Gestão e aproximação de dados em sistemas de memórias com NV-RAMs dedicados a codificadores de vídeo eficientes

Abstract

A codificação e a decodificação de vídeos digitais estão presentes na maioria das apli cações multimídia, principalmente nos sistemas embarcados atuais, atingindo bilhões de usuários principalmente com a popularização dos dispositivos móveis, como smartpho nes e tablets. Além disso, as melhorias nos serviços de streaming motivam os usuários a gerarem, transmitirem e visualizarem conteúdos em vídeos digitais de altíssima resolu ção pela Internet como 4K e 8K. Nesse sentido, sistemas de codificação de vídeo atuais vêm exigindo largura de banda com a memória cada vez maiores para codificar um único quadro do vídeo. Entre os principais módulos dos codificadores de vídeo atuais, um dos módulos que mais acessa a memória é a Estimação de Movimento (ME). A ME exige uma grande largura de banda de memória, a qual é utilizada para ler e escrever os quadros de referência na memória. Esse processo acaba gerando um elevado consumo de energia, uma vez que os acessos à memória externa são as operações que mais dissipam potên cia nos sistemas digitais atuais. Desta forma, essa tese avalia o impacto em consumo de energia e eficiência de codificação da utilização conjunta de estratégias de reuso de dados, compressão de quadros de referência, computação aproximada e memórias não-voláteis (NV-RAMs). Para estimar os resultados dessas estratégias foi desenvolvido em software e hardware um sistema eficiente de redução de energia relacionada à memória para arqui teturas de codificadores de vídeo digitais. Para isso, esse sistema utiliza uma hierarquia de memória composta por tecnologia NV-RAMs, a qual utiliza o reuso de dados Level C e power gating em bancos das memórias internas. Ainda, o sistema possui quatro níveis de configuração, permitindo o uso de computação aproximada através da redução do tama nho da área de busca e bit dropping nas amostras de referência. O bit dropping é utilizado juntamente com um eficiente compressor de quadros de referência. Os resultados gerados para quatro configurações mostram que o sistema atinge altas taxas de redução de energia, os quais variam de 88% até 95%, quando comparados a um sistema com reuso de dados Level C, sendo essas as maiores taxas de redução em consumo de energia entre todos os trabalhos estado da arte encontrados na literatura. Para atingir essas taxas de redução de energia, o sistema apresenta uma variação na eficiência de codificação de 0, 03% até 3, 3%.

The process of coding and decoding digital videos are presents in most multimedia ap plications, especially in today’s embedded systems, reaching billions of users mainly due to the popularization of mobile devices such as smartphones and tablets. In addition, the improvements in the streaming services motivate users to generate, stream and view ultra high-resolution digital videos over the Internet as 4K and 8K. In this way, current video coding systems require a growing external memory bandwidth to encode a single video frame. Among the main modules of the current video encoders, the module that performs intensive memory access is the Motion Estimation (ME). The ME requires a large mem ory bandwidth, which is mostly used for reading and write the reference frames in the memory. This operation generates high energy consumption since memory accesses are one of the main power-demanding elements in current digital systems. Therefore, this thesis evaluates the impact on energy consumption and coding efficiency of the common use of data reuse strategies, reference frame compression, approximate computation, and non-volatile memories (NV-RAMs). To estimate the results of these strategies an effi cient memory energy reduction system for video encoder architectures was developed in software and hardware. Therefore, this system uses a memory hierarchy composed of NV-RAMs technology, employing the Level C data reuse scheme and power gating in the internal memory banks. Furthermore, the system has four configuration levels, allowing approximate computation by reducing the search area size and bit dropping in the ref erence samples. The bit dropping is used with an efficient reference frame compressor. The results achieved by these configurations show that the system reaches high energy reduction rates varying from 88% up to 95% when compared to a baseline system that employs Level C data reuse. Besides, the energy reduction results surpasses all state-of the-art works found in the literature. To achieve these energy savings rates, the system has a coding efficiency loss of 0.03% up to 3.3%.