Anforderungen  |   Konzepte  |   Entwurf  |   Entwicklung  |   Qualitätssicherung  |   Lebenszyklus  |   Steuerung
 
 
 
 


SSL highbd_intrapred_neon.c

  Sprache: C
 

/*
 *  Copyright (c) 2016 The WebM project authors. All Rights Reserved.
 *
 *  Use of this source code is governed by a BSD-style license
 *  that can be found in the LICENSE file in the root of the source
 *  tree. An additional intellectual property rights grant can be found
 *  in the file PATENTS.  All contributing project authors may
 *  be found in the AUTHORS file in the root of the source tree.
 */


#include <arm_neon.h>

#include "./vpx_config.h"
#include "./vpx_dsp_rtcd.h"
#include "sum_neon.h"
#include "vpx/vpx_integer.h"

//------------------------------------------------------------------------------
// DC 4x4

static INLINE uint16_t dc_sum_4(const uint16_t *ref) {
  const uint16x4_t ref_u16 = vld1_u16(ref);
  return horizontal_add_uint16x4(ref_u16);
}

static INLINE void dc_store_4x4(uint16_t *dst, ptrdiff_t stride,
                                const uint16x4_t dc) {
  int i;
  for (i = 0; i < 4; ++i, dst += stride) {
    vst1_u16(dst, dc);
  }
}

void vpx_highbd_dc_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                      const uint16_t *above,
                                      const uint16_t *left, int bd) {
  const uint16x4_t a = vld1_u16(above);
  const uint16x4_t l = vld1_u16(left);
  const uint16_t sum = horizontal_add_uint16x4(vadd_u16(a, l));
  const uint16x4_t dc = vrshr_n_u16(vdup_n_u16(sum), 3);
  (void)bd;
  dc_store_4x4(dst, stride, dc);
}

void vpx_highbd_dc_left_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                           const uint16_t *above,
                                           const uint16_t *left, int bd) {
  const uint16_t sum = dc_sum_4(left);
  const uint16x4_t dc = vrshr_n_u16(vdup_n_u16(sum), 2);
  (void)above;
  (void)bd;
  dc_store_4x4(dst, stride, dc);
}

void vpx_highbd_dc_top_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  const uint16_t sum = dc_sum_4(above);
  const uint16x4_t dc = vrshr_n_u16(vdup_n_u16(sum), 2);
  (void)left;
  (void)bd;
  dc_store_4x4(dst, stride, dc);
}

void vpx_highbd_dc_128_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  const uint16x4_t dc = vdup_n_u16(1 << (bd - 1));
  (void)above;
  (void)left;
  dc_store_4x4(dst, stride, dc);
}

//------------------------------------------------------------------------------
// DC 8x8

static INLINE uint16_t dc_sum_8(const uint16_t *ref) {
  const uint16x8_t ref_u16 = vld1q_u16(ref);
  return horizontal_add_uint16x8(ref_u16);
}

static INLINE void dc_store_8x8(uint16_t *dst, ptrdiff_t stride,
                                const uint16x8_t dc) {
  int i;
  for (i = 0; i < 8; ++i, dst += stride) {
    vst1q_u16(dst, dc);
  }
}

void vpx_highbd_dc_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                      const uint16_t *above,
                                      const uint16_t *left, int bd) {
  const uint16x8_t above_u16 = vld1q_u16(above);
  const uint16x8_t left_u16 = vld1q_u16(left);
  const uint16x8_t p0 = vaddq_u16(above_u16, left_u16);
  const uint16_t sum = horizontal_add_uint16x8(p0);
  const uint16x8_t dc = vrshrq_n_u16(vdupq_n_u16(sum), 4);
  (void)bd;
  dc_store_8x8(dst, stride, dc);
}

void vpx_highbd_dc_left_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                           const uint16_t *above,
                                           const uint16_t *left, int bd) {
  const uint16_t sum = dc_sum_8(left);
  const uint16x8_t dc = vrshrq_n_u16(vdupq_n_u16(sum), 3);
  (void)above;
  (void)bd;
  dc_store_8x8(dst, stride, dc);
}

void vpx_highbd_dc_top_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  const uint16_t sum = dc_sum_8(above);
  const uint16x8_t dc = vrshrq_n_u16(vdupq_n_u16(sum), 3);
  (void)left;
  (void)bd;
  dc_store_8x8(dst, stride, dc);
}

void vpx_highbd_dc_128_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  const uint16x8_t dc = vdupq_n_u16(1 << (bd - 1));
  (void)above;
  (void)left;
  dc_store_8x8(dst, stride, dc);
}

//------------------------------------------------------------------------------
// DC 16x16

static INLINE uint16_t dc_sum_16(const uint16_t *ref) {
  const uint16x8_t ref_u16_0 = vld1q_u16(ref + 0);
  const uint16x8_t ref_u16_1 = vld1q_u16(ref + 8);
  const uint16x8_t p0 = vaddq_u16(ref_u16_0, ref_u16_1);
  return horizontal_add_uint16x8(p0);
}

static INLINE void dc_store_16x16(uint16_t *dst, ptrdiff_t stride,
                                  const uint16x8_t dc) {
  int i;
  for (i = 0; i < 16; ++i, dst += stride) {
    vst1q_u16(dst + 0, dc);
    vst1q_u16(dst + 8, dc);
  }
}

void vpx_highbd_dc_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  const uint16x8_t a0 = vld1q_u16(above + 0);
  const uint16x8_t a1 = vld1q_u16(above + 8);
  const uint16x8_t l0 = vld1q_u16(left + 0);
  const uint16x8_t l1 = vld1q_u16(left + 8);
  const uint16x8_t pa = vaddq_u16(a0, a1);
  const uint16x8_t pl = vaddq_u16(l0, l1);
  const uint16x8_t pal0 = vaddq_u16(pa, pl);
  const uint32_t sum = horizontal_add_uint16x8(pal0);
  const uint16x8_t dc = vdupq_lane_u16(vrshrn_n_u32(vdupq_n_u32(sum), 5), 0);
  (void)bd;
  dc_store_16x16(dst, stride, dc);
}

void vpx_highbd_dc_left_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                             const uint16_t *above,
                                             const uint16_t *left, int bd) {
  const uint16_t sum = dc_sum_16(left);
  const uint16x8_t dc = vrshrq_n_u16(vdupq_n_u16(sum), 4);
  (void)above;
  (void)bd;
  dc_store_16x16(dst, stride, dc);
}

void vpx_highbd_dc_top_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                            const uint16_t *above,
                                            const uint16_t *left, int bd) {
  const uint16_t sum = dc_sum_16(above);
  const uint16x8_t dc = vrshrq_n_u16(vdupq_n_u16(sum), 4);
  (void)left;
  (void)bd;
  dc_store_16x16(dst, stride, dc);
}

void vpx_highbd_dc_128_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                            const uint16_t *above,
                                            const uint16_t *left, int bd) {
  const uint16x8_t dc = vdupq_n_u16(1 << (bd - 1));
  (void)above;
  (void)left;
  dc_store_16x16(dst, stride, dc);
}

//------------------------------------------------------------------------------
// DC 32x32

static INLINE uint32_t dc_sum_32(const uint16_t *ref) {
  const uint16x8_t r0 = vld1q_u16(ref + 0);
  const uint16x8_t r1 = vld1q_u16(ref + 8);
  const uint16x8_t r2 = vld1q_u16(ref + 16);
  const uint16x8_t r3 = vld1q_u16(ref + 24);
  const uint16x8_t p0 = vaddq_u16(r0, r1);
  const uint16x8_t p1 = vaddq_u16(r2, r3);
  const uint16x8_t p2 = vaddq_u16(p0, p1);
  return horizontal_add_uint16x8(p2);
}

static INLINE void dc_store_32x32(uint16_t *dst, ptrdiff_t stride,
                                  const uint16x8_t dc) {
  int i;
  for (i = 0; i < 32; ++i) {
    vst1q_u16(dst + 0, dc);
    vst1q_u16(dst + 8, dc);
    vst1q_u16(dst + 16, dc);
    vst1q_u16(dst + 24, dc);
    dst += stride;
  }
}

