Fraunhofer HHI lanzó esta semana una nueva lectura de VVenC, su codificador de vídeo H.266 de código despejado. Entre los cambios de esta lectura se encuentran más optimizaciones de rendimiento para ARM y he realizado algunos puntos de remisión comparativos utilizando un SoC NVIDIA GB10 con Dell Pro Max GB10.
Esta no es la primera lectura de VVenc que presenta optimizaciones de rendimiento de ARM específicas, sino simplemente la última en continuar esforzándose por obtener un mejor rendimiento de codificación de video ARM64. La lectura VVenC 1.14 trae “muchas” optimizaciones ARM SIMD en torno a NEON y SVE, encima de habilitar Extensiones vectoriales escalables (SVE) de forma predeterminada para procesadores ARM capaces.
La NVIDIA GB10 con sus diez núcleos Arm Cortex-X925 y diez núcleos Arm Cortex-A725 es compatible con SVE/SVE2. Por lo tanto, es un objetivo de prueba muy interesante y gracias a que Dell proporcionó la muestra de revisión de Dell Pro Max GB10, es posible comparar estas últimas mejoras de VVenC.
Para las pruebas de hoy, construí y comparé los codificadores VVenC 1.13 y VVenC 1.14 H.266 en Dell Pro Max GB10 usando la misma pila de software y compilador/indicadores predeterminados simplemente comparando la lectura de VVenC que se está probando.
Cerca de de un 35 % más de rendimiento para VVenC 1.14 con contenido 4K en el ajuste preestablecido rápido. Y eso se suma a que VVenC 1.13 ya tiene algunas optimizaciones ARM y similares; esta no es la primera lectura que intenta ajustar el rendimiento de AArch64.
El ajuste preestablecido “más rápido” con contenido 4K todavía ofrecía un rendimiento un 7% mejor para esta nueva lectura.
Incluso para contenido de 1080p, algunas mejoras agradables en el rendimiento de VVenC 1.14 para la codificación de video H.266 en el Dell Pro Max GB10.
Más Puntos de referencia de VVenC por venir para aquellos que tengan curiosidad sobre cómo se compara el rendimiento entre los procesadores AArch64 y x86_64. Aquellos que quieran probar este codificador H.266 de código despejado pueden encontrarlo en GitHub.
About The Author
