Algoritma dan Seni Bina Mampatan Tanpa Kehilangan Untuk Keperluan Lebar Jalur Memori yang Dikurangkan Dengan Ramalan Yang Diperbaiki Berdasarkan Berbilang Algoritma Golomb-Rice DPCM
Jun 19, 2024
Abstrak
Dalam persekitaran pengkomputeran, resolusi yang lebih tinggi secara amnya memerlukan lebih lebar jalur memori, yang tidak dapat dielakkan membawa kepada penggunaan kuasa yang lebih banyak.
Ini mungkin menjadi kritikal untuk prestasi keseluruhan peranti mudah alih dan unit pemproses grafik dengan peningkatan jumlah akses memori dan lebar jalur memori.
Terdapat hubungan rapat antara persekitaran dan ingatan. Persekitaran di mana orang tinggal dan bekerja akan menjejaskan kesihatan fizikal dan mental serta perkembangan dan prestasi ingatan.
Pertama sekali, persekitaran yang baik dapat menggalakkan perkembangan pemikiran dan kebolehan persepsi manusia. Persekitaran kerja dan pembelajaran hendaklah senyap, kemas, hangat dan selesa, untuk meningkatkan perhatian dan tumpuan orang ramai secara berkesan, menjadikannya lebih mudah untuk orang ramai menumpukan perhatian pada pemikiran dan ingatan. Sekiranya persekitaran bising, huru-hara, atau sesak, maka otak manusia akan terganggu sehingga menjejaskan kesan pembelajaran dan ingatan.
Kedua, persekitaran yang positif boleh menggalakkan pembentukan mentaliti positif dan emosi positif. Keadaan mental yang positif akan meningkatkan kesedaran dan kognisi orang dengan berkesan, dan meningkatkan kreativiti dan ingatan orang ramai. Sebaliknya, persekitaran yang negatif dan menyedihkan akan menyebabkan seseorang kehilangan emosi dan keyakinan yang positif, seterusnya menjejaskan fungsi ingatan manusia.
Akhir sekali, persekitaran yang selamat dan sihat dapat memastikan kesihatan badan dan otak manusia, seterusnya meningkatkan daya ingatan dengan berkesan. Badan dan minda perlu mendapatkan rehat dan senaman yang cukup untuk memberikan tenaga dan sokongan yang lebih baik untuk fungsi ingatan. Pada masa yang sama, pencemaran dan toksin dalam alam sekitar secara langsung akan menjejaskan kesihatan fizikal dan otak manusia dan mempercepatkan penurunan daya ingatan.
Pendek kata, persekitaran yang baik adalah syarat penting untuk kita mengembangkan daya ingatan. Persekitaran pembelajaran dan kerja yang diselaraskan, mentaliti dan emosi yang positif dan sihat, dan persekitaran hidup yang sihat dan selamat semuanya boleh menggalakkan perkembangan dan peningkatan daya ingatan manusia secara aktif. Ia dapat dilihat bahawa kita perlu meningkatkan ingatan, dan Cistanche boleh meningkatkan ingatan dengan ketara kerana Cistanche juga boleh mengawal keseimbangan neurotransmitter, seperti meningkatkan tahap asetilkolin dan faktor pertumbuhan, yang sangat penting untuk ingatan dan pembelajaran. Selain itu, Cistanche juga boleh meningkatkan aliran darah dan menggalakkan penghantaran oksigen, yang dapat memastikan otak memperoleh nutrisi dan tenaga yang mencukupi, seterusnya meningkatkan daya hidup dan daya tahan otak.
Klik tahu cara untuk meningkatkan fungsi otak
Makalah ini mencadangkan algoritma mampatan tanpa kerugian dengan pelbagai kod nadi pembezaan modulasi kod tanda pembolehubah Golomb-Rice untuk mengurangkan keperluan lebar jalur memori. Kecekapan modulasi kod nadi pembezaan berbilang yang dicadangkan dipertingkatkan dengan memilih mod modulasi kod nadi pembezaan yang optimum.
Keputusan eksperimen menunjukkan nisbah mampatan 1.99 untuk jujukan imej pengekodan video berkecekapan tinggi dan perkakasan mampatan tanpa kehilangan yang dicadangkan boleh mengurangkan keperluan jalur lebar bas.
Kata kunci: Pemampatan imej tanpa kerugian, seni bina perkakasan, pengurangan lebar jalur memori.
1 Pengenalan
Memandangkan resolusi peranti mudah alih dan unit pemproses grafik (GPU) terkini meningkat dengan cepat, lebar jalur memori yang diperlukan untuk mengakses imej yang disimpan dalam penimbal bingkai juga meningkat.