void vpx_highbd_dc_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  const uint16x8_t a0 = vld1q_u16(above + 0);
  const uint16x8_t a1 = vld1q_u16(above + 8);
  const uint16x8_t a2 = vld1q_u16(above + 16);
  const uint16x8_t a3 = vld1q_u16(above + 24);
  const uint16x8_t l0 = vld1q_u16(left + 0);
  const uint16x8_t l1 = vld1q_u16(left + 8);
  const uint16x8_t l2 = vld1q_u16(left + 16);
  const uint16x8_t l3 = vld1q_u16(left + 24);
  const uint16x8_t pa0 = vaddq_u16(a0, a1);
  const uint16x8_t pa1 = vaddq_u16(a2, a3);
  const uint16x8_t pl0 = vaddq_u16(l0, l1);
  const uint16x8_t pl1 = vaddq_u16(l2, l3);
  const uint16x8_t pa = vaddq_u16(pa0, pa1);
  const uint16x8_t pl = vaddq_u16(pl0, pl1);
  const uint16x8_t pal0 = vaddq_u16(pa, pl);
  const uint32_t sum = horizontal_add_uint16x8(pal0);
  const uint16x8_t dc = vdupq_lane_u16(vrshrn_n_u32(vdupq_n_u32(sum), 6), 0);
  (void)bd;
  dc_store_32x32(dst, stride, dc);
}

void vpx_highbd_dc_left_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                             const uint16_t *above,
                                             const uint16_t *left, int bd) {
  const uint32_t sum = dc_sum_32(left);
  const uint16x8_t dc = vdupq_lane_u16(vrshrn_n_u32(vdupq_n_u32(sum), 5), 0);
  (void)above;
  (void)bd;
  dc_store_32x32(dst, stride, dc);
}

void vpx_highbd_dc_top_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                            const uint16_t *above,
                                            const uint16_t *left, int bd) {
  const uint32_t sum = dc_sum_32(above);
  const uint16x8_t dc = vdupq_lane_u16(vrshrn_n_u32(vdupq_n_u32(sum), 5), 0);
  (void)left;
  (void)bd;
  dc_store_32x32(dst, stride, dc);
}

void vpx_highbd_dc_128_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                            const uint16_t *above,
                                            const uint16_t *left, int bd) {
  const uint16x8_t dc = vdupq_n_u16(1 << (bd - 1));
  (void)above;
  (void)left;
  dc_store_32x32(dst, stride, dc);
}

// -----------------------------------------------------------------------------

void vpx_highbd_d45_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                       const uint16_t *above,
                                       const uint16_t *left, int bd) {
  uint16x8_t a0, a1, a2, d0;
  uint16_t a7;
  (void)left;
  (void)bd;

  a0 = vld1q_u16(above);
  a7 = above[7];

  // [ above[1], ..., above[6], x, x ]
  a1 = vextq_u16(a0, a0, 1);
  // [ above[2], ..., above[7], x, x ]
  a2 = vextq_u16(a0, a0, 2);

  // d0[0] = AVG3(above[0], above[1], above[2]);
  // ...
  // d0[5] = AVG3(above[5], above[6], above[7]);
  // d0[6] = x (don't care)
  // d0[7] = x (don't care)
  d0 = vrhaddq_u16(vhaddq_u16(a0, a2), a1);

  // We want:
  // stride=0 [ d0[0], d0[1], d0[2],    d0[3] ]
  // stride=1 [ d0[1], d0[2], d0[3],    d0[4] ]
  // stride=2 [ d0[2], d0[3], d0[4],    d0[5] ]
  // stride=2 [ d0[3], d0[4], d0[5], above[7] ]
  vst1_u16(dst + 0 * stride, vget_low_u16(d0));
  vst1_u16(dst + 1 * stride, vget_low_u16(vextq_u16(d0, d0, 1)));
  vst1_u16(dst + 2 * stride, vget_low_u16(vextq_u16(d0, d0, 2)));
  vst1_u16(dst + 3 * stride, vget_low_u16(vextq_u16(d0, d0, 3)));

  // We stored d0[6] above, so fixup into above[7].
  dst[3 * stride + 3] = a7;
}

void vpx_highbd_d45_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                       const uint16_t *above,
                                       const uint16_t *left, int bd) {
  uint16x8_t ax0, a0, a1, a7, d0;
  (void)left;
  (void)bd;

  a0 = vld1q_u16(above + 0);
  a1 = vld1q_u16(above + 1);
  a7 = vld1q_dup_u16(above + 7);

  // We want to calculate the AVG3 result in lanes 1-7 inclusive so we can
  // shift in above[7] later, so shift a0 across by one to get the right
  // inputs:
  // [ x, above[0], ... , above[6] ]
  ax0 = vextq_u16(a0, a0, 7);

  // d0[0] = x (don't care)
  // d0[1] = AVG3(above[0], above[1], above[2]);
  // ...
  // d0[7] = AVG3(above[6], above[7], above[8]);
  d0 = vrhaddq_u16(vhaddq_u16(ax0, a1), a0);

  // Undo the earlier ext, incrementally shift in duplicates of above[7].
  vst1q_u16(dst + 0 * stride, vextq_u16(d0, a7, 1));
  vst1q_u16(dst + 1 * stride, vextq_u16(d0, a7, 2));
  vst1q_u16(dst + 2 * stride, vextq_u16(d0, a7, 3));
  vst1q_u16(dst + 3 * stride, vextq_u16(d0, a7, 4));
  vst1q_u16(dst + 4 * stride, vextq_u16(d0, a7, 5));
  vst1q_u16(dst + 5 * stride, vextq_u16(d0, a7, 6));
  vst1q_u16(dst + 6 * stride, vextq_u16(d0, a7, 7));
  vst1q_u16(dst + 7 * stride, a7);
}

void vpx_highbd_d45_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                         const uint16_t *above,
                                         const uint16_t *left, int bd) {
  uint16x8_t ax0, a0, a1, a7, a8, a9, a15, d0[2];
  (void)left;
  (void)bd;

  a0 = vld1q_u16(above + 0);
  a1 = vld1q_u16(above + 1);
  a7 = vld1q_u16(above + 7);
  a8 = vld1q_u16(above + 8);
  a9 = vld1q_u16(above + 9);
  a15 = vld1q_dup_u16(above + 15);

  // [ x, above[0], ... , above[6] ]
  ax0 = vextq_u16(a0, a0, 7);

  // We have one unused lane here to leave room to shift in above[15] in the
  // last lane:
  // d0[0][1] = x (don't care)
  // d0[0][1] = AVG3(above[0], above[1], above[2]);
  // ...
  // d0[0][7] = AVG3(above[6], above[7], above[8]);
  // d0[1][0] = AVG3(above[7], above[8], above[9]);
  // ...
  // d0[1][7] = AVG3(above[14], above[15], above[16]);
  d0[0] = vrhaddq_u16(vhaddq_u16(ax0, a1), a0);
  d0[1] = vrhaddq_u16(vhaddq_u16(a7, a9), a8);

  // Incrementally shift in duplicates of above[15].
  vst1q_u16(dst + 0 * stride + 0, vextq_u16(d0[0], d0[1], 1));
  vst1q_u16(dst + 0 * stride + 8, vextq_u16(d0[1], a15, 1));
  vst1q_u16(dst + 1 * stride + 0, vextq_u16(d0[0], d0[1], 2));
  vst1q_u16(dst + 1 * stride + 8, vextq_u16(d0[1], a15, 2));
  vst1q_u16(dst + 2 * stride + 0, vextq_u16(d0[0], d0[1], 3));
  vst1q_u16(dst + 2 * stride + 8, vextq_u16(d0[1], a15, 3));
  vst1q_u16(dst + 3 * stride + 0, vextq_u16(d0[0], d0[1], 4));
  vst1q_u16(dst + 3 * stride + 8, vextq_u16(d0[1], a15, 4));
  vst1q_u16(dst + 4 * stride + 0, vextq_u16(d0[0], d0[1], 5));
  vst1q_u16(dst + 4 * stride + 8, vextq_u16(d0[1], a15, 5));
  vst1q_u16(dst + 5 * stride + 0, vextq_u16(d0[0], d0[1], 6));
  vst1q_u16(dst + 5 * stride + 8, vextq_u16(d0[1], a15, 6));
  vst1q_u16(dst + 6 * stride + 0, vextq_u16(d0[0], d0[1], 7));
  vst1q_u16(dst + 6 * stride + 8, vextq_u16(d0[1], a15, 7));
  vst1q_u16(dst + 7 * stride + 0, d0[1]);
  vst1q_u16(dst + 7 * stride + 8, a15);

  vst1q_u16(dst + 8 * stride + 0, vextq_u16(d0[1], a15, 1));
  vst1q_u16(dst + 8 * stride + 8, a15);
  vst1q_u16(dst + 9 * stride + 0, vextq_u16(d0[1], a15, 2));
  vst1q_u16(dst + 9 * stride + 8, a15);
  vst1q_u16(dst + 10 * stride + 0, vextq_u16(d0[1], a15, 3));
  vst1q_u16(dst + 10 * stride + 8, a15);
  vst1q_u16(dst + 11 * stride + 0, vextq_u16(d0[1], a15, 4));
  vst1q_u16(dst + 11 * stride + 8, a15);
  vst1q_u16(dst + 12 * stride + 0, vextq_u16(d0[1], a15, 5));
  vst1q_u16(dst + 12 * stride + 8, a15);
  vst1q_u16(dst + 13 * stride + 0, vextq_u16(d0[1], a15, 6));
  vst1q_u16(dst + 13 * stride + 8, a15);
  vst1q_u16(dst + 14 * stride + 0, vextq_u16(d0[1], a15, 7));
  vst1q_u16(dst + 14 * stride + 8, a15);
  vst1q_u16(dst + 15 * stride + 0, a15);
  vst1q_u16(dst + 15 * stride + 8, a15);
}

