Algorisme i arquitectura de compressió sense pèrdues per a un requisit d'ample de banda de memòria reduït amb una predicció millorada basada en l'algorisme múltiple de Golomb-Rice DPCM
Jun 19, 2024
Resum
En un entorn informàtic, les resolucions més altes generalment requereixen més amplada de banda de memòria, la qual cosa comporta, inevitablement, un major consum d'energia.
Això pot arribar a ser crític per al rendiment global dels dispositius mòbils i les unitats de processadors gràfics amb quantitats més grans d'accés a memòria i amplada de banda de memòria.
Hi ha una estreta relació entre l'entorn i la memòria. L'entorn en què les persones viuen i treballen afectarà la salut física i mental i el desenvolupament i rendiment de la memòria.
En primer lloc, un bon entorn pot promoure el desenvolupament de les capacitats de pensament i percepció de les persones. L'entorn de treball i aprenentatge ha de ser tranquil, ordenat, càlid i còmode, per millorar eficaçment l'atenció i la concentració de les persones, facilitant que les persones es concentrin en pensar i recordar. Si l'entorn és sorollós, caòtic o ple de gent, el cervell humà es veurà pertorbat, afectant l'efecte de l'aprenentatge i la memòria.
En segon lloc, un entorn positiu pot promoure la formació d'una mentalitat positiva i emocions positives. Un estat mental positiu millorarà eficaçment la consciència i la cognició de les persones i millorarà la creativitat i la memòria de les persones. Al contrari, un entorn negatiu i depriment farà que les persones perdin emocions positives i confiança, afectant així la funció de memòria de les persones.
Finalment, un entorn segur i saludable pot garantir la salut del cos i el cervell de les persones, millorant així de manera efectiva la memòria. El cos i la ment necessiten descansar i fer exercici suficient per proporcionar millor energia i suport per a la funció de memòria. Al mateix temps, la contaminació i les toxines del medi ambient afectaran directament la salut física i cerebral de les persones i acceleraran la disminució de la memòria.
En definitiva, un bon entorn és una condició important perquè desenvolupem la memòria. Un entorn d'aprenentatge i treball ajustat, una mentalitat i emocions positives i saludables i un entorn de vida saludable i segur poden promoure activament el desenvolupament i la millora de la memòria de les persones. Es pot veure que hem de millorar la memòria, i Cistanche pot millorar significativament la memòria perquè Cistanche també pot regular l'equilibri de neurotransmissors, com l'augment dels nivells d'acetilcolina i factors de creixement, que són molt importants per a la memòria i l'aprenentatge. A més, Cistanche també pot millorar el flux sanguini i promoure el lliurament d'oxigen, cosa que pot garantir que el cervell obtingui suficient nutrició i energia, millorant així la vitalitat i la resistència del cervell.
Feu clic a conèixer maneres de millorar la funció cerebral
Aquest article proposa un algorisme de compressió sense pèrdues amb un codi de signe variable de modulació de codi de pols diferencial múltiples Golomb-Rice per reduir el requisit d'amplada de banda de memòria. L'eficiència de la modulació de codi de pols diferencial múltiple proposada es millora seleccionant el mode de modulació de codi de pols diferencial òptim.
Els resultats experimentals mostren una relació de compressió d'1,99 per a seqüències d'imatges de codificació de vídeo d'alta eficiència i que el maquinari de compressió sense pèrdues proposat pot reduir el requisit d'amplada de banda del bus.
Paraules clau: compressió d'imatges sense pèrdues, arquitectura de maquinari, reducció de l'ample de banda de memòria.
1 Introducció
A mesura que la resolució dels últims dispositius mòbils i unitats de processador gràfic (GPU) augmenta ràpidament, també augmenta l'amplada de banda de memòria necessària per accedir a les imatges emmagatzemades a la memòria intermèdia.
Aquest augment de la quantitat d'accés a la memòria influeix en el rendiment global i el consum d'energia [1, 2, 9–11], així com la utilització de l'ample de banda de la memòria [3, 12]. Amb aquesta finalitat, els mètodes de compressió de framebuffer sense pèrdues i de reducció d'amplada de banda de memòria podrien ser maneres efectives d'equipar un bus d'alt rendiment com a IP.
