Performance and energy efficiency of new generation video decoding standards on low power consumption-based multi-cores architectures
« Performance et efficacité énergétique du décodage des standards vidéo de nouvelle génération sur les architectures multi-cœurs basse consommation
Résumé
The computational demands of video applications are constantly evolving. This evolution has puta great pressure on the battery life-time of mobile platforms. As a result, dedicated hardware components are integrated into system-on-chip (SoC) to optimize the power consumption of hardware video decoding (HW). However, on the one hand, these decoders (HW) are not flexible and have a long time-to-market. On the other hand, heterogeneous multi-core general purpose processors (GPPs) are powerful enough to perform software video decoding (SW) in real time and are flexible. However, they consume a large amount of energy. In this context, we investigate how to optimize SW video decoding on GPPs to get as close as possible to the energy efficiency of HW decoding. The thesis project consists in proposing strategies to optimize the energy consumption of video decoding on heterogeneous mobile platforms. The thesis is part of the FUI-23 EFIGI project. The first phase of the thesis is the characterization of the performance and energy consumption of video decoding implemented in HW and SW. For this purpose, we proposed a methodology based on measurement. It intervenes at two levels: (i) operating system, and (ii) application. The methodology consists in studying the impact of parameters, triggered at these levels, on the performance and energy consumption of HW and SW video decoding. The second phase of the thesis is the optimization of the energy consumption of SW video decoding. The proposed solution is decomposed into three phases: (1) frame complexity modeling, (2) classification by assigning frames to high or low performance cores according to their complexity, and (3) GPP frequency scaling using feedback control with DVFS.
Les exigences des applications vidéo en ressources de calcul ne cessent d’évoluer. Cette évolution a induit une grande pression sur l’autonomie des batteries des plateformes mobiles. De ce fait, des composantes matérielles (HW) dédiées au décodage vidéo sont intégrées au sein des systèmes-sur-puce (SoC) afin d'optimiser sa consommation énergétique. Cependant, d'une part, ces décodeurs ne sont pas flexibles et prennent du temps pour être commercialisés. D'autre part, les processeurs généralistes (GPPs) multi-cœurs hétérogènes sont suffisamment puissants pour faire le décodage vidéo logiciel (SW) en temps réel et sont flexibles. En revanche, ces derniers consomment une grande quantité d'énergie. Dans ce contexte, il nous semble intéressant d'explorer comment optimiser le décodage SW sur les GPPs afin de se rapprocher le plus possible de l'efficacité énergétique du décodage HW. Le projet de thèse consiste à proposer des stratégies d’optimisation de la consommation énergétique du décodage vidéo sur les plateformes mobiles hétérogènes. La thèse s’intègre dans le cadre du projet FUI-23 EFIGI. La première phase de la thèse est la caractérisation de la performance et de la consommation énergétique du décodage vidéo mis en œuvre en HW et en SW. Pour cela, nous avons proposé une méthodologie basée sur la mesure. Elle intervient à deux niveaux : (i) système d’exploitation, et (ii) applicatif. La méthodologie consiste à étudier l’impact des paramètres, capturés à ces deux niveaux, sur la performance et la consommation énergétique des décodages vidéo HW et SW. La deuxième phase de la thèse est l’optimisation de la consommation énergétique du décodage SW. La solution proposée est décomposée en trois phases : (1) modélisation de la complexité de trames, (2) classification en assignant les trames à des cœurs performants ou moins performants selon leur complexité, et (3) mise à jour de la fréquence du GPP.
Origine : Version validée par le jury (STAR)