja vienība, kas sadala VSC un unāros datus. Ierosinātās bezzudumu dekompresijas aparatūra tiek veikta šādi.

Pirmkārt, lai atspiestu saspiestos datus, datu izpakošanas vienība izpako ievades datus. Nesadalītie unārie VSC dati, kas saņemti no izpakošanas vienības, tiek sadalīti unārajos datos un VSC datos unārajā VSC sadalītāja blokā.

Sadalītie unārie dati tiek pārsūtīti uz paralēlo GR dekodera bloku un nulles detektora bloku, savukārt sadalītie VSC dati tiek pārsūtīti uz paralēlo VSC dekodera bloku.

Nulles detektora bloks pārbauda, ​​vai DPCM kļūdas vērtība ir nulle, pamatojoties uz unārajiem datiem un pārējiem datiem. Nulles noteikšanas rezultāts tiek nogādāts paralēlajā VSC dekodētāja ierīcē, kas rekonstruē parakstītos datus, izmantojot saņemto nulles noteikšanas rezultātu, un atkodē VSC. Unāros datus paralēli dekodē paralēlā GR dekodētāja vienība, lai atjaunotu koeficienta datus.

Lieluma dati tiek atjaunoti, pamatojoties uz saglabātajiem koeficienta datiem un atlikušajiem datiem. Kad zīme un lieluma dati ir atjaunoti, zīmju pārveidotāja ierīce rekonstruē DPCM kļūdas vērtību. Visbeidzot, paralēlā InvMDPCM ierīce darbojas paralēli DPCM režīmam, pamatojoties uz sākuma un DPCM kļūdu vērtībām, lai rekonstruētu pikseļu datus.

5 eksperimentālie rezultāti

Šajā sadaļā ir apkopoti piedāvātā algoritma un aparatūras arhitektūras simulācijas rezultāti. Veiktspēja tiks mērīta pēc algoritma saspiešanas ātruma un kopnes joslas platuma aparatūras struktūrā.

5.1 Kompresijas pakāpe

Šajā rakstā mēs izmērām saspiesto attēlu saspiešanas pakāpi (CR), lai pārbaudītu bezzudumu saspiešanas algoritma efektivitāti. CR attiecas uz saspiestā attēla izmēru uz oriģinālā attēla izmēru, un jo augstāks ir CR, jo efektīvāks ir saspiešanas algoritms. CR vienādojums ir šāds.

CR =Sākotnējais attēla izmērs Saspiesta attēla izmērs (3)

Lai iegūtu CR mērījumus ierosinātajā bezzudumu saspiešanas algoritmā un aparatūras arhitektūrā, tika izmantotas septiņas augstas efektivitātes video kodēšanas (HEVC) etalonu A un B klases attēlu sekvences.

Piedāvātais bezzudumu saspiešanas algoritms tika salīdzināts ar tiem, kas izstrādāti [4, 5] un [6]. 1. tabulā parādīts piedāvātā algoritma vidējais CR un [4, 5] un [6] visiem HEVC attēlu secību kadriem. .

Eksperimentālie rezultāti HEVC attēlu secībām parāda, ka piedāvātā bezzudumu saspiešanas algoritma vidējās CR vērtības ir attiecīgi 1,99, 1,63, 1,92 un 1,91, attiecīgi [4, 5] un [6].

Piedāvātais bezzudumu saspiešanas algoritms sasniedz augstāku CR visās HEVC attēlu secībās nekā citi algoritmi. Piedāvātajam MDPCM algoritmam ir 2-bitu pieskaitāmās prasības, lai saglabātu DPCM režīma informāciju. Kā parādīts 1. tabulas eksperimentālajos rezultātos, ir skaidrs, ka ierosinātā MDPCM algoritma prognozēšanas funkciju rezultātu palielinātais saspiešanas ātrums ir pietiekams, lai izpildītu pieskaitāmās prasības.

5.2. Kopnes joslas platuma veiktspējas analīze

Ierosinātā saspiešanas algoritma CR var ierobežot kopnes joslas platums, jo datiem, kas tiek pārraidīti pa kopni, jābūt saskaņotiem ar tā platumu. Tāpēc dati, kas tiek pārsūtīti pa kopni, var zaudēt CR tiktāl, ciktāl ir saskaņoto datu joslas platums.

Lai to analizētu, mēs izmērījām satiksmes ainas faktisko vidējo CR ar pieciem dažādiem autobusu joslas platumiem 8, 16, 32, 64 un 128 bitiem. 4. attēlā parādīti faktisko CR eksperimentālie rezultāti uz tiem.

Šeit faktiskais CR ir ierobežots līdz 128-bitu kopnes platumam, kas ir visizplatītākais joslas platums. Tomēr faktiskais CR 8-bitu kopnes platumā ir līdzīgs ideālajam 1-bitona gadījumam, kas nozīmē, ka piedāvātās bezzudumu saspiešanas aparatūras veiktspēja ir laba 8-bitā. autobusu joslas platums. Līdz ar to piedāvātā bezzudumu saspiešanas aparatūra var samazināt kopnes joslas platuma prasības.

6 Secinājums

Šajā rakstā ir piedāvāts bezzudumu saspiešanas algoritms un aparatūras arhitektūra, lai samazinātu atmiņas joslas platuma prasības. Piedāvātajai aparatūras arhitektūrai ir liels apstrādes ātrums, jo saspiešanas un dekompresijas darbības var veikt paralēli.

