流計算和視頻編碼

前言
第1章 視頻壓縮編碼
1.1 概述
1.2 視頻壓縮編碼面臨的新挑戰(zhàn)
1.3 視頻編碼并行化潛力
1.4 H.264編碼標準
1.4.1 基本概況
1.4.2 編碼器結(jié)構(gòu)
1.4.3 特點和關鍵技術(shù)
1.4.4 幀間預測
1.4.5 幀內(nèi)預測
1.4.6 變換量化
1.4.7 熵編碼
1.4.8 去塊濾波
第2章 流計算原理
2.1 流計算思想
2.2 流體系結(jié)構(gòu)模型
2.2.1 解耦合計算和訪存
2.2.2 多級存儲層次
2.2.3 典型流處理器
2.3 流程序設計模型
2.3.1 流級程序
2.3.2 核心級程序
2.3.3 流計算模型與并行處理器的結(jié)合
2.4 流應用
第3章 流化方法
3.1 流化
3.1.1 流化定義
3.1.2 流化特征
3.1.3 特征指標有效性驗證
3.2 基本流化方法
3.2.1 循環(huán)劃分法
3.2.2 核心合并技術(shù)
3.2.3 流分割技術(shù)
3.2.4 常規(guī)流化步驟
3.3 高級流化方法
3.3.1 流重組
3.3.2 短流加載
3.3.3 核心分裂
3.3.4 并行粒度調(diào)整
3.4 面向流化的程序結(jié)構(gòu)優(yōu)化
3.4.1 重負載循環(huán)
3.4.2 計算窗口重疊
3.4.3 循環(huán)內(nèi)分支
3.4.4 循環(huán)間數(shù)據(jù)相關
第4章 H.264編碼器的流化
4.1 x264編碼器概述
4.2 x264編碼器結(jié)構(gòu)剖析
4.2.1 profile工具：PAPI
4.2.2 函數(shù)層次的局限性
4.2.3 變量和數(shù)據(jù)結(jié)構(gòu)層次的局限性
4.2.4 控制密集型組件層次的局限性
4.3 x264編碼程序的流化
4.3.1 函數(shù)到Kernel的轉(zhuǎn)化
4.3.2 結(jié)構(gòu)變量到stream的轉(zhuǎn)化
4.3.3 控制密集型組件到計算密集型組件的轉(zhuǎn)化
4.4 S264：流化的H-264框架
第5章 S264／S：基于SIMD并行的H.264流化編碼器
5.1 SIMD流處理器
5.2 幀間預測的流式實現(xiàn)
5.2.1 全搜索：流重用
5.2.2 UMHexagonS：非規(guī)則流
5.2.3 多分辨率多窗口幀間預測
5.2.4 分析與討論
5.3 幀內(nèi)編碼：多模式和強數(shù)據(jù)相關
5.3.1 相關性分析
5.3.2 相關性問題：可擴展塊并行
5.3.3 多模式問題：Kernel參數(shù)化
5.3.4 分析與討論
5.4 CAVLC的流式實現(xiàn)：可變長編碼
5.4.1 相關性分析
5.4.2 解耦合分段并行
5.4.3 分析與討論
5.5 去塊濾波的流式實現(xiàn)：控制密集型
5.5.1 相關性分析
5.5.2 去塊濾波的流式實現(xiàn)：分組并行
5.5.3 分析與討論
5.6 基于STORM的SIMD H.264編碼器
5.6.1 S264.／S編碼器
5.6.2 評測與分析
第6章 S264／G：基于GPU的并行H.264編碼器
6.1 GPU和CUDA
6.1.1 GPU概述
6.1.2 CUDA硬件模型
6.1.3 CUDA編程模型
6.1.4 CUDA存儲模型
6.2 基于CUDA的H.264編碼器框架
6.3 幀間預測：平衡線程數(shù)與并行粒度
6.3.1 SAD計算
6.3.2 最佳運動向量的選擇
6.3.3 小結(jié)
6.4 幀內(nèi)編碼：開發(fā)多級并行
6.4.1 開發(fā)多級并行
6.4.2 存儲模型
6.4.3 優(yōu)化
6.4.4 小結(jié)
6.5 分量優(yōu)先的CAVLC
6.5.1 分量優(yōu)先的CAVLC體系結(jié)構(gòu)
6.5.2 基于CUDA的并行CAVLC實現(xiàn)
6.5.3 小結(jié)
6.6 方向優(yōu)先的去塊濾波
6.6.1 方向優(yōu)先去塊濾波結(jié)構(gòu)
6.6.2 濾波順序的調(diào)度
6.6.3 小結(jié)
6.7 實驗結(jié)果與性能分析
6.7.1 并行編碼器的性能
6.7.2 編碼器特征分析
6.7.3 小結(jié)
第7章 展望與未來的研究方向
7.1 視頻編碼發(fā)展趨勢
7.1.1 基于內(nèi)容的視頻編碼
7.1.2 多視角視頻編碼
7.1.3 分布式視頻編碼
7.2 三維視頻編碼流化并行研究
7.3 面向媒體的并行計算 參考文獻