void vpx_highbd_d45_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                         const uint16_t *above,
                                         const uint16_t *left, int bd) {
  uint16x8_t ax0, a0, a1, a7, a8, a9, a15, a16, a17, a23, a24, a25, a31, d0[4];
  int i;
  (void)left;
  (void)bd;

  a0 = vld1q_u16(above + 0);
  a1 = vld1q_u16(above + 1);
  a7 = vld1q_u16(above + 7);
  a8 = vld1q_u16(above + 8);
  a9 = vld1q_u16(above + 9);
  a15 = vld1q_u16(above + 15);
  a16 = vld1q_u16(above + 16);
  a17 = vld1q_u16(above + 17);
  a23 = vld1q_u16(above + 23);
  a24 = vld1q_u16(above + 24);
  a25 = vld1q_u16(above + 25);
  a31 = vld1q_dup_u16(above + 31);

  // [ x, above[0], ... , above[6] ]
  ax0 = vextq_u16(a0, a0, 7);

  d0[0] = vrhaddq_u16(vhaddq_u16(ax0, a1), a0);
  d0[1] = vrhaddq_u16(vhaddq_u16(a7, a9), a8);
  d0[2] = vrhaddq_u16(vhaddq_u16(a15, a17), a16);
  d0[3] = vrhaddq_u16(vhaddq_u16(a23, a25), a24);

  for (i = 0; i < 32; ++i) {
    d0[0] = vextq_u16(d0[0], d0[1], 1);
    d0[1] = vextq_u16(d0[1], d0[2], 1);
    d0[2] = vextq_u16(d0[2], d0[3], 1);
    d0[3] = vextq_u16(d0[3], a31, 1);
    vst1q_u16(dst + 0, d0[0]);
    vst1q_u16(dst + 8, d0[1]);
    vst1q_u16(dst + 16, d0[2]);
    vst1q_u16(dst + 24, d0[3]);
    dst += stride;
  }
}

// -----------------------------------------------------------------------------

void vpx_highbd_d63_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                       const uint16_t *above,
                                       const uint16_t *left, int bd) {
  uint16x4_t a0, a1, a2, a3, d0, d1, d2, d3;
  (void)left;
  (void)bd;

  a0 = vld1_u16(above + 0);
  a1 = vld1_u16(above + 1);
  a2 = vld1_u16(above + 2);
  a3 = vld1_u16(above + 3);

  d0 = vrhadd_u16(a0, a1);
  d1 = vrhadd_u16(vhadd_u16(a0, a2), a1);
  d2 = vrhadd_u16(a1, a2);
  d3 = vrhadd_u16(vhadd_u16(a1, a3), a2);

  // Note that here we are performing a full avg calculation for the final
  // elements rather than storing a duplicate of above[3], which differs
  // (correctly) from the general scheme employed by the bs={8,16,32}
  // implementations in order to match the original C implementation.
  vst1_u16(dst + 0 * stride, d0);
  vst1_u16(dst + 1 * stride, d1);
  vst1_u16(dst + 2 * stride, d2);
  vst1_u16(dst + 3 * stride, d3);
}

void vpx_highbd_d63_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                       const uint16_t *above,
                                       const uint16_t *left, int bd) {
  uint16x8_t a0, a1, a2, a7, d0, d1, d0_ext, d1_ext;
  (void)left;
  (void)bd;

  a0 = vld1q_u16(above + 0);
  a1 = vld1q_u16(above + 1);
  a2 = vld1q_u16(above + 2);
  a7 = vld1q_dup_u16(above + 7);

  d0 = vrhaddq_u16(a0, a1);
  d1 = vrhaddq_u16(vhaddq_u16(a0, a2), a1);

  // We want to store:
  // stride=0 [ d0[0], d0[1], d0[2], d0[3], d0[4], d0[5], d0[6], d0[7] ]
  // stride=1 [ d1[0], d1[1], d1[2], d1[3], d1[4], d1[5], d1[6], d1[7] ]
  // stride=2 [ d0[1], d0[2], d0[3], d0[4], d0[5], d0[6],  a[7],  a[7] ]
  // stride=3 [ d1[1], d1[2], d1[3], d1[4], d1[5], d1[6],  a[7],  a[7] ]
  // stride=4 [ d0[2], d0[3], d0[4], d0[5], d0[6],  a[7],  a[7],  a[7] ]
  // stride=5 [ d1[2], d1[3], d1[4], d1[5], d1[6],  a[7],  a[7],  a[7] ]
  // stride=6 [ d0[3], d0[4], d0[5], d0[6],  a[7],  a[7],  a[7],  a[7] ]
  // stride=7 [ d1[3], d1[4], d1[5], d1[6],  a[7],  a[7],  a[7],  a[7] ]
  // Note in particular that d0[7] and d1[7] are only ever referenced in the
  // stride=0 and stride=1 cases respectively, and in later strides are
  // replaced by a copy of above[7]. These are equivalent if for i>7,
  // above[i]==above[7], however that is not always the case.

  // Strip out d0[7] and d1[7] so that we can replace it with an additional
  // copy of above[7], the first vector here doesn't matter so just reuse
  // d0/d1.
  d0_ext = vextq_u16(d0, d0, 7);
  d1_ext = vextq_u16(d1, d1, 7);

  // Shuffle in duplicates of above[7] and store.
  vst1q_u16(dst + 0 * stride, d0);
  vst1q_u16(dst + 1 * stride, d1);
  vst1q_u16(dst + 2 * stride, vextq_u16(d0_ext, a7, 2));
  vst1q_u16(dst + 3 * stride, vextq_u16(d1_ext, a7, 2));
  vst1q_u16(dst + 4 * stride, vextq_u16(d0_ext, a7, 3));
  vst1q_u16(dst + 5 * stride, vextq_u16(d1_ext, a7, 3));
  vst1q_u16(dst + 6 * stride, vextq_u16(d0_ext, a7, 4));
  vst1q_u16(dst + 7 * stride, vextq_u16(d1_ext, a7, 4));
}

void vpx_highbd_d63_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                         const uint16_t *above,
                                         const uint16_t *left, int bd) {
  // See vpx_highbd_d63_predictor_8x8_neon for details on the implementation.
  uint16x8_t a0, a1, a2, a8, a9, a10, a15, d0[2], d1[2], d0_ext, d1_ext;
  (void)left;
  (void)bd;

  a0 = vld1q_u16(above + 0);
  a1 = vld1q_u16(above + 1);
  a2 = vld1q_u16(above + 2);
  a8 = vld1q_u16(above + 8);
  a9 = vld1q_u16(above + 9);
  a10 = vld1q_u16(above + 10);
  a15 = vld1q_dup_u16(above + 15);

  d0[0] = vrhaddq_u16(a0, a1);
  d0[1] = vrhaddq_u16(a8, a9);
  d1[0] = vrhaddq_u16(vhaddq_u16(a0, a2), a1);
  d1[1] = vrhaddq_u16(vhaddq_u16(a8, a10), a9);

  // Strip out the final element of d0/d1 so that we can replace it with an
  // additional copy of above[7], the first vector here doesn't matter so just
  // reuse the same vector.
  d0_ext = vextq_u16(d0[1], d0[1], 7);
  d1_ext = vextq_u16(d1[1], d1[1], 7);