Turklāt augsts CR tika sasniegts, uzlabojot esošā algoritma prognozēšanas funkciju. Prognozēšanas funkcijai ir arī uzlabota veiktspēja, atspoguļojot gan DPCM, gan DDPCM priekšrocības. Mēs izmantojām HEVC attēlu secību kā etalonu, lai pārbaudītu piedāvātā algoritma un aparatūras arhitektūras veiktspēju.

Eksperimenta rezultātā mēs panācām vidējo CR 1,99 HEVC attēlu secības A un B klasē. Ar to tika pārbaudīta piedāvātā bezzudumu saspiešanas arhitektūra, lai sasniegtu augstāku CR nekā salīdzināšanas algoritmi. Turklāt, tā kā šī pētījuma algoritms sasniedz augstu CR, piedāvātā bezzudumu saspiešanas aparatūra var samazināt kopnes joslas platuma prasības.

Tādējādi piedāvātā bezzudumu saspiešanas aparatūra ir piemērota lietojumprogrammām, kurām nepieciešams liels atmiņas joslas platums un piekļuve atmiņai, piemēram, GPU un augstas izšķirtspējas video procesori.

Atzinība

Šo pētījumu daļēji atbalstīja MOTIE (Tirdzniecības, rūpniecības un enerģētikas ministrija) (10080568, Embedded GP-GPU izstrāde dziļai mācīšanās balstītai apstākļu atpazīšanai) un KSRC (KoreaSemiconductor Research Consortium) atbalsta programma nākotnes pusvadītāju ierīces izstrādei. . EDA rīku atbalstīja ICDesign izglītības centrs (IDEC), Koreja.

Atsauces

[1] D. Burger, JR Goodman, A. Kagi, “Limited bandwidth to influenceprocessor design”, IEEE Micro, sēj. 17, Nr. 6, 55.–62.lpp., 1997. gada nov.

[2] H. David, E. Gorbatov, UR Hanebute, R. Khanna, C. Le, "RAPL: atmiņas jaudas novērtējums un ierobežojums", 2010. gadā ACM/IEEE Starptautiskais mazjaudas elektronikas un dizaina simpozijs (ISLPED), lpp. 189–194, 2010. gada augusts.

[3] ARM Mali GPU OpenGL ES lietojumprogrammu optimizācijas rokasgrāmata, pieejama.https://developer.arm.com/docs/dui0555/b/optimization-checklist/the-checklist/reduce-memory-bandwidth-usage

[4] H.-S. Kims, J.-H. Lī, H.-J. Kims, S.-H. Kangs, W.-C. Park, 'A LosslessColor Image Compression Architecture Izmantojot paralēlo Golomb-Rice Hardware Codec', IEEE Transactions on Circuits and Systems for VideoTechnology, sēj. 21, Nr. 11, 1581.–1587. lpp., 2011. gada nov.

[5] J. Lee, J. Yun, J. Lee, I. Hwang, D. Hong, Y. Kim, CG Kim, W.-C. Park, “Efektīvs algoritms un arhitektūra augstas caurlaidības bezzudumu augstas izšķirtspējas attēlu saspiešanai”, IEEEAccess, sēj. 7, 1. izdevums, 138803.–138815. lpp. 2019. gada septembris.

[6] L. Guo, D. Džou, S. Goto, “Jauns atsauces kadru rekompresijas algoritms un tā VLSI arhitektūra UHD TV video kodekam”, IEEETransactions on Multimedia, sēj. 16, 2323.–2332. lpp., 2014. gada decembris.

[7] AD Mitra, PK Srimani, “Diferenciālā impulsa koda modulācija”, Int. J.Electron., sēj. 46, 633.–637. lpp., 1972. gada jūnijs.

[8] S. Moreins, “ATI Radeon hyper technology”, Proceedings of theGraphics Hardware, 2000. gads.

[9] D. Silveira, G. Povala, L. Amaral, B. Zatt, L. Agostini, M. Proto, “Efficient reference frame kompression shēma video kodēšanas sistēmai: algoritms un VLSI dizains”, Journal of Real-Time Image Apstrāde 16, lpp. 391–411, 2019.

[10] Yu-Hsuan Lee, Tzu-Chieh Chen, Hsuan-Chi Liang, Jian-Xiang Liao, “FAST-C Image Corner DetectionEngine algoritms un arhitektūra”, ļoti liela mēroga integrācijas (VLSI) sistēmas IEEE Transactionon, sēj. 29, Nr. 4, 788.–799. lpp., 2021. gads.

[11] Sungchul Yoon, Sungho Jun, Yongkwon Cho, Kilwhan Lee, HyukjaeJang, Tae Hee Han, “Optimized Lossless Embedded Compression for Mobile Multimedia Applications”, Electronics, sēj. 9. lpp. 868, 2020. gads.

[12] Yu-Hsuan Lee, Cheng-Hung Kuei, Yue-Zhan Kao, Shih-Song Fan Jiang, “Algoritm un VLSI arhitektūras modeļi bezzudumu iegultās kompresijas kodētājam HD video kodēšanas sistēmām”, žurnāls par ķēdēm, sistēmām un datoriem , 2020. gads.

For more information:1950477648nn@gmail.com