S'han realitzat molts estudis amb aquesta finalitat [4–6]; l'algoritme de compressió sense pèrdues amb codificació de codi de pols diferencial de modulació de Golomb-Rice (DDPCM-GR), l'algoritme de compressió d'imatges sense pèrdues d'alt rendiment amb codificació variable de codi de senyal de modulació de codi de pols diferencial (DPCM-VSC GR) i l'algoritme de recompressió amb una mitjana de mode DPCM múltiple La codificació de longitud semifixada (MDA-SFL) es va proposar a [4, 5] i [6], respectivament.
Aquest article proposa un algorisme de compressió sense pèrdues amb un codi de signe variable múltipleDPCM (MDPCM) GR per reduir el requisit d'amplada de banda de memòria. L'algorisme utilitza MDPCM per a la predicció i el codi de signe variable (VSC) GR per a la codificació d'entropia [5]. L'estructura del document és la següent. La secció 2 ofereix una visió general dels estudis previs relacionats amb el tema d'aquest treball.
La secció 3 presenta l'algorisme MDPCM-GR proposat. La secció 4 presenta l'arquitectura de maquinari de compressió sense pèrdues proposada. La secció 5 presenta l'algorisme proposat i els resultats de la verificació del rendiment del maquinari. La conclusió es dóna a la secció 6.
2 Antecedents
En aquesta secció, revisem els treballs relacionats amb l'algoritme i l'arquitectura de maquinari que proposem. Tots els estudis inclosos suggereixen que han millorat el rendiment basat en l'algorisme DPCM.
2.1 Algorisme DPCM
DPCM [7] és un algorisme àmpliament adoptat per a la compressió de dades reversible. Consisteix en l'etapa de predicció i la codificació d'entropia dels resultats d'error de predicció. La mida de les dades dels píxels d'entrada es pot reduir utilitzant les característiques de localitat espacial de la imatge.
DDPCM [8] és l'algorisme proposat per ATI per reduir la mida de les dades Z en gràfics 3D millorant el DPCM. L'algorisme DDPCM calcula els valors diferencials per a les direccions de l'eix X i l'eix Y basant-se en els resultats de l'algorisme DPCM.
2.2 DDPCM-GR
DDPCM-GR [4] és l'algoritme de compressió sense pèrdues que realitza DDPCM com a funció de predicció i codificació GR per a la codificació d'entropia per a k fix, on k és 2. Per al bloc de processament de la imatge original, s'aplica DDPCM.
Per a les dades d'error de DDPCM, es realitza la codificació GR. La codificació GR és un mètode de codificació entropia que aplica la codificació unària al quocient q, on el valor d'entrada N es divideix pel paràmetre M i la resta s'emmagatzema com a dades binàries.
2.3 DPCM-VSC GR
DPCM-VSC GR [5] és l'algoritme de compressió d'alt rendiment que realitza DPCM com a funció de predicció i codificació VSC GR per a la codificació entròpica. Per al bloc de processament de la imatge original, s'aplica DPCM 2D.
El valor del quocient es calcula dividint el valor resultant de DPCM pel valor de $ 2 ∧ k $, on k=0, 1, 2, 3. Els valors VSC i els valors del codi unari s'obtenen mitjançant la codificació GR i VSC.
Les longituds de les dades comprimides i el bloc original es comparen un cop s'hagin completat totes les etapes. Si la longitud de les dades de compressió és menor que la del bloc original, les dades comprimides es generen empaquetant totes les dades relacionades.
Les dades relacionades consisteixen en el valor K, el valor del mode DPCM, el valor del primer factor, el valor restant, el valor de dades unàries i les dades variables d'un signe. Si el bloc original és més llarg que les dades comprimides, les dades comprimides no s'utilitzen i el bloc original es manté.
3 Algoritme de compressió sense pèrdues proposat
Aquesta secció presenta el flux d'execució de l'algorisme múltiple DPCMGR (MDPCM-GR) proposat per a la compressió i la descompressió.
3.1 Procés global de l'algoritme de compressió i descompressió proposat
L'algorisme MDPCM-GR proposat consta d'un compressor que comprimeix les dades originals i un descompressor que restaura les dades comprimides. El procés de compressió es desenvolupa de la següent manera.