  // Shuffle in duplicates of above[7] and store. Note that cases involving
  // {d0,d1}_ext require an extra shift to undo the shifting out of the final
  // element from above.
  vst1q_u16(dst + 0 * stride + 0, d0[0]);
  vst1q_u16(dst + 0 * stride + 8, d0[1]);
  vst1q_u16(dst + 1 * stride + 0, d1[0]);
  vst1q_u16(dst + 1 * stride + 8, d1[1]);
  vst1q_u16(dst + 2 * stride + 0, vextq_u16(d0[0], d0[1], 1));
  vst1q_u16(dst + 2 * stride + 8, vextq_u16(d0_ext, a15, 2));
  vst1q_u16(dst + 3 * stride + 0, vextq_u16(d1[0], d1[1], 1));
  vst1q_u16(dst + 3 * stride + 8, vextq_u16(d1_ext, a15, 2));
  vst1q_u16(dst + 4 * stride + 0, vextq_u16(d0[0], d0[1], 2));
  vst1q_u16(dst + 4 * stride + 8, vextq_u16(d0_ext, a15, 3));
  vst1q_u16(dst + 5 * stride + 0, vextq_u16(d1[0], d1[1], 2));
  vst1q_u16(dst + 5 * stride + 8, vextq_u16(d1_ext, a15, 3));
  vst1q_u16(dst + 6 * stride + 0, vextq_u16(d0[0], d0[1], 3));
  vst1q_u16(dst + 6 * stride + 8, vextq_u16(d0_ext, a15, 4));
  vst1q_u16(dst + 7 * stride + 0, vextq_u16(d1[0], d1[1], 3));
  vst1q_u16(dst + 7 * stride + 8, vextq_u16(d1_ext, a15, 4));
  vst1q_u16(dst + 8 * stride + 0, vextq_u16(d0[0], d0[1], 4));
  vst1q_u16(dst + 8 * stride + 8, vextq_u16(d0_ext, a15, 5));
  vst1q_u16(dst + 9 * stride + 0, vextq_u16(d1[0], d1[1], 4));
  vst1q_u16(dst + 9 * stride + 8, vextq_u16(d1_ext, a15, 5));
  vst1q_u16(dst + 10 * stride + 0, vextq_u16(d0[0], d0[1], 5));
  vst1q_u16(dst + 10 * stride + 8, vextq_u16(d0_ext, a15, 6));
  vst1q_u16(dst + 11 * stride + 0, vextq_u16(d1[0], d1[1], 5));
  vst1q_u16(dst + 11 * stride + 8, vextq_u16(d1_ext, a15, 6));
  vst1q_u16(dst + 12 * stride + 0, vextq_u16(d0[0], d0[1], 6));
  vst1q_u16(dst + 12 * stride + 8, vextq_u16(d0_ext, a15, 7));
  vst1q_u16(dst + 13 * stride + 0, vextq_u16(d1[0], d1[1], 6));
  vst1q_u16(dst + 13 * stride + 8, vextq_u16(d1_ext, a15, 7));
  vst1q_u16(dst + 14 * stride + 0, vextq_u16(d0[0], d0[1], 7));
  vst1q_u16(dst + 14 * stride + 8, a15);
  vst1q_u16(dst + 15 * stride + 0, vextq_u16(d1[0], d1[1], 7));
  vst1q_u16(dst + 15 * stride + 8, a15);
}

void vpx_highbd_d63_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                         const uint16_t *above,
                                         const uint16_t *left, int bd) {
  // See vpx_highbd_d63_predictor_8x8_neon for details on the implementation.
  uint16x8_t a0, a1, a2, a8, a9, a10, a16, a17, a18, a24, a25, a26, a31, d0[4],
      d1[4], d0_ext, d1_ext;
  (void)left;
  (void)bd;

  a0 = vld1q_u16(above + 0);
  a1 = vld1q_u16(above + 1);
  a2 = vld1q_u16(above + 2);
  a8 = vld1q_u16(above + 8);
  a9 = vld1q_u16(above + 9);
  a10 = vld1q_u16(above + 10);
  a16 = vld1q_u16(above + 16);
  a17 = vld1q_u16(above + 17);
  a18 = vld1q_u16(above + 18);
  a24 = vld1q_u16(above + 24);
  a25 = vld1q_u16(above + 25);
  a26 = vld1q_u16(above + 26);
  a31 = vld1q_dup_u16(above + 31);

  d0[0] = vrhaddq_u16(a0, a1);
  d0[1] = vrhaddq_u16(a8, a9);
  d0[2] = vrhaddq_u16(a16, a17);
  d0[3] = vrhaddq_u16(a24, a25);
  d1[0] = vrhaddq_u16(vhaddq_u16(a0, a2), a1);
  d1[1] = vrhaddq_u16(vhaddq_u16(a8, a10), a9);
  d1[2] = vrhaddq_u16(vhaddq_u16(a16, a18), a17);
  d1[3] = vrhaddq_u16(vhaddq_u16(a24, a26), a25);

  // Strip out the final element of d0/d1 so that we can replace it with an
  // additional copy of above[7], the first vector here doesn't matter so just
  // reuse the same vector.
  d0_ext = vextq_u16(d0[3], d0[3], 7);
  d1_ext = vextq_u16(d1[3], d1[3], 7);

  // Shuffle in duplicates of above[7] and store. Note that cases involving
  // {d0,d1}_ext require an extra shift to undo the shifting out of the final
  // element from above.

  vst1q_u16(dst + 0 * stride + 0, d0[0]);
  vst1q_u16(dst + 0 * stride + 8, d0[1]);
  vst1q_u16(dst + 0 * stride + 16, d0[2]);
  vst1q_u16(dst + 0 * stride + 24, d0[3]);
  vst1q_u16(dst + 1 * stride + 0, d1[0]);
  vst1q_u16(dst + 1 * stride + 8, d1[1]);
  vst1q_u16(dst + 1 * stride + 16, d1[2]);
  vst1q_u16(dst + 1 * stride + 24, d1[3]);

  vst1q_u16(dst + 2 * stride + 0, vextq_u16(d0[0], d0[1], 1));
  vst1q_u16(dst + 2 * stride + 8, vextq_u16(d0[1], d0[2], 1));
  vst1q_u16(dst + 2 * stride + 16, vextq_u16(d0[2], d0[3], 1));
  vst1q_u16(dst + 2 * stride + 24, vextq_u16(d0_ext, a31, 2));
  vst1q_u16(dst + 3 * stride + 0, vextq_u16(d1[0], d1[1], 1));
  vst1q_u16(dst + 3 * stride + 8, vextq_u16(d1[1], d1[2], 1));
  vst1q_u16(dst + 3 * stride + 16, vextq_u16(d1[2], d1[3], 1));
  vst1q_u16(dst + 3 * stride + 24, vextq_u16(d1_ext, a31, 2));

  vst1q_u16(dst + 4 * stride + 0, vextq_u16(d0[0], d0[1], 2));
  vst1q_u16(dst + 4 * stride + 8, vextq_u16(d0[1], d0[2], 2));
  vst1q_u16(dst + 4 * stride + 16, vextq_u16(d0[2], d0[3], 2));
  vst1q_u16(dst + 4 * stride + 24, vextq_u16(d0_ext, a31, 3));
  vst1q_u16(dst + 5 * stride + 0, vextq_u16(d1[0], d1[1], 2));
  vst1q_u16(dst + 5 * stride + 8, vextq_u16(d1[1], d1[2], 2));
  vst1q_u16(dst + 5 * stride + 16, vextq_u16(d1[2], d1[3], 2));
  vst1q_u16(dst + 5 * stride + 24, vextq_u16(d1_ext, a31, 3));

  vst1q_u16(dst + 6 * stride + 0, vextq_u16(d0[0], d0[1], 3));
  vst1q_u16(dst + 6 * stride + 8, vextq_u16(d0[1], d0[2], 3));
  vst1q_u16(dst + 6 * stride + 16, vextq_u16(d0[2], d0[3], 3));
  vst1q_u16(dst + 6 * stride + 24, vextq_u16(d0_ext, a31, 4));
  vst1q_u16(dst + 7 * stride + 0, vextq_u16(d1[0], d1[1], 3));
  vst1q_u16(dst + 7 * stride + 8, vextq_u16(d1[1], d1[2], 3));
  vst1q_u16(dst + 7 * stride + 16, vextq_u16(d1[2], d1[3], 3));
  vst1q_u16(dst + 7 * stride + 24, vextq_u16(d1_ext, a31, 4));

  vst1q_u16(dst + 8 * stride + 0, vextq_u16(d0[0], d0[1], 4));
  vst1q_u16(dst + 8 * stride + 8, vextq_u16(d0[1], d0[2], 4));
  vst1q_u16(dst + 8 * stride + 16, vextq_u16(d0[2], d0[3], 4));
  vst1q_u16(dst + 8 * stride + 24, vextq_u16(d0_ext, a31, 5));
  vst1q_u16(dst + 9 * stride + 0, vextq_u16(d1[0], d1[1], 4));
  vst1q_u16(dst + 9 * stride + 8, vextq_u16(d1[1], d1[2], 4));
  vst1q_u16(dst + 9 * stride + 16, vextq_u16(d1[2], d1[3], 4));
  vst1q_u16(dst + 9 * stride + 24, vextq_u16(d1_ext, a31, 5));

