基于陣列處理器的SVDC算法并行設(shè)計與實現(xiàn)

蔣 林 黎瑞金 曹 非

1(西安科技大學計算機科學與技術(shù)學院 陜西 西安 710600)

2(西安科技大學電氣與控制工程學院 陜西 西安 710600)

0 引 言

近年來3D視頻在各行各業(yè)中有著廣闊的應用場景。在基于3D-HEVC的三維視頻編碼技術(shù)中,編碼模式的選擇采用了率失真優(yōu)化方法,深度圖的失真會導致合成視點的失真,所以我們可以通過測量合成視點的失真來替代深度圖的失真,保證虛擬合成視圖的質(zhì)量[1]。因此,Tech等[2-4]針對深度數(shù)據(jù)的失真度量提出了應用3D-HEVC的視點合成失真變化算法。這種算法具有高級視圖算法的所有基本功能,例如像素變化、差值、空洞填充以及融合,使得編碼端可以在率失真優(yōu)化過程中直接計算合成視點失真。但是,這種方法需要在編碼過程中執(zhí)行基于像素級的視點合成與失真值計算操作,引起頻繁的訪存操作,導致過高的編碼復雜度以及較低的算法性能。為了解決SVDC這種數(shù)據(jù)密集型算法的計算復雜度過高的問題,Ma等[5]提出了一種通過設(shè)置三種合成視點零差異條件下提前終止SVDC計算過程的模型,但是傳統(tǒng)處理器串行化的計算方式仍使得SVDC算法的性能提升有限。

針對上述問題,本文基于陣列處理器的SVDC并行算法,采用分布式共享存儲結(jié)構(gòu)(Unified addressing Distributed Shared Memory Structure,UaDSMS)[7]實現(xiàn)了多視點并行計算。充分利用了陣列處理器的并行特性進行算法映射,并根據(jù)算法的訪存特性做出優(yōu)化,使得SVDC算法的性能得到較大提升。

1 陣列處理器及分布式共享存儲結(jié)構(gòu)

項目組前期開發(fā)的陣列處理器由多個處理單元(Processing Element,PE)構(gòu)成,該PE的結(jié)構(gòu)如圖1所示[6]。每個PE分別由ALU單元、寄存器單元、左路數(shù)據(jù)選擇單元、右路數(shù)據(jù)選擇單元、fanout單元和配置單元組成。

圖1 PE結(jié)構(gòu)

此陣列處理器結(jié)構(gòu)由16個PE組成一個簇,采用了4×4的矩陣結(jié)構(gòu),單個PE的數(shù)據(jù)訪存位寬是16位。其中分布式共享存儲結(jié)構(gòu)如圖2所示[7],此存儲結(jié)構(gòu)下層為16個同樣排列結(jié)構(gòu)512 bit×16 bit大小組成的RAM,中間是采用了全交換結(jié)構(gòu)(Full Switching,FS)的高速訪問單元,上層為16個PE組成的簇,這種結(jié)構(gòu)是一種最直接且并行度最高的高速交換單元結(jié)構(gòu)。

圖2 分布式共享存儲結(jié)構(gòu)

分布式共享存儲結(jié)構(gòu)的主要優(yōu)勢如下：1) 從邏輯上分析,整個片上存儲采用相同的編址方式。2) 從物理上分析,采用多個分布式存儲塊,實現(xiàn)片上存儲的并行訪問,支持簇內(nèi)請求的無沖突并行訪問。

根據(jù)以上分析,我們發(fā)現(xiàn)具有“邏輯共享、物理分布”特性的分布式共享存儲結(jié)構(gòu)所表現(xiàn)出的并行化設(shè)計優(yōu)勢,非常適合SVDC算法數(shù)據(jù)密集的特點。

2 SVDC算法并行化設(shè)計

2.1 SVDC算法并行性分析

SVDC算法可以通過聯(lián)系合成視點失真與深度圖失真,計算當前合成視點中由于深度值變化所產(chǎn)生的全部失真值,從而提升深度圖編碼的率失真優(yōu)化效果,并且可以同時考慮當前深度圖編碼塊周圍像素的深度值變化情況。因此,SVDC算法被定義為計算兩個合成視點的失真值之差：

(1)

圖3 SVDC算法流程

由圖3可以看出SVDC算法在計算過程中,每一次SVDC計算都要經(jīng)過三個合成視點進行SSD計算,其中每一個合成視點都是由原始紋理圖幀、原始深度圖幀和重建紋理圖幀、重建深度圖幀分別求得,大量的SSD計算會出現(xiàn)頻繁的訪存操作。傳統(tǒng)處理器串行化的計算方式會使得算法的性能難以提升。針對以上的問題,本文將基于陣列處理器和分布式共享存儲結(jié)構(gòu),實現(xiàn)多視點SSD并行計算,通過簇內(nèi)PE陣列處理器的并行執(zhí)行,實現(xiàn)對SVDC算法的加速。