Jumlah akses memori yang meningkat ini mempengaruhi prestasi keseluruhan dan penggunaan kuasa [1, 2, 9–11], begitu juga penggunaan lebar jalur memori [3, 12]. Untuk tujuan ini, kaedah pemampatan framebuffer tanpa kehilangan dan pengurangan lebar jalur memori boleh menjadi cara yang berkesan untuk melengkapkan bas berprestasi tinggi sebagai IP.
Banyak kajian telah dijalankan untuk tujuan ini [4–6]; algoritma pemampatan tanpa kehilangan dengan modulasi kod nadi pembezaan Pengekodan Golomb-Rice (DDPCM-GR), algoritma pemampatan imej tanpa kehilangan throughput tinggi dengan kod nadi pembezaan modulasi kod isyarat pembolehubah pengekodan GR (DPCM-VSC GR), dan algoritma pemampatan semula dengan purata mod DPCM berbilang pengekodan panjang separa tetap (MDA-SFL) masing-masing dicadangkan dalam [4, 5], dan [6].
Makalah ini mencadangkan algoritma pemampatan tanpa kerugian dengan kod tanda pembolehubah berbilangDPCM (MDPCM) GR untuk mengurangkan keperluan lebar jalur memori. Algoritma menggunakan MDPCM untuk ramalan dan kod tanda berubah (VSC) GR untuk pengekodan entropi [5]. Struktur kertas adalah seperti berikut. Bahagian 2 memberikan gambaran keseluruhan kajian terdahulu yang berkaitan dengan subjek kerja ini.
Bahagian 3 memperkenalkan algoritma MDPCM-GR yang dicadangkan. Bahagian 4 membentangkan seni bina perkakasan pemampatan lossless yang dicadangkan. Bahagian 5 membentangkan keputusan pengesahan prestasi algoritma dan perkakasan yang dicadangkan. Kesimpulannya diberikan dalam Bahagian 6.
2 Latar Belakang
Dalam bahagian ini, kami menyemak kerja yang berkaitan dengan cadangan algoritma dan seni bina perkakasan kami. Semua kajian yang disertakan mencadangkan bahawa mereka telah meningkatkan prestasi berdasarkan algoritma DPCM.
2.1 Algoritma DPCM
DPCM [7] ialah algoritma yang diterima pakai secara meluas untuk pemampatan data boleh balik. Ia terdiri daripada peringkat ramalan dan pengekodan entropi keputusan ralat ramalan. Saiz data piksel input boleh dikurangkan menggunakan ciri-ciri lokaliti spatial imej.
DDPCM [8] ialah algoritma yang dicadangkan oleh ATI untuk mengurangkan saiz Z data dalam grafik 3D dengan menambah baik DPCM. Algoritma DDPCM mengira nilai pembezaan untuk arah paksi-x dan paksi-y berdasarkan keputusan algoritma DPCM.
2.2 DDPCM-GR
DDPCM-GR [4] ialah algoritma mampatan tanpa kehilangan yang melaksanakan DDPCM sebagai fungsi ramalan dan pengekodan GR untuk pengekodan entropi forfixed-k, dengan k ialah 2. Untuk blok pemprosesan dalam imej asal, DDPCMis digunakan.
Untuk data ralat daripada DDPCM, pengekodan GR dilakukan. Pengekodan GR ialah kaedah pengekodan entropi yang menggunakan pengekodan unari kepada q, di mana nilai input N dibahagikan dengan parameter M, dan bakinya disimpan sebagai data binari.
2.3 DPCM-VSC GR
DPCM-VSC GR [5] ialah algoritma pemampatan pemprosesan tinggi yang melaksanakan DPCM sebagai fungsi ramalan dan pengekodan VSC GR untuk entropikod. Untuk blok pemprosesan dalam imej asal, DPCM 2D digunakan.
Nilai hasil dikira dengan membahagikan nilai DPCM yang terhasil dengan nilai $ 2 ∧ k $, di mana k=0, 1, 2, 3. Nilai VSC dan nilai kod unari diperoleh dengan melakukan pengekodan GR dan VSC.
Panjang data termampat dan blok asal dibandingkan selepas semua peringkat telah selesai. Jika panjang data mampatan adalah lebih kecil daripada panjang blok asal, data termampat dijana dengan membungkus semua data berkaitan.
Data berkaitan terdiri daripada nilai K, nilai modDPCM, nilai faktor pertama, nilai selebihnya, nilai unarydata dan data pembolehubah untuk tanda. Jika blok asal lebih panjang daripada data termampat, data termampat tidak digunakan dan blok asal dikekalkan.