  vst1q_u16(dst + 10 * stride + 0, vextq_u16(d0[0], d0[1], 5));
  vst1q_u16(dst + 10 * stride + 8, vextq_u16(d0[1], d0[2], 5));
  vst1q_u16(dst + 10 * stride + 16, vextq_u16(d0[2], d0[3], 5));
  vst1q_u16(dst + 10 * stride + 24, vextq_u16(d0_ext, a31, 6));
  vst1q_u16(dst + 11 * stride + 0, vextq_u16(d1[0], d1[1], 5));
  vst1q_u16(dst + 11 * stride + 8, vextq_u16(d1[1], d1[2], 5));
  vst1q_u16(dst + 11 * stride + 16, vextq_u16(d1[2], d1[3], 5));
  vst1q_u16(dst + 11 * stride + 24, vextq_u16(d1_ext, a31, 6));

  vst1q_u16(dst + 12 * stride + 0, vextq_u16(d0[0], d0[1], 6));
  vst1q_u16(dst + 12 * stride + 8, vextq_u16(d0[1], d0[2], 6));
  vst1q_u16(dst + 12 * stride + 16, vextq_u16(d0[2], d0[3], 6));
  vst1q_u16(dst + 12 * stride + 24, vextq_u16(d0_ext, a31, 7));
  vst1q_u16(dst + 13 * stride + 0, vextq_u16(d1[0], d1[1], 6));
  vst1q_u16(dst + 13 * stride + 8, vextq_u16(d1[1], d1[2], 6));
  vst1q_u16(dst + 13 * stride + 16, vextq_u16(d1[2], d1[3], 6));
  vst1q_u16(dst + 13 * stride + 24, vextq_u16(d1_ext, a31, 7));

  vst1q_u16(dst + 14 * stride + 0, vextq_u16(d0[0], d0[1], 7));
  vst1q_u16(dst + 14 * stride + 8, vextq_u16(d0[1], d0[2], 7));
  vst1q_u16(dst + 14 * stride + 16, vextq_u16(d0[2], d0[3], 7));
  vst1q_u16(dst + 14 * stride + 24, a31);
  vst1q_u16(dst + 15 * stride + 0, vextq_u16(d1[0], d1[1], 7));
  vst1q_u16(dst + 15 * stride + 8, vextq_u16(d1[1], d1[2], 7));
  vst1q_u16(dst + 15 * stride + 16, vextq_u16(d1[2], d1[3], 7));
  vst1q_u16(dst + 15 * stride + 24, a31);

  vst1q_u16(dst + 16 * stride + 0, d0[1]);
  vst1q_u16(dst + 16 * stride + 8, d0[2]);
  vst1q_u16(dst + 16 * stride + 16, vextq_u16(d0_ext, a31, 1));
  vst1q_u16(dst + 16 * stride + 24, a31);
  vst1q_u16(dst + 17 * stride + 0, d1[1]);
  vst1q_u16(dst + 17 * stride + 8, d1[2]);
  vst1q_u16(dst + 17 * stride + 16, vextq_u16(d1_ext, a31, 1));
  vst1q_u16(dst + 17 * stride + 24, a31);

  vst1q_u16(dst + 18 * stride + 0, vextq_u16(d0[1], d0[2], 1));
  vst1q_u16(dst + 18 * stride + 8, vextq_u16(d0[2], d0[3], 1));
  vst1q_u16(dst + 18 * stride + 16, vextq_u16(d0_ext, a31, 2));
  vst1q_u16(dst + 18 * stride + 24, a31);
  vst1q_u16(dst + 19 * stride + 0, vextq_u16(d1[1], d1[2], 1));
  vst1q_u16(dst + 19 * stride + 8, vextq_u16(d1[2], d1[3], 1));
  vst1q_u16(dst + 19 * stride + 16, vextq_u16(d1_ext, a31, 2));
  vst1q_u16(dst + 19 * stride + 24, a31);

  vst1q_u16(dst + 20 * stride + 0, vextq_u16(d0[1], d0[2], 2));
  vst1q_u16(dst + 20 * stride + 8, vextq_u16(d0[2], d0[3], 2));
  vst1q_u16(dst + 20 * stride + 16, vextq_u16(d0_ext, a31, 3));
  vst1q_u16(dst + 20 * stride + 24, a31);
  vst1q_u16(dst + 21 * stride + 0, vextq_u16(d1[1], d1[2], 2));
  vst1q_u16(dst + 21 * stride + 8, vextq_u16(d1[2], d1[3], 2));
  vst1q_u16(dst + 21 * stride + 16, vextq_u16(d1_ext, a31, 3));
  vst1q_u16(dst + 21 * stride + 24, a31);

  vst1q_u16(dst + 22 * stride + 0, vextq_u16(d0[1], d0[2], 3));
  vst1q_u16(dst + 22 * stride + 8, vextq_u16(d0[2], d0[3], 3));
  vst1q_u16(dst + 22 * stride + 16, vextq_u16(d0_ext, a31, 4));
  vst1q_u16(dst + 22 * stride + 24, a31);
  vst1q_u16(dst + 23 * stride + 0, vextq_u16(d1[1], d1[2], 3));
  vst1q_u16(dst + 23 * stride + 8, vextq_u16(d1[2], d1[3], 3));
  vst1q_u16(dst + 23 * stride + 16, vextq_u16(d1_ext, a31, 4));
  vst1q_u16(dst + 23 * stride + 24, a31);

  vst1q_u16(dst + 24 * stride + 0, vextq_u16(d0[1], d0[2], 4));
  vst1q_u16(dst + 24 * stride + 8, vextq_u16(d0[2], d0[3], 4));
  vst1q_u16(dst + 24 * stride + 16, vextq_u16(d0_ext, a31, 5));
  vst1q_u16(dst + 24 * stride + 24, a31);
  vst1q_u16(dst + 25 * stride + 0, vextq_u16(d1[1], d1[2], 4));
  vst1q_u16(dst + 25 * stride + 8, vextq_u16(d1[2], d1[3], 4));
  vst1q_u16(dst + 25 * stride + 16, vextq_u16(d1_ext, a31, 5));
  vst1q_u16(dst + 25 * stride + 24, a31);

  vst1q_u16(dst + 26 * stride + 0, vextq_u16(d0[1], d0[2], 5));
  vst1q_u16(dst + 26 * stride + 8, vextq_u16(d0[2], d0[3], 5));
  vst1q_u16(dst + 26 * stride + 16, vextq_u16(d0_ext, a31, 6));
  vst1q_u16(dst + 26 * stride + 24, a31);
  vst1q_u16(dst + 27 * stride + 0, vextq_u16(d1[1], d1[2], 5));
  vst1q_u16(dst + 27 * stride + 8, vextq_u16(d1[2], d1[3], 5));
  vst1q_u16(dst + 27 * stride + 16, vextq_u16(d1_ext, a31, 6));
  vst1q_u16(dst + 27 * stride + 24, a31);

  vst1q_u16(dst + 28 * stride + 0, vextq_u16(d0[1], d0[2], 6));
  vst1q_u16(dst + 28 * stride + 8, vextq_u16(d0[2], d0[3], 6));
  vst1q_u16(dst + 28 * stride + 16, vextq_u16(d0_ext, a31, 7));
  vst1q_u16(dst + 28 * stride + 24, a31);
  vst1q_u16(dst + 29 * stride + 0, vextq_u16(d1[1], d1[2], 6));
  vst1q_u16(dst + 29 * stride + 8, vextq_u16(d1[2], d1[3], 6));
  vst1q_u16(dst + 29 * stride + 16, vextq_u16(d1_ext, a31, 7));
  vst1q_u16(dst + 29 * stride + 24, a31);

  vst1q_u16(dst + 30 * stride + 0, vextq_u16(d0[1], d0[2], 7));
  vst1q_u16(dst + 30 * stride + 8, vextq_u16(d0[2], d0[3], 7));
  vst1q_u16(dst + 30 * stride + 16, a31);
  vst1q_u16(dst + 30 * stride + 24, a31);
  vst1q_u16(dst + 31 * stride + 0, vextq_u16(d1[1], d1[2], 7));
  vst1q_u16(dst + 31 * stride + 8, vextq_u16(d1[2], d1[3], 7));
  vst1q_u16(dst + 31 * stride + 16, a31);
  vst1q_u16(dst + 31 * stride + 24, a31);
}