2.2 SVDC算法并行化映射

SVDC算法主要可分為虛擬視點合成以及失真值計算兩大部分。圖4是SVDC算法的陣列處理器映射結(jié)構(gòu)。共調(diào)用4個簇的資源,PE00簇負責預處理,PE01簇負責3D-warping,PE11簇負責空洞填充,PE10簇負責失真值計算,下面為各個簇的工作安排。

圖4 SVDC算法映射結(jié)構(gòu)圖

PE00號簇：00號簇從外部存儲設(shè)備加載相機參數(shù)并將數(shù)據(jù)暫時存入00號簇的RAM中。如圖5所示針對深度圖進行中值濾波預處理,使用01、02、03、11、12、13、21、22、23號PE,分為三步進行中值濾波。

圖5 預處理中值濾波

Step1：將從外部存儲設(shè)備加載的數(shù)據(jù)以3×3的像素塊為單位,每行從大到小排序,分別取得大、中、小三個值。

Step2：對大值行即第一列進行比較,對小值行即第三列進行比較,取其中的大值與小值。

Step3：把三行的中值與第二列相比較,再取一次中值。將小值、中值和大值進行比較與排序,獲得的中值即為該像素塊的中值。

PE01號簇：3D-warping是產(chǎn)生虛擬視點的核心技術(shù),它將先提取圖像幀的深度圖信息,再根據(jù)深度圖信息,把參考紋理圖的視點信息投射至3D空間坐標,最后投射到2D空間坐標的目標視點。這種方法需要攝像機參數(shù),其中內(nèi)部相機參數(shù)用A表示,外部相機參數(shù)用R與t表示。

(2)

式中：r代表參考視點;Zr是參考視點在(ur,vr)位置的深度值,首先我們利用內(nèi)部相機參數(shù)A將3D相機的坐標映射到2D空間的虛擬視點中去,再取一個參考視點的像素坐標(ur,vr),最后利用深度圖信息將像素坐標映射到世界坐標中的(Xw,Yw,Zw)位置中。

(3)

(4)

式中：v表示8比特的深度值,其中z、Znear和Zfar都被設(shè)定為正值或負值。如式(4)所示,其中(Xw,Yw,Zw)是式(2)映射到3D空間的坐標,3×3的旋轉(zhuǎn)矩陣R與3×1的平移矩陣是攝像機參數(shù)。

PE11號簇：空洞填充作為虛擬視點合成中的難點,長期以來影響著該領(lǐng)域的發(fā)展[9]。本文通過人工識別空洞點的方式,通過匯編指令向PE下發(fā)指令,針對空洞部分采集鄰近像素點的信息,再逐步進行空洞點的像素填充。這里共調(diào)用10個PE,首先由00號PE將數(shù)據(jù)分發(fā)至02、03、12、13、20、21、30、31號PE,然后各PE采集鄰近像素點的信息,并將其填充進空洞部分,最后各PE將結(jié)果傳送到33號PE,準備送入10號簇進行失真值計算。

PE10號簇：失真值計算,由于失真值計算涉及大量合成視點的SSD計算,存在頻繁的訪存操作以及冗余的編碼復雜度,本文利用陣列處理器及分布式共享存儲的并行設(shè)計優(yōu)勢,實現(xiàn)了多視點SSD并行計算。

2.3 失真值計算設(shè)計與優(yōu)化

失真值計算作為SVDC算法的核心步驟,頻繁的訪存操作會使得算法出現(xiàn)大量的數(shù)據(jù)移動。本節(jié)作者在使用單元級SSD計算映射方案實現(xiàn)后,通過優(yōu)化訪存時序,提出了像素級SSD計算設(shè)計。

(1) 單元級SSD計算設(shè)計。以8×8像素點的圖像塊為例,具體操作如圖6所示。

圖6 單元級SSD計算

圖7 像素級SSD計算設(shè)計結(jié)構(gòu)圖

這種不同于傳統(tǒng)處理器串行訪存特性的處理方式,完全依賴于本文所用到的陣列處理器與分布式共享存儲結(jié)構(gòu)。其中單個PE對本地RAM的無阻塞訪問以及簇內(nèi)無沖突的并行訪問極大地提高了運算資源利用率。使用像素級SSD計算替代單元級SSD計算,可以使失真值計算提升39.3%的時間性能。

3 實驗分析

3.1 驗證方案

為了評估本文所提出SVDC算法并行設(shè)計的性能,我們采用3D-HEVC參考軟件HTM-16.1[12]作為對比平臺。選用四個JCT-3V小組建議的標準序列作為測試用例,包括“Balloons”“Kendo”“GTFly”“PoznanStreet”進行測試,量化參數(shù)(QP)為(25,34)。本文使用基于項目組提供的DPR-CODEC結(jié)構(gòu)精簡指令集經(jīng)過轉(zhuǎn)碼后的二進制代碼在modelsim中進行基本功能仿真驗證。