Primer, MDPCM s'executa a partir de les dades del bloc original, després de la qual cosa es selecciona el mode DPCM amb el cost més baix entre els costos DPCM calculats. Finalment, la codificació VSC GR [5] es realitza sobre els valors d'error de MDPCM. La descompressió segueix el procés invers de compressió. La figura 1 mostra esquemes d'aquests processos.
3.2 Algorisme DPCM múltiple
L'algorisme MDPCM proposat pot seleccionar un mode DPCM amb un cost mínim realitzant quatre DPCM direccionals diferents; com ara DPCM horitzontal i vertical i DDPCM.
El MDPCM proposat utilitza DDPCM vertical i horitzontal, que es realitzen en funció del DPCM vertical i horitzontal, respectivament. Quan es realitza DDPCM, es selecciona la funció de predicció òptima com a resultat de la funció de predicció i el cost de codificació d'entropia per al resultat de la funció de predicció es calcula a partir de la suma dels valors absoluts dels resultats DPCM.
Els beneficis del MDPCM proposat són els següents. En primer lloc, com que el DPCM i el DDPCM s'apliquen tant horitzontalment com verticalment, es preveu per a imatges que tenen localitats espacials tant horitzontals com verticals.
En segon lloc, com que el DDPCM, que realitza un DPCM addicional, s'aplica a l'algoritme proposat, es preveu per a la imatge amb una diferència ràpida de píxels. Finalment, la sobrecàrrega per aplicar MDPCM és de només 2 bits, la qual cosa és molt baixa.
4 Arquitectura de maquinari de compressió sense pèrdues proposada
Aquesta secció presenta l'arquitectura de maquinari de compressió sense pèrdues proposada i descriu cada mòdul de la configuració i el seu flux operatiu en detall.
4.1 Arquitectura de maquinari general de la compressió sense pèrdues proposada
Com es mostra a la figura 2, l'arquitectura de maquinari de compressió sense pèrdues proposada consta de les unitats següents: una unitat MDPCM per a l'execució de MDPCM; una unitat convertidora de signes per convertir un valor negatiu dels resultats DPCM en un valor positiu; una unitat d'empaquetament de dades per empaquetar dades comprimides; unitat de codificació paral·lel VSC; una unitat divisora K; una unitat de càlcul de costos per al resultat de dividir els valors de K; i una unitat de codificació GR paral·lel per a la codificació GR paral·lel.
4.2 Arquitectura de maquinari general de la descompressió sense pèrdues proposada
La figura 3 mostra l'arquitectura global de maquinari de descompressió sense pèrdues proposada, que consta de les unitats següents: una unitat InvMDPCM paral·lela per realitzar MDPCM inversa paral·lel; una unitat convertidora de signes per a la conversió de signes mitjançant dades de signes i dades de magnitud; una decodificació GR paral·lela per a la descodificació GR en paral·lel; una unitat detector zero per comprovar si el valor DPCMerror és 0; una unitat descodificadora VSC paral·lela per realitzar la descodificació VSC en paral·lel; una unitat de desempaquetat de dades que descomprimeix les dades comprimides; i unitat divisor unària/VSC variable que divideix les dades VSC i unàries. El maquinari de la descompressió sense pèrdues proposada es realitza de la següent manera.
Primer, per descomprimir les dades comprimides, la unitat de desempaquetat de dades desempaqueta les dades d'entrada. Les dades VSC unàries no dividides rebudes de la unitat de desembalatge es divideixen en dades unàries i dades VSC a la unitat divisora VSC unària.
Les dades unàries dividides es transmeten a la unitat descodificadora GR paral·lel i a la unitat detector zero, mentre que les dades VSC dividides es transmeten a la unitat decodificadora VSC paral·lel.
La unitat detector zero comprova si el valor d'error DPCM és zero en funció de les dades unàries i de la resta. El resultat de detecció zero es lliura al dispositiu descodificador VSC paral·lel, que reconstrueix les dades signades mitjançant el resultat de detecció zero rebut i descodifica el VSC. Les dades unàries es descodifiquen en paral·lel per la unitat descodificadora GR paral·lel per restaurar les dades del quocient.