// -----------------------------------------------------------------------------

void vpx_highbd_d117_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  uint16x4_t az, a0, l0az, l0, l1, azl0, col0, col0_even, col0_odd, d0, d1;
  (void)bd;

  az = vld1_u16(above - 1);
  a0 = vld1_u16(above + 0);
  // [ left[0], above[-1], above[0], above[1] ]
  l0az = vext_u16(vld1_dup_u16(left), az, 3);

  l0 = vld1_u16(left + 0);
  // The last lane here is unused, reading left[4] could cause a buffer
  // over-read, so just fill with a duplicate of left[0] to avoid needing to
  // materialize a zero:
  // [ left[1], left[2], left[3], x ]
  l1 = vext_u16(l0, l0, 1);
  // [ above[-1], left[0], left[1], left[2] ]
  azl0 = vext_u16(vld1_dup_u16(above - 1), l0, 3);

  d0 = vrhadd_u16(az, a0);
  d1 = vrhadd_u16(vhadd_u16(l0az, a0), az);

  col0 = vrhadd_u16(vhadd_u16(azl0, l1), l0);
  col0_even = vdup_lane_u16(col0, 0);
  col0_odd = vdup_lane_u16(col0, 1);

  vst1_u16(dst + 0 * stride, d0);
  vst1_u16(dst + 1 * stride, d1);
  vst1_u16(dst + 2 * stride, vext_u16(col0_even, d0, 3));
  vst1_u16(dst + 3 * stride, vext_u16(col0_odd, d1, 3));
}

void vpx_highbd_d117_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  uint16x8_t az, a0, l0az, l0, l1, azl0, col0, col0_even, col0_odd, d0, d1;
  (void)bd;

  az = vld1q_u16(above - 1);
  a0 = vld1q_u16(above + 0);
  // [ left[0], above[-1], ..., left[5] ]
  l0az = vextq_u16(vld1q_dup_u16(left), az, 7);

  l0 = vld1q_u16(left + 0);
  // The last lane here is unused, reading left[8] could cause a buffer
  // over-read, so just fill with a duplicate of left[0] to avoid needing to
  // materialize a zero:
  // [ left[1], ... , left[7], x ]
  l1 = vextq_u16(l0, l0, 1);
  // [ above[-1], left[0], ..., left[6] ]
  azl0 = vextq_u16(vld1q_dup_u16(above - 1), l0, 7);

  // d0[0] = AVG2(above[-1], above[0])
  // ...
  // d0[7] = AVG2(above[6], above[7])
  d0 = vrhaddq_u16(az, a0);

  // d1[0] = AVG3(left[0], above[-1], above[0])
  // d1[1] = AVG3(above[-1], above[0], above[1])
  // ...
  // d1[7] = AVG3(above[5], above[6], above[7])
  d1 = vrhaddq_u16(vhaddq_u16(l0az, a0), az);

  // The ext instruction shifts elements in from the end of the vector rather
  // than the start, so reverse the vector to put the elements to be shifted in
  // at the end:
  // col0[7] = AVG3(above[-1], left[0], left[1])
  // col0[6] = AVG3(left[0], left[1], left[2])
  // ...
  // col0[0] = AVG3(left[6], left[7], left[8])
  col0 = vrhaddq_u16(vhaddq_u16(azl0, l1), l0);
  col0 = vrev64q_u16(vextq_u16(col0, col0, 4));

  // We don't care about the first parameter to this uzp since we only ever use
  // the high three elements, we just use col0 again since it is already
  // available:
  // col0_even = [ x, x, x, x, x, col0[3], col0[5], col0[7] ]
  // col0_odd = [ x, x, x, x, x, col0[2], col0[4], col0[6] ]
  col0_even = vuzpq_u16(col0, col0).val[1];
  col0_odd = vuzpq_u16(col0, col0).val[0];

  // Incrementally shift more elements from col0 into d0/1:
  // stride=0 [ d0[0],   d0[1],   d0[2],   d0[3], d0[4], d0[5], d0[6], d0[7] ]
  // stride=1 [ d1[0],   d1[1],   d1[2],   d1[3], d1[4], d1[5], d1[6], d1[7] ]
  // stride=2 [ col0[7], d0[0],   d0[1],   d0[2], d0[3], d0[4], d0[5], d0[6] ]
  // stride=3 [ col0[6], d1[0],   d1[1],   d1[2], d1[3], d1[4], d1[5], d1[6] ]
  // stride=4 [ col0[5], col0[7], d0[0],   d0[1], d0[2], d0[3], d0[4], d0[5] ]
  // stride=5 [ col0[4], col0[6], d1[0],   d1[1], d1[2], d1[3], d1[4], d1[5] ]
  // stride=6 [ col0[3], col0[5], col0[7], d0[0], d0[1], d0[2], d0[3], d0[4] ]
  // stride=7 [ col0[2], col0[4], col0[6], d1[0], d1[1], d1[2], d1[3], d1[4] ]
  vst1q_u16(dst + 0 * stride, d0);
  vst1q_u16(dst + 1 * stride, d1);
  vst1q_u16(dst + 2 * stride, vextq_u16(col0_even, d0, 7));
  vst1q_u16(dst + 3 * stride, vextq_u16(col0_odd, d1, 7));
  vst1q_u16(dst + 4 * stride, vextq_u16(col0_even, d0, 6));
  vst1q_u16(dst + 5 * stride, vextq_u16(col0_odd, d1, 6));
  vst1q_u16(dst + 6 * stride, vextq_u16(col0_even, d0, 5));
  vst1q_u16(dst + 7 * stride, vextq_u16(col0_odd, d1, 5));
}

void vpx_highbd_d117_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  uint16x8_t az, a0, a6, a7, a8, l0az, l0, l1, l7, l8, l9, azl0, col0_lo,
      col0_hi, col0_even, col0_odd, d0_lo, d0_hi, d1_lo, d1_hi;
  (void)bd;

  az = vld1q_u16(above - 1);
  a0 = vld1q_u16(above + 0);
  a6 = vld1q_u16(above + 6);
  a7 = vld1q_u16(above + 7);
  a8 = vld1q_u16(above + 8);
  // [ left[0], above[-1], ..., left[5] ]
  l0az = vextq_u16(vld1q_dup_u16(left), az, 7);

  l0 = vld1q_u16(left + 0);
  l1 = vld1q_u16(left + 1);
  l7 = vld1q_u16(left + 7);
  l8 = vld1q_u16(left + 8);
  // The last lane here is unused, reading left[16] could cause a buffer
  // over-read, so just fill with a duplicate of left[8] to avoid needing to
  // materialize a zero:
  // [ left[9], ... , left[15], x ]
  l9 = vextq_u16(l8, l8, 1);
  // [ above[-1], left[0], ..., left[6] ]
  azl0 = vextq_u16(vld1q_dup_u16(above - 1), l0, 7);

  d0_lo = vrhaddq_u16(az, a0);
  d0_hi = vrhaddq_u16(a7, a8);
  d1_lo = vrhaddq_u16(vhaddq_u16(l0az, a0), az);
  d1_hi = vrhaddq_u16(vhaddq_u16(a6, a8), a7);

  col0_lo = vrhaddq_u16(vhaddq_u16(azl0, l1), l0);
  col0_hi = vrhaddq_u16(vhaddq_u16(l7, l9), l8);

  // Reverse within each vector, then swap the array indices in the uzp to
  // complete the reversal across all 16 elements.
  col0_lo = vrev64q_u16(vextq_u16(col0_lo, col0_lo, 4));
  col0_hi = vrev64q_u16(vextq_u16(col0_hi, col0_hi, 4));
  col0_even = vuzpq_u16(col0_hi, col0_lo).val[1];
  col0_odd = vuzpq_u16(col0_hi, col0_lo).val[0];

  vst1q_u16(dst + 0 * stride + 0, d0_lo);
  vst1q_u16(dst + 0 * stride + 8, d0_hi);
  vst1q_u16(dst + 1 * stride + 0, d1_lo);
  vst1q_u16(dst + 1 * stride + 8, d1_hi);

  vst1q_u16(dst + 2 * stride + 0, vextq_u16(col0_even, d0_lo, 7));
  vst1q_u16(dst + 2 * stride + 8, vextq_u16(d0_lo, d0_hi, 7));
  vst1q_u16(dst + 3 * stride + 0, vextq_u16(col0_odd, d1_lo, 7));
  vst1q_u16(dst + 3 * stride + 8, vextq_u16(d1_lo, d1_hi, 7));

  vst1q_u16(dst + 4 * stride + 0, vextq_u16(col0_even, d0_lo, 6));
  vst1q_u16(dst + 4 * stride + 8, vextq_u16(d0_lo, d0_hi, 6));
  vst1q_u16(dst + 5 * stride + 0, vextq_u16(col0_odd, d1_lo, 6));
  vst1q_u16(dst + 5 * stride + 8, vextq_u16(d1_lo, d1_hi, 6));

  vst1q_u16(dst + 6 * stride + 0, vextq_u16(col0_even, d0_lo, 5));
  vst1q_u16(dst + 6 * stride + 8, vextq_u16(d0_lo, d0_hi, 5));
  vst1q_u16(dst + 7 * stride + 0, vextq_u16(col0_odd, d1_lo, 5));
  vst1q_u16(dst + 7 * stride + 8, vextq_u16(d1_lo, d1_hi, 5));