3 Cadangan Algoritma Mampatan Tanpa Rugi
Bahagian ini memperkenalkan aliran pelaksanaan algoritma berbilang DPCMGR (MDPCM-GR) yang dicadangkan untuk pemampatan dan penyahmampatan.
3.1 Proses Keseluruhan Cadangan Algoritma Pemampatan dan Penyahmampatan
Algoritma MDPCM-GR yang dicadangkan terdiri daripada pemampat yang memampatkan data asal dan penyahmampat yang memulihkan data yang dimampatkan. Proses pemampatan berjalan seperti berikut.
Pertama, MDPCM dilaksanakan berdasarkan data blok asal, selepas itu mod DPCM dengan kos terendah dipilih daripada antara kos DPCM yang dikira. Akhir sekali, pengekodan VSC GR [5] dilakukan pada nilai ralat daripada MDPCM. Penyahmampatan mengikuti proses songsang mampatan. Rajah 1 menunjukkan rajah proses ini.
3.2 Algoritma DPCM Berbilang
Algoritma MDPCM yang dicadangkan boleh memilih mod DPCM dengan kos minimum dengan melaksanakan empat DPCM arah yang berbeza; seperti DPCM mendatar dan menegak dan DDPCM.
MDPCM yang dicadangkan menggunakan DDPCM menegak dan mendatar, yang masing-masing dilaksanakan berdasarkan DPCM menegak dan mendatar. Apabila melaksanakan DDPCM, fungsi ramalan optimum dipilih sebagai hasil fungsi ramalan, dan kos pengekodan entropi untuk hasil fungsi ramalan dikira berdasarkan jumlah nilai mutlak keputusan DPCM.
Faedah MDPCM yang dicadangkan adalah seperti berikut. Pertama, kerana DPCM dan DDPCM digunakan secara mendatar dan menegak, ia diramalkan untuk imej yang mempunyai lokaliti ruang mendatar dan menegak.
Kedua, kerana DDPCM, yang melaksanakan DPCM tambahan, digunakan pada algoritma yang dicadangkan, ia diramalkan untuk imej dengan perbezaan rapidpixel. Akhirnya, overhed untuk memohon MDPCM hanyalah 2 bit, yang sangat rendah.
4 Cadangan Seni Bina Perkakasan Mampatan Tanpa Rugi
Bahagian ini memperkenalkan seni bina perkakasan mampatan tanpa kehilangan yang dicadangkan dan menerangkan setiap modul konfigurasi dan perincian aliran operasinya.
4.1 Seni Bina Perkakasan Keseluruhan Cadangan LosslessCompression
Seperti yang ditunjukkan dalam Rajah 2, seni bina perkakasan mampatan tanpa kerugian yang dicadangkan terdiri daripada unit berikut: unit MDPCM untuk pelaksanaan MDPCM; unit penukar tanda untuk menukar nilai negatif daripada hasil DPCM kepada nilai positif; unit pembungkusan data untuk pembungkusan data termampat; unit pengekodan parallelVSC; unit pembahagi K; unit pengiraan kos untuk hasil pembahagian nilai K; dan unit pengekod GR selari untuk pengekodan selari GR.
4.2 Seni Bina Perkakasan Keseluruhan Cadangan Penyahmampatan Tanpa Kehilangan
Rajah 3 menunjukkan keseluruhan seni bina perkakasan penyahmampatan tanpa kerugian yang dicadangkan, yang terdiri daripada unit berikut: unit InvMDPCM selari untuk melaksanakan MDPCM songsang selari; unit penukar tanda untuk penukaran tanda melalui data tanda dan data magnitud; penyahkod GR selari untuk penyahkodan GR secara selari; unit pengesan sifar untuk menyemak sama ada nilai DPCerror ialah 0; unit penyahkod VSC selari untuk melaksanakan penyahkodan VSC secara selari; unit pembongkaran data yang menyahmampat data yang dimampatkan; dan unit pembahagi unary/VSC avariable yang membelah data VSC dan unary. Perkakasan penyahmampatan tanpa kehilangan yang dicadangkan dilakukan seperti berikut.
Pertama, untuk menyahmampat data yang dimampatkan, unit pembongkar data membongkar data input. Data VSC unary yang tidak dipisahkan yang diterima daripada unit pembongkaran dibahagikan kepada data unary dan data VSC dalam unit pembahagi VSC unary.
Data unary split dihantar ke unit penyahkod GR selari dan unit pengesan sifar, manakala data VSC split dihantar ke unit penyahkod VSC selari.