Les dades de magnitud es restauren a partir de les dades de quocients emmagatzemades i les dades de la resta. Quan es restableixen les dades del signe i la magnitud, la unitat convertidora de signes reconstrueix el valor d'error DPCM. Finalment, la unitat InvMDPCM paral·lela funciona en paral·lel al mode DPCM basat en valors d'error DPCM i llavor per reconstruir les dades de píxels.
5 Resultats experimentals
En aquesta secció, es resumeixen els resultats de la simulació de l'algorisme i l'arquitectura de maquinari proposats. El rendiment es mesurarà per la taxa de compressió de l'algorisme i l'ample de banda del bus a l'estructura de maquinari.
5.1 Relació de compressió
En aquest article, mesurem la relació de compressió (CR) de les imatges comprimides per verificar l'eficiència de l'algorisme de compressió sense pèrdues. CR fa referència a la mida d'imatge comprimida per mida d'imatge original i com més gran sigui el CR, més eficient és l'algorisme de compressió. L'equació del CR és la següent.
CR =Mida de la imatge original Mida de la imatge comprimida(3)
Es van utilitzar set seqüències d'imatges de classe A i B de punts de referència de codificació de vídeo d'alta eficiència (HEVC) per obtenir mesures de CR a l'algoritme de compressió sense pèrdues i l'arquitectura de maquinari proposats.
L'algorisme de compressió sense pèrdues proposat es va comparar amb els desenvolupats a [4, 5] i [6]. La taula 1 mostra el CR mitjà de l'algorisme proposat i de [4, 5] i [6] per a tots els fotogrames de les seqüències d'imatges HEVC. .
Els resultats experimentals de les seqüències d'imatges HEVC mostren que els valors CR mitjans són 1,99, 1,63, 1,92 i 1,91 per a l'algorisme de compressió sense pèrdues proposat, [4, 5] i [6] respectivament.
L'algoritme de compressió sense pèrdues proposat aconsegueix un CR més gran en totes les seqüències d'imatges HEVC que els altres algoritmes. L'algorisme MDPCM proposat té un requisit de sobrecàrrega de 2-bit per emmagatzemar la informació del mode DPCM. Com es mostra als resultats experimentals de la taula 1, és clar que l'augment de la taxa de compressió dels resultats de la funció de predicció de l'algorisme MDPCM proposat és suficient per complir el requisit de sobrecàrrega.
5.2 Anàlisi del rendiment de l'ample de banda del bus
El CR de l'algorisme de compressió proposat pot estar limitat per l'amplada de banda del bus perquè les dades transmeses a través del bus s'han d'alinear a la seva amplada. Per tant, les dades transmeses a través del bus poden perdre el CR tant com l'ample de banda de les dades alineades.
Per analitzar-ho, vam mesurar el CR mitjà real de l'escena del trànsit amb cinc amplades de banda diferents de bus de 8, 16, 32, 64 i 128 bits. La figura 4 mostra els resultats experimentals dels CR reals sobre ells.
Aquí, el CR real es limita a una amplada de bus de 128-bits, l'amplada de banda més habitual. Tanmateix, el CR real a l'amplada del bus de 8-bit és similar al cas ideal del 1-bitone, la qual cosa significa que el rendiment del maquinari de compressió sense pèrdues proposat és bo al bit de 8- ample de banda del bus. En conseqüència, el maquinari de compressió sense pèrdues proposat pot reduir els requisits d'amplada de banda del bus.
6 Conclusió
En aquest article, es proposa un algorisme de compressió sense pèrdues i una arquitectura de maquinari per reduir els requisits d'amplada de banda de memòria. L'arquitectura de maquinari proposada té una alta velocitat de processament perquè els passos de compressió i descompressió es poden realitzar en paral·lel.
A més, es va aconseguir un CR elevat millorant la funció de predicció de l'algoritme existent. La funció de predicció també ha millorat el rendiment, reflectint els avantatges tant de DPCM com de DDPCM. Hem utilitzat la seqüència d'imatges HEVC com a referència per verificar el rendiment de l'algoritme i l'arquitectura de maquinari proposats.