  vst1q_u16(dst + 8 * stride + 0, vextq_u16(col0_even, d0_lo, 4));
  vst1q_u16(dst + 8 * stride + 8, vextq_u16(d0_lo, d0_hi, 4));
  vst1q_u16(dst + 9 * stride + 0, vextq_u16(col0_odd, d1_lo, 4));
  vst1q_u16(dst + 9 * stride + 8, vextq_u16(d1_lo, d1_hi, 4));

  vst1q_u16(dst + 10 * stride + 0, vextq_u16(col0_even, d0_lo, 3));
  vst1q_u16(dst + 10 * stride + 8, vextq_u16(d0_lo, d0_hi, 3));
  vst1q_u16(dst + 11 * stride + 0, vextq_u16(col0_odd, d1_lo, 3));
  vst1q_u16(dst + 11 * stride + 8, vextq_u16(d1_lo, d1_hi, 3));

  vst1q_u16(dst + 12 * stride + 0, vextq_u16(col0_even, d0_lo, 2));
  vst1q_u16(dst + 12 * stride + 8, vextq_u16(d0_lo, d0_hi, 2));
  vst1q_u16(dst + 13 * stride + 0, vextq_u16(col0_odd, d1_lo, 2));
  vst1q_u16(dst + 13 * stride + 8, vextq_u16(d1_lo, d1_hi, 2));

  vst1q_u16(dst + 14 * stride + 0, vextq_u16(col0_even, d0_lo, 1));
  vst1q_u16(dst + 14 * stride + 8, vextq_u16(d0_lo, d0_hi, 1));
  vst1q_u16(dst + 15 * stride + 0, vextq_u16(col0_odd, d1_lo, 1));
  vst1q_u16(dst + 15 * stride + 8, vextq_u16(d1_lo, d1_hi, 1));
}

void vpx_highbd_d117_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  uint16x8_t az, a0, a6, a7, a8, a14, a15, a16, a22, a23, a24, l0az, l0, l1, l7,
      l8, l9, l15, l16, l17, l23, l24, l25, azl0, d0[4], d1[4], col0[4],
      col0_even[2], col0_odd[2];
  (void)bd;

  az = vld1q_u16(above - 1);
  a0 = vld1q_u16(above + 0);
  a6 = vld1q_u16(above + 6);
  a7 = vld1q_u16(above + 7);
  a8 = vld1q_u16(above + 8);
  a14 = vld1q_u16(above + 14);
  a15 = vld1q_u16(above + 15);
  a16 = vld1q_u16(above + 16);
  a22 = vld1q_u16(above + 22);
  a23 = vld1q_u16(above + 23);
  a24 = vld1q_u16(above + 24);
  // [ left[0], above[-1], ..., left[5] ]
  l0az = vextq_u16(vld1q_dup_u16(left), az, 7);

  l0 = vld1q_u16(left + 0);
  l1 = vld1q_u16(left + 1);
  l7 = vld1q_u16(left + 7);
  l8 = vld1q_u16(left + 8);
  l9 = vld1q_u16(left + 9);
  l15 = vld1q_u16(left + 15);
  l16 = vld1q_u16(left + 16);
  l17 = vld1q_u16(left + 17);
  l23 = vld1q_u16(left + 23);
  l24 = vld1q_u16(left + 24);
  l25 = vld1q_u16(left + 25);
  // The last lane here is unused, reading left[32] could cause a buffer
  // over-read, so just fill with a duplicate of left[24] to avoid needing to
  // materialize a zero:
  // [ left[25], ... , left[31], x ]
  l25 = vextq_u16(l24, l24, 1);
  // [ above[-1], left[0], ..., left[6] ]
  azl0 = vextq_u16(vld1q_dup_u16(above - 1), l0, 7);

  d0[0] = vrhaddq_u16(az, a0);
  d0[1] = vrhaddq_u16(a7, a8);
  d0[2] = vrhaddq_u16(a15, a16);
  d0[3] = vrhaddq_u16(a23, a24);
  d1[0] = vrhaddq_u16(vhaddq_u16(l0az, a0), az);
  d1[1] = vrhaddq_u16(vhaddq_u16(a6, a8), a7);
  d1[2] = vrhaddq_u16(vhaddq_u16(a14, a16), a15);
  d1[3] = vrhaddq_u16(vhaddq_u16(a22, a24), a23);

  col0[0] = vrhaddq_u16(vhaddq_u16(azl0, l1), l0);
  col0[1] = vrhaddq_u16(vhaddq_u16(l7, l9), l8);
  col0[2] = vrhaddq_u16(vhaddq_u16(l15, l17), l16);
  col0[3] = vrhaddq_u16(vhaddq_u16(l23, l25), l24);

  // Reverse within each vector, then swap the array indices in both the uzp
  // and the col0_{even,odd} assignment to complete the reversal across all
  // 32-elements.
  col0[0] = vrev64q_u16(vextq_u16(col0[0], col0[0], 4));
  col0[1] = vrev64q_u16(vextq_u16(col0[1], col0[1], 4));
  col0[2] = vrev64q_u16(vextq_u16(col0[2], col0[2], 4));
  col0[3] = vrev64q_u16(vextq_u16(col0[3], col0[3], 4));

  col0_even[1] = vuzpq_u16(col0[1], col0[0]).val[1];
  col0_even[0] = vuzpq_u16(col0[3], col0[2]).val[1];
  col0_odd[1] = vuzpq_u16(col0[1], col0[0]).val[0];
  col0_odd[0] = vuzpq_u16(col0[3], col0[2]).val[0];

  vst1q_u16(dst + 0 * stride + 0, d0[0]);
  vst1q_u16(dst + 0 * stride + 8, d0[1]);
  vst1q_u16(dst + 0 * stride + 16, d0[2]);
  vst1q_u16(dst + 0 * stride + 24, d0[3]);
  vst1q_u16(dst + 1 * stride + 0, d1[0]);
  vst1q_u16(dst + 1 * stride + 8, d1[1]);
  vst1q_u16(dst + 1 * stride + 16, d1[2]);
  vst1q_u16(dst + 1 * stride + 24, d1[3]);

  vst1q_u16(dst + 2 * stride + 0, vextq_u16(col0_even[1], d0[0], 7));
  vst1q_u16(dst + 2 * stride + 8, vextq_u16(d0[0], d0[1], 7));
  vst1q_u16(dst + 2 * stride + 16, vextq_u16(d0[1], d0[2], 7));
  vst1q_u16(dst + 2 * stride + 24, vextq_u16(d0[2], d0[3], 7));
  vst1q_u16(dst + 3 * stride + 0, vextq_u16(col0_odd[1], d1[0], 7));
  vst1q_u16(dst + 3 * stride + 8, vextq_u16(d1[0], d1[1], 7));
  vst1q_u16(dst + 3 * stride + 16, vextq_u16(d1[1], d1[2], 7));
  vst1q_u16(dst + 3 * stride + 24, vextq_u16(d1[2], d1[3], 7));

  vst1q_u16(dst + 4 * stride + 0, vextq_u16(col0_even[1], d0[0], 6));
  vst1q_u16(dst + 4 * stride + 8, vextq_u16(d0[0], d0[1], 6));
  vst1q_u16(dst + 4 * stride + 16, vextq_u16(d0[1], d0[2], 6));
  vst1q_u16(dst + 4 * stride + 24, vextq_u16(d0[2], d0[3], 6));
  vst1q_u16(dst + 5 * stride + 0, vextq_u16(col0_odd[1], d1[0], 6));
  vst1q_u16(dst + 5 * stride + 8, vextq_u16(d1[0], d1[1], 6));
  vst1q_u16(dst + 5 * stride + 16, vextq_u16(d1[1], d1[2], 6));
  vst1q_u16(dst + 5 * stride + 24, vextq_u16(d1[2], d1[3], 6));

  vst1q_u16(dst + 6 * stride + 0, vextq_u16(col0_even[1], d0[0], 5));
  vst1q_u16(dst + 6 * stride + 8, vextq_u16(d0[0], d0[1], 5));
  vst1q_u16(dst + 6 * stride + 16, vextq_u16(d0[1], d0[2], 5));
  vst1q_u16(dst + 6 * stride + 24, vextq_u16(d0[2], d0[3], 5));
  vst1q_u16(dst + 7 * stride + 0, vextq_u16(col0_odd[1], d1[0], 5));
  vst1q_u16(dst + 7 * stride + 8, vextq_u16(d1[0], d1[1], 5));
  vst1q_u16(dst + 7 * stride + 16, vextq_u16(d1[1], d1[2], 5));
  vst1q_u16(dst + 7 * stride + 24, vextq_u16(d1[2], d1[3], 5));