3.2 實驗結(jié)果與性能分析

將本文實現(xiàn)的SVDC算法計算性能分別與文獻[4]、文獻[5]與文獻[10]的計算性能進行對比,如表1所示。其中ΔT表示本文在SVDC算法計算相比于HTM-16.1平臺中計算節(jié)省時間百分比,Δt表示并行編碼相比于串行編碼節(jié)省時間百分比,ΔS表示像素級SSD計算相比單元級SSD計算節(jié)省時間百分比。

表1 不同方法的編碼時間對比(%)

(5)

(6)

(7)

其中文獻[4]所提出的RM渲染器在編碼端將SVDC算法分為初始化、部分重渲染以及SVDC計算共三部分,通過RM渲染器在初始化后存儲中間變量并進行快速重渲染過程,大幅度降低編碼復雜度。針對深度圖編碼越復雜的測試序列,RM渲染器提升越大,與本文相比在視點合成部分有較大的編碼優(yōu)勢。文獻[5]提出的零合成視差模型考慮了深度-視差映射,紋理適應和遮擋三種效果用于視點合成優(yōu)化。文獻[10]提出了的視點合成優(yōu)化方法,相比原方法增加了跳過零失真的較小模塊或像素行的過程。文獻[5]與文獻[10]仍著重于對視點合成部分進行優(yōu)化,但是失真值計算卻依舊采用傳統(tǒng)的串行編碼方式。經(jīng)過實驗得到如表1所示實驗數(shù)據(jù),可以發(fā)現(xiàn)本文提出的SVDC算法并行化設(shè)計相比于文獻[5]與文獻[10]可以獲得更快的編碼時間,但是未能超過文獻[4]的RM渲染器模型。相較于HTM原始算法,本文的算法性能平均可以提升19.025%。

為了證明并行編碼方式的有效性,如表2所示對四個不同測試序列測試四個8×8的像素塊,分別使用串行編碼方式(單PE)以及并行編碼方式(多PE)進行失真值計算,并行編碼方式分為單元級SSD計算以及像素級SSD計算。實驗結(jié)果可知,相比于串行編碼方式,本文提出的并行編碼方式可以提升57.6%的計算性能,串/并加速比平均可以達到2.36,相比于單元級SSD計算,本文提出的像素級SSD計算優(yōu)化設(shè)計可以提升39.3%的計算性能。從表2中可看出,當像素塊越復雜,像素級SSD計算的Δt就越大,這得益于像素級SSD計算設(shè)計通過重新劃分計算與訪存時序,提高了計算訪存比,減少了PE單元的空閑時間。

表2 串行編碼與并行編碼失真值計算性能分析

由于整個SVDC算法中涉及大量的SSD計算,陣列處理器以及分布式共享存儲結(jié)構(gòu)可以在簇內(nèi)提供16個位寬為16位的數(shù)據(jù)讀寫訪問通道,支持單個像素點的數(shù)據(jù)存取,其中單個PE擁有對本地RAM的優(yōu)先訪問權(quán),讀操作與寫操作分別可以在1與2個時鐘周期內(nèi)完成,使得PE的數(shù)據(jù)訪存難度降低,可以大幅度提高SVDC計算的性能。

如圖8所示,對8×8的像素塊使用不同處理器規(guī)模進行失真值計算性能分析。實驗結(jié)果表明,當使用的PE核數(shù)增多時,算法并行度的提升將導致性能逐步提升,但是由于核數(shù)的增多、數(shù)據(jù)訪存量的增大會造成算法并行化設(shè)計愈加復雜。后續(xù)的工作中將對于如何提高PE的資源利用率以及如何設(shè)計出更高并行度的算法映射方式展開研究。

圖8 不同處理器規(guī)模下失真值計算分析

4 結(jié) 語

本文基于陣列處理器及分布式共享存儲結(jié)構(gòu),提出了一種針對SVDC算法的并行映射實現(xiàn)方法。首先通過加載相機參數(shù)并進行中值濾波對圖像進行預處理,其次進行3D-warping與空洞填充合成虛擬視點,最后進行失真值計算。以8×8的像素塊為單位,進行多視點SSD計算,利用一個簇的運算資源得到4個塊共計256個像素點的SVDC失真值。同時根據(jù)算法訪存特性,使用像素級SSD計算設(shè)計替換單元級SSD計算設(shè)計以提高運算資源利用率與算法性能。實驗結(jié)果表明,相比于HTM平臺,本文所采用的陣列處理器實現(xiàn)的SVDC算法,其時間性能平均可以提升19.025%,所設(shè)計的失真值計算并行方案的串/并加速比為2.36,相比于單元級SSD計算,像素級SSD計算優(yōu)化設(shè)計可以提升39.3%的計算性能。使用不同處理器規(guī)模對8×8的像素塊進行失真值計算性能分析表明,隨著處理器核數(shù)的增多,算法計算性能會逐漸提升,但是數(shù)據(jù)訪存量的增大會造成算法并行化設(shè)計愈加復雜。后續(xù)的工作中將對于如何提高PE的資源利用率以及如何設(shè)計出更高并行度的算法映射方式展開研究。