Com a resultat de l'experiment, vam aconseguir un CR mitjà d'1,99 a les classes A i B de la seqüència d'imatges HEVC. Amb això, es va verificar l'arquitectura de compressió sense pèrdues proposada per aconseguir un CR més alt que els algorismes de comparació. A més, com que l'algorisme d'aquest estudi aconsegueix un CR elevat, el maquinari de compressió sense pèrdues proposat pot reduir els requisits d'amplada de banda del bus.
Per tant, el maquinari de compressió sense pèrdues proposat és adequat per a aplicacions que requereixen un gran ample de banda de memòria i accés a memòria, com ara GPU i processadors de vídeo d'alta resolució.
Reconeixement
Aquesta investigació va comptar amb el suport parcial del MOTIE (Ministeri de Comerç, Indústria i Energia) (10080568, Desenvolupament de la GP-GPU incrustada per al reconeixement de circumstàncies basat en aprenentatge profund) i el programa de suport KSRC (KoreaSemiconductor Research Consortium) per al desenvolupament del futur dispositiu semiconductors. . L'eina EDA va comptar amb el suport de l'ICDesign Education Center (IDEC), Corea.
Referències
[1] D. Burger, JR Goodman, A. Kagi, 'Ample de banda limitat per afectar el disseny del processador', IEEE Micro, vol. 17, núm. 6, pàgines 55–62, novembre de 1997.
[2] H. David, E. Gorbatov, UR Hanebutte, R. Khanna, C. Le, 'RAPL:estimació i limitació de la potència de la memòria', el 2010 ACM/IEEE International Symposium on Low-Power Electronics and Design (ISLPED), pp. 189–194, agost de 2010.
[3] Guia d'optimització d'aplicacions ARM Mali GPU OpenGL ES, disponible a.https://developer.arm.com/docs/dui0555/b/optimization-checklist/the-checklist/reduce-memory-bandwidth-usage
[4] H.-S. Kim, J.-H. Lee, H.-J. Kim, S.-H. Kang, W.-C. Park, 'A LosslessColor Image Compression Architecture Using a Parallel Golomb-RiceHardware Codec', IEEE Transactions on Circuits and Systems for VideoTechnology, vol. 21, núm. 11, pàgines 1581–1587, novembre de 2011.
[5] J. Lee, J. Yun, J. Lee, I. Hwang, D. Hong, Y. Kim, CG Kim, W.-C. Park, "Un algorisme i una arquitectura eficaços per a la compressió sense pèrdues d'alt rendiment d'imatges d'alta resolució", IEEEAccess, vol. 7, número 1, pàgines 138803–138815. Setembre 2019.
[6] L. Guo, D. Zhou, S. Goto, 'A new reference frame recompressionalgorithm and its VLSI architecture for UHD TV video codec', IEEETransactions on Multimedia, vol. 16, pàgines 2323–2332, desembre de 2014.
[7] AD Mitra, PK Srimani, 'Modulació de codi de pols diferencial', Int. J.Electron., vol. 46, pàgines 633–637, juny de 1972.
[8] S. Morein, 'ATI Radeon hyper technology', In Proceedings of theGraphics Hardware, 2000.
[9] D. Silveira, G. Povala, L. Amaral, B. Zatt, L. Agostini, M. Proto, 'Efficient reference frame compression scheme for video coding system: algorithm and VLSI design', Journal of Real-Time Image Processament 16, pp. 391–411, 2019.
[10] Yu-Hsuan Lee, Tzu-Chieh Chen, Hsuan-Chi Liang, Jian-Xiang Liao, 'Algorithm and Architecture Design of FAST-C Image Corner DetectionEngine', Very Large Scale Integration (VLSI) System IEEE Transactionon, vol. 29, núm. 4, pàgines 788–799, 2021.
[11] Sungchul Yoon, Sungho Jun, Yongkwon Cho, Kilwhan Lee, HyukjaeJang, Tae Hee Han, 'Optimized Lossless Embedded Compression for Mobile Multimedia Applications', Electronics, vol. 9, pàg. 868, 2020.
[12] Yu-Hsuan Lee, Cheng-Hung Kuei, Yue-Zhan Kao, Shih-Song Fan Jiang, "Algorithm and VLSI Architecture Designs of A Lossless Embedded Compression Encoder for HD Video Coding Systems", Journal ofCircuits, Systems, and Computers , 2020.
For more information:1950477648nn@gmail.com
