Exploiting Video Stream Similarity for Energy-Efficient Decoding

Hamers, J; Eeckhout, Lieven; Bosschere, Koen De

doi:10.1007/978-3-540-69429-8_2

Cited by 7 publications

(5 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Scenarioaware resource prediction can also be used to predict the energy consumed by such energy-efficient video decoding solutions. Figure 6 shows the error when predicting the amount of energy consumed for decoding the given video stream using the DVFS-driven video decoding method presented in [10]. The average prediction error is 1.4%; the maximum prediction error is never larger than 4%.…”

Section: Predicting Energy Consumptionmentioning

confidence: 99%

Resource Prediction for Media Stream Decoding

Hamers

Eeckhout

2007

2007 Design, Automation &Amp; Test in Europe Conference &Amp; Exhibition

Self Cite

View full text Add to dashboard Cite

show abstract

Section: Predicting Energy Consumptionmentioning

confidence: 99%

Resource Prediction for Media Stream Decoding

Hamers

Eeckhout

2007

2007 Design, Automation &Amp; Test in Europe Conference &Amp; Exhibition

Self Cite

View full text Add to dashboard Cite

show abstract

“…Several video decoding adaption frameworks that combine with power-aware software and hardware modules to optimize battery life have been proposed. Dynamic frequency/voltage scaling (DVS) [1,2] and workload reshaping (WR) [3][4][5] are the most attented methodologies for both industry and academic.…”

Section: Introductionmentioning

confidence: 99%

Linear modeling for MPEG-4 intra frame decoding complexity prediction based on statistical analysis

Tian

Guo

2010

IEEE 10th INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING PROCEEDINGS

View full text Add to dashboard Cite

Video decoding complexity prediction plays an important role in energy efficient applications, such as dynamic voltage scaling and workload reshaping. This paper presents a novel linear model for MPEG-4 intra frame decoding complexity prediction. Detailed experiments are conducted to exploit the statistical relationship between frame length and decoding complexity for various video contents under different bitrates. The experiments show that decoding complexity is linear related to frame length, the parameters of linear model vary slightly in terms of video sequences and bitrates, and the model parameters for different size video are proportional to the ratio of video size. Based on above principles, the linear model for CIF format video are fitted offline and utilized to predict both CIF and 4CIF format video sequences' intra frame decoding complexity on the fly. The probability density function of prediction error appeared normal distributed and the average prediction error is 0.47%. The maximal prediction error is 2.94% and the runtime overload of the proposed method is 54cycles/frame on TI TMS320DM642 platform.

show abstract

“…Since the implementation cost of an exact LRU policy can become prohibitive, an approximation of LRU is usually implemented. Other replacement policies include first in first out (FIFO) [Hayes 1988] and Belady's optimal (OPT) replacement policy [Belady 1966]. The latter presumes a full knowledge of all the future accesses and then always discards the data which will not be needed for the longest time.…”

Section: Generalization Of Resultsmentioning

confidence: 99%

“…In [Bernabe 2005], cache misses are reduced by tile processing but without taking into consideration the impact of the input variation. Other content-driven mapping techniques also reduce the energy consumption by minimizing memory misses [Hamers 2007] and specifying optimal execution orders under profiled sets of operating conditions or scenarios [Gomez 2002]. However, these examples exploit more coarse-grain features of the content variation and they are not efficient for high-complexity WT-based applications.…”

Section: Memory Hierarchy Mappingmentioning

confidence: 99%

“…Note that the reuse distance for the final access to A here is equal to 3 instead of 4, because the reuse distance corresponds to distinct locations accessed. In [Beyls 2002], it is proven that for a fully associative cache with n entries and least recently used (LRU) replacement policy [Hayes 1988], an access with a reuse distance r<n will hit, while an access with reuse distance r≥n will miss. This implies there is a one-to-one relation between the miss-rate of a fully associative cache of a certain size n and the sum of all accesses with reuse distance r>n. This sum of all accesses can be obtained by using a reuse distance histogram.…”

Section: Reuse Distance Simulatormentioning

confidence: 99%

See 1 more Smart Citation

Study and implementation of wavelet-based video coding for dynamic transition environments