Unit pengesan sifar menyemak sama ada nilai ralat DPCM adalah sifar berdasarkan data unari dan data selebihnya. Hasil pengesanan sifar dihantar ke peranti penyahkod VSC selari, yang membina semula data yang ditandatangani melalui hasil pengesanan sifar yang diterima dan menyahkod VSC. Data unari dinyahkod selari oleh unit penyahkod GR selari untuk memulihkan data hasil.
Data magnitud dipulihkan berdasarkan data hasil bahagi yang disimpan dan data selebihnya. Apabila tanda dan data magnitud dipulihkan, unit penukar tanda membina semula nilai ralat DPCM. Akhir sekali, unit InvMDPCM selari berfungsi selari dengan mod DPCM berdasarkan nilai ralat benih dan DPCM untuk membina semula data piksel.
5 Keputusan Eksperimen
Dalam bahagian ini, hasil simulasi algoritma dan seni bina perkakasan yang dicadangkan diringkaskan. Prestasi akan diukur dengan kadar mampatan algoritma dan lebar jalur bas dalam struktur perkakasan.
5.1 Nisbah Mampatan
Dalam kertas ini, kami mengukur nisbah mampatan (CR) imej termampat untuk mengesahkan kecekapan algoritma mampatan tanpa kehilangan. CR merujuk kepada saiz imej termampat setiap saiz imej asal dan semakin tinggi CR semakin cekap algoritma pemampatan. Persamaan untuk CR adalah seperti berikut.
CR =Saiz imej asal Saiz imej termampat(3)
Tujuh jujukan imej dalam Kelas A dan B penanda aras pengekodan video berkecekapan tinggi (HEVC) telah digunakan untuk mendapatkan ukuran CR dalam algoritma pemampatan tanpa kehilangan dan seni bina perkakasan yang dicadangkan.
Algoritma mampatan tanpa kehilangan yang dicadangkan dibandingkan dengan yang dibangunkan dalam [4, 5], dan [6]. Jadual 1 menunjukkan purata CR bagi algoritma yang dicadangkan dan [4, 5], dan [6] untuk semua bingkai jujukan imej HEVC .
Keputusan eksperimen untuk jujukan imej HEVC menunjukkan bahawa nilai purata CR ialah 1.99,1.63, 1.92, dan 1.91 untuk algoritma pemampatan tanpa kehilangan yang dicadangkan, [4, 5], dan [6] masing-masing.
Algoritma mampatan tanpa kehilangan yang dicadangkan mencapai CR yang lebih tinggi dalam semua jujukan imej HEVC berbanding algoritma lain. Algoritma MDPCM yang dicadangkan mempunyai 2-keperluan overhed bit untuk menyimpan maklumat modDPCM. Seperti yang ditunjukkan dalam keputusan percubaan Jadual 1, adalah jelas bahawa peningkatan kadar mampatan fungsi ramalan hasil algoritma MDPCM yang dicadangkan adalah mencukupi untuk memenuhi keperluan overhead.
5.2 Analisis Prestasi untuk Lebar Jalur Bas
CR bagi algoritma mampatan yang dicadangkan mungkin dihadkan oleh lebar jalur bas kerana data yang dihantar melalui bas harus diselaraskan dengan lebarnya. Oleh itu, data yang dihantar melalui bas mungkin kehilangan CR sebanyak lebar jalur data sejajar.
Untuk menganalisis ini, kami mengukur purata CR sebenar tempat kejadian trafik dengan lima lebar jalur bas yang berbeza sebanyak 8, 16, 32, 64 dan 128 bit. Rajah 4menunjukkan keputusan eksperimen CR sebenar pada mereka.
Di sini, CR sebenar dihadkan kepada 128-bit lebar bas, lebar jalur yang paling biasa. Walau bagaimanapun, CR sebenar pada 8-lebar bas bit adalah serupa dengan kes ideal bagi 1-bitone, yang bermaksud bahawa prestasi perkakasan pemampatan tanpa kehilangan yang dicadangkan adalah baik pada 8-bit jalur lebar bas. Akibatnya, perkakasan mampatan tanpa kehilangan yang dicadangkan boleh mengurangkan keperluan jalur lebar bas.
6 Kesimpulan
Dalam makalah ini, algoritma pemampatan tanpa kerugian dan seni bina perkakasan dicadangkan untuk mengurangkan keperluan jalur lebar memori. Seni bina perkakasan yang dicadangkan mempunyai kelajuan pemprosesan yang tinggi kerana langkah-langkah pemampatan dan penyahmampatan boleh dilakukan secara selari.