Ferentinos¹,

Φερεντίνος²

View full text Add to dashboard Cite

Από τα παιχνίδια δράσης έως τις ταινίες υπερ-υψηλής ευκρίνειας και από την αναπαραγωγή μουσικής έως την επαυξημένη πραγματικότητα, ετερογενή πολυμέσα κυριαρχούν απόλυτα στα κινητά μας. Ταυτόχρονα, οι υπολογιστικοί πόροι διανέμονται ολοένα και περισσότερο, από τους πολλαπλούς πυρήνες ενός επεξεργαστή, έως τις υπηρεσίες on-line - cloud computing και αποθήκευσης. Οι εφαρμογές παρουσιάζουν όλο και περισσότερο δυναμισμό όσον αφορά τις ανάγκες τους σε πόρους. Συνεπώς, οι συσκευές θα πρέπει να είναι σε θέση να ανέχονται μια ευρεία ποικιλία συνθηκών εκτέλεσης και διαθεσιμότητας των πόρων τους ή του μέσου μετάδοσης, τα οποία όλα έχουν τη δυνατότητα να μεταβάλλονται απρόβλεπτα κατά το χρόνο εκτέλεσης. Οι κλιμακούμενες (scalable) εφαρμογές που βασίζονται σε wavelets μπορούν να αποτελέσουν ένα μεγάλο κομμάτι της λύσης σε αυτό το παζλ, επιτρέποντας τη μέγιστη ποιότητα εφαρμογής, κλιμακούμενη προς τις συντελούμενες συνθήκες εκτέλεσης. Είναι σαφές ότι αυτό θα οδηγήσει επίσης σε δυναμικές και απρόβλεπτα μεταβαλλόμενες απαιτήσεις πολυπλοκότητας στην πλατφόρμα εκτέλεσης. Λόγω των χαμηλών απαιτήσεων ρεύματος των ενσωματωμένων συστημάτων που σχετίζονται με την περιορισμένη διάρκεια ζωής της μπαταρίας, δεν θα είναι πλέον αποδεκτό να αντιμετωπίζουμε αυτές τις παραλλαγές πολυπλοκότητας χρησιμοποιώντας επιλογές χαρτογράφησης δεδομένων χειρότερης περίπτωσης (worst case mapping), καθώς αυτές θα οδηγήσουν σε πολύ υποβέλτιστη χρήση των διαθέσιμων πόρων. Αυτή η εργασία επιδεικνύει μια προσέγγιση για την αποφυγή της χαρτογράφησης χειρότερης περίπτωσης για εφαρμογές βασισμένες σε wavelets, εναλλάσοντας κατά το χρόνο εκτέλεσης τη σειρά εκτέλεσης του αλγορίθμου, προσαρμοζόμενη στις συντελούμενες συνθήκες εκτέλεσης. Για την αποτελεσματική εκμετάλλευση αυτής της αρχής εναλλαγής κατά τον χρόνο εκτέλεσης, το middleware θα πρέπει να διαθέτει συστηματικές κατευθυντήριες γραμμές χαρτογράφησης που εκφράζουν τη γνώση σχετικά με το ποια σειρά εκτέλεσης προσφέρει το χαμηλότερο ποσοστό απωλειών χρήσης της τοπικής μνήμης (cache misse-rate) και ποια κέρδη μπορούν να επιτευχθούν με τη μετάβαση στην εν λόγω σειρά εκτέλεσης. Αυτές οι κατευθύνσεις χαρτογράφησης προκύπτουν από την τυποποίηση της συμπεριφοράς του miss-rate του Wavelet Transform σε συνάρτηση με τη χρονική τοπικότητα της χρήσης των δεδομένων. Επιπλέον, απεικονίζει την επίδραση της εγγενούς δυναμικής μέσα σε μια εφαρμογή, στη διερεύνηση της βέλτιστης σειράς εκτέλεσης του αλγορίθμου και στην εκμετάλλευση της χαρτογράφησης δεδομένων στην ιεραρχία της μνήμης της πλατφόρμας. Στις εφαρμογές που εξαρτώνται από δεδομένα, οι προσπελάσεις στη μνήμη δεν είναι προκαθορισμένες, αλλά εξαρτώνται από τις τιμές εισόδου. Συνεπώς, δεν είναι μόνο η απρόβλεπτη διαθεσιμότητα πόρων, αλλά και τα χαρακτηριστικά των δεδομένων εισόδου που καθορίζουν τις αποφάσεις επιλογής της βέλτιστης σειράς εκτέλεσης του αλγορίθμου στο πλαίσιο της ελάχιστης κατανάλωσης ενέργειας στη μνήμη.

show abstract

Exploiting Video Stream Similarity for Energy-Efficient Decoding

Cited by 7 publications

References 15 publications

Resource Prediction for Media Stream Decoding

Resource Prediction for Media Stream Decoding

Linear modeling for MPEG-4 intra frame decoding complexity prediction based on statistical analysis

Study and implementation of wavelet-based video coding for dynamic transition environments

Contact Info

Product

Resources

About