Di samping itu, CR tinggi dicapai dengan menambah baik fungsi ramalan algoritma sedia ada. Fungsi ramalan juga telah meningkatkan prestasi, mencerminkan kelebihan kedua-dua DPCM dan DDPCM. Kami menggunakan jujukan imej HEVC sebagai penanda aras untuk mengesahkan prestasi algoritma dan seni bina perkakasan yang dicadangkan.
Hasil daripada percubaan, kami mencapai purata CR sebanyak 1.99 dalam Kelas A dan B bagi jujukan imej HEVC. Melalui ini, seni bina mampatan tanpa kehilangan yang dicadangkan telah disahkan untuk mencapai CR yang lebih tinggi daripada algoritma perbandingan. Di samping itu, kerana algoritma kajian ini mencapai CR tinggi, perkakasan mampatan tanpa kerugian yang dicadangkan boleh mengurangkan keperluan jalur lebar bas.
Oleh itu, perkakasan mampatan tanpa kehilangan yang dicadangkan adalah sesuai untuk aplikasi yang memerlukan lebar jalur memori dan akses memori yang tinggi, seperti GPU dan pemproses video resolusi tinggi.
Pengakuan
Penyelidikan ini disokong sebahagiannya oleh program sokongan MOTIE (Kementerian Perdagangan, Industri & Tenaga) (10080568, Pembangunan GP-GPU Terbenam untuk Pengecaman Keadaan Pembelajaran Dalam) dan KSRC (KoreaSemiconductor Research Consortium) untuk pembangunan peranti semikonduktor masa hadapan . Alat EDA disokong oleh Pusat Pendidikan ICDesign (IDEC), Korea.
Rujukan
[1] D. Burger, JR Goodman, A. Kagi, 'Jalur lebar terhad untuk mempengaruhi reka bentuk pemproses', IEEE Micro, vol. 17, tidak. 6, ms 55–62, November 1997.
[2] H. David, E. Gorbatov, UR Hanebutte, R. Khanna, C. Le, 'RAPL:anggaran kuasa memori dan pengehadan', Pada 2010 ACM/IEEE International Symposium on Low-Power Electronics and Design (ISLPED), hlm. 189–194, Ogos 2010.
[3] Panduan Pengoptimuman Aplikasi ARM Mali GPU OpenGL ES, Tersedia pada.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, 'Seni Bina Pemampatan Imej Tanpa Warna yang Tidak Berwarna Menggunakan Codec Perkakasan Golomb-RiceHardware Selari', Transaksi IEEE pada Litar dan Sistem untuk Teknologi Video, vol. 21, tidak. 11, hlm. 1581–1587, November 2011.
[5] J. Lee, J. Yun, J. Lee, I. Hwang, D. Hong, Y. Kim, CG Kim,W.-C. Park, 'Algoritma dan Seni Bina Berkesan untuk Pemampatan Tanpa Kerugian Tinggi Melalui Imej Beresolusi Tinggi', IEEEAccess, Vol. 7, Isu 1, ms 138803–138815. Sep 2019.
[6] L. Guo, D. Zhou, S. Goto, 'Goritma pemampatan semula bingkai rujukan baharu dan seni bina VLSInya untuk codec video TV UHD', IEEETransactions on Multimedia, vol. 16, hlm. 2323–2332, Dis. 2014.
[7] AD Mitra, PK Srimani, 'Differential pulse-code modulation', Int. J.Electron., jld. 46, hlm. 633–637, Jun 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,'Skim mampatan bingkai rujukan yang cekap untuk sistem pengekodan video:algoritma dan reka bentuk VLSI', Jurnal Imej Masa Nyata Pemprosesan 16,pp. 391–411, 2019.
[10] Yu-Hsuan Lee, Tzu-Chieh Chen, Hsuan-Chi Liang, Jian-Xiang Liao, 'Algoritma dan Reka Bentuk Seni Bina Enjin Pengesanan Sudut Imej FAST-C', Sistem Integrasi Skala Besar (VLSI) IEEE Transactionon, vol. 29, tidak. 4, hlm. 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, hlm. 868, 2020.
[12] Yu-Hsuan Lee, Cheng-Hung Kuei, Yue-Zhan Kao, Shih-Song Fan Jiang,'Algoritma dan Reka Bentuk Seni Bina VLSI Pengekod Mampatan Terbenam Tanpa Kehilangan untuk Sistem Pengekodan Video HD', Jurnal Litar, Sistem dan Komputer , 2020.
For more information:1950477648nn@gmail.com