  vst1q_u16(dst + 8 * stride + 0, vextq_u16(col0_even[1], d0[0], 4));
  vst1q_u16(dst + 8 * stride + 8, vextq_u16(d0[0], d0[1], 4));
  vst1q_u16(dst + 8 * stride + 16, vextq_u16(d0[1], d0[2], 4));
  vst1q_u16(dst + 8 * stride + 24, vextq_u16(d0[2], d0[3], 4));
  vst1q_u16(dst + 9 * stride + 0, vextq_u16(col0_odd[1], d1[0], 4));
  vst1q_u16(dst + 9 * stride + 8, vextq_u16(d1[0], d1[1], 4));
  vst1q_u16(dst + 9 * stride + 16, vextq_u16(d1[1], d1[2], 4));
  vst1q_u16(dst + 9 * stride + 24, vextq_u16(d1[2], d1[3], 4));

  vst1q_u16(dst + 10 * stride + 0, vextq_u16(col0_even[1], d0[0], 3));
  vst1q_u16(dst + 10 * stride + 8, vextq_u16(d0[0], d0[1], 3));
  vst1q_u16(dst + 10 * stride + 16, vextq_u16(d0[1], d0[2], 3));
  vst1q_u16(dst + 10 * stride + 24, vextq_u16(d0[2], d0[3], 3));
  vst1q_u16(dst + 11 * stride + 0, vextq_u16(col0_odd[1], d1[0], 3));
  vst1q_u16(dst + 11 * stride + 8, vextq_u16(d1[0], d1[1], 3));
  vst1q_u16(dst + 11 * stride + 16, vextq_u16(d1[1], d1[2], 3));
  vst1q_u16(dst + 11 * stride + 24, vextq_u16(d1[2], d1[3], 3));

  vst1q_u16(dst + 12 * stride + 0, vextq_u16(col0_even[1], d0[0], 2));
  vst1q_u16(dst + 12 * stride + 8, vextq_u16(d0[0], d0[1], 2));
  vst1q_u16(dst + 12 * stride + 16, vextq_u16(d0[1], d0[2], 2));
  vst1q_u16(dst + 12 * stride + 24, vextq_u16(d0[2], d0[3], 2));
  vst1q_u16(dst + 13 * stride + 0, vextq_u16(col0_odd[1], d1[0], 2));
  vst1q_u16(dst + 13 * stride + 8, vextq_u16(d1[0], d1[1], 2));
  vst1q_u16(dst + 13 * stride + 16, vextq_u16(d1[1], d1[2], 2));
  vst1q_u16(dst + 13 * stride + 24, vextq_u16(d1[2], d1[3], 2));

  vst1q_u16(dst + 14 * stride + 0, vextq_u16(col0_even[1], d0[0], 1));
  vst1q_u16(dst + 14 * stride + 8, vextq_u16(d0[0], d0[1], 1));
  vst1q_u16(dst + 14 * stride + 16, vextq_u16(d0[1], d0[2], 1));
  vst1q_u16(dst + 14 * stride + 24, vextq_u16(d0[2], d0[3], 1));
  vst1q_u16(dst + 15 * stride + 0, vextq_u16(col0_odd[1], d1[0], 1));
  vst1q_u16(dst + 15 * stride + 8, vextq_u16(d1[0], d1[1], 1));
  vst1q_u16(dst + 15 * stride + 16, vextq_u16(d1[1], d1[2], 1));
  vst1q_u16(dst + 15 * stride + 24, vextq_u16(d1[2], d1[3], 1));

  vst1q_u16(dst + 16 * stride + 0, col0_even[1]);
  vst1q_u16(dst + 16 * stride + 8, d0[0]);
  vst1q_u16(dst + 16 * stride + 16, d0[1]);
  vst1q_u16(dst + 16 * stride + 24, d0[2]);
  vst1q_u16(dst + 17 * stride + 0, col0_odd[1]);
  vst1q_u16(dst + 17 * stride + 8, d1[0]);
  vst1q_u16(dst + 17 * stride + 16, d1[1]);
  vst1q_u16(dst + 17 * stride + 24, d1[2]);

  vst1q_u16(dst + 18 * stride + 0, vextq_u16(col0_even[0], col0_even[1], 7));
  vst1q_u16(dst + 18 * stride + 8, vextq_u16(col0_even[1], d0[0], 7));
  vst1q_u16(dst + 18 * stride + 16, vextq_u16(d0[0], d0[1], 7));
  vst1q_u16(dst + 18 * stride + 24, vextq_u16(d0[1], d0[2], 7));
  vst1q_u16(dst + 19 * stride + 0, vextq_u16(col0_odd[0], col0_odd[1], 7));
  vst1q_u16(dst + 19 * stride + 8, vextq_u16(col0_odd[1], d1[0], 7));
  vst1q_u16(dst + 19 * stride + 16, vextq_u16(d1[0], d1[1], 7));
  vst1q_u16(dst + 19 * stride + 24, vextq_u16(d1[1], d1[2], 7));

  vst1q_u16(dst + 20 * stride + 0, vextq_u16(col0_even[0], col0_even[1], 6));
  vst1q_u16(dst + 20 * stride + 8, vextq_u16(col0_even[1], d0[0], 6));
  vst1q_u16(dst + 20 * stride + 16, vextq_u16(d0[0], d0[1], 6));
  vst1q_u16(dst + 20 * stride + 24, vextq_u16(d0[1], d0[2], 6));
  vst1q_u16(dst + 21 * stride + 0, vextq_u16(col0_odd[0], col0_odd[1], 6));
  vst1q_u16(dst + 21 * stride + 8, vextq_u16(col0_odd[1], d1[0], 6));
  vst1q_u16(dst + 21 * stride + 16, vextq_u16(d1[0], d1[1], 6));
  vst1q_u16(dst + 21 * stride + 24, vextq_u16(d1[1], d1[2], 6));

  vst1q_u16(dst + 22 * stride + 0, vextq_u16(col0_even[0], col0_even[1], 5));
  vst1q_u16(dst + 22 * stride + 8, vextq_u16(col0_even[1], d0[0], 5));
  vst1q_u16(dst + 22 * stride + 16, vextq_u16(d0[0], d0[1], 5));
  vst1q_u16(dst + 22 * stride + 24, vextq_u16(d0[1], d0[2], 5));
  vst1q_u16(dst + 23 * stride + 0, vextq_u16(col0_odd[0], col0_odd[1], 5));
  vst1q_u16(dst + 23 * stride + 8, vextq_u16(col0_odd[1], d1[0], 5));
  vst1q_u16(dst + 23 * stride + 16, vextq_u16(d1[0], d1[1], 5));
  vst1q_u16(dst + 23 * stride + 24, vextq_u16(d1[1], d1[2], 5));

  vst1q_u16(dst + 24 * stride + 0, vextq_u16(col0_even[0], col0_even[1], 4));
  vst1q_u16(dst + 24 * stride + 8, vextq_u16(col0_even[1], d0[0], 4));
  vst1q_u16(dst + 24 * stride + 16, vextq_u16(d0[0], d0[1], 4));
  vst1q_u16(dst + 24 * stride + 24, vextq_u16(d0[1], d0[2], 4));
  vst1q_u16(dst + 25 * stride + 0, vextq_u16(col0_odd[0], col0_odd[1], 4));
  vst1q_u16(dst + 25 * stride + 8, vextq_u16(col0_odd[1], d1[0], 4));
  vst1q_u16(dst + 25 * stride + 16, vextq_u16(d1[0], d1[1], 4));
  vst1q_u16(dst + 25 * stride + 24, vextq_u16(d1[1], d1[2], 4));

  vst1q_u16(dst + 26 * stride + 0, vextq_u16(col0_even[0], col0_even[1], 3));
  vst1q_u16(dst + 26 * stride + 8, vextq_u16(col0_even[1], d0[0], 3));
  vst1q_u16(dst + 26 * stride + 16, vextq_u16(d0[0], d0[1], 3));
  vst1q_u16(dst + 26 * stride + 24, vextq_u16(d0[1], d0[2], 3));
  vst1q_u16(dst + 27 * stride + 0, vextq_u16(col0_odd[0], col0_odd[1], 3));
  vst1q_u16(dst + 27 * stride + 8, vextq_u16(col0_odd[1], d1[0], 3));
  vst1q_u16(dst + 27 * stride + 16, vextq_u16(d1[0], d1[1], 3));
  vst1q_u16(dst + 27 * stride + 24, vextq_u16(d1[1], d1[2], 3));

  vst1q_u16(dst + 28 * stride + 0, vextq_u16(col0_even[0], col0_even[1], 2));
  vst1q_u16(dst + 28 * stride + 8, vextq_u16(col0_even[1], d0[0], 2));
  vst1q_u16(dst + 28 * stride + 16, vextq_u16(d0[0], d0[1], 2));
  vst1q_u16(dst + 28 * stride + 24, vextq_u16(d0[1], d0[2], 2));
  vst1q_u16(dst + 29 * stride + 0, vextq_u16(col0_odd[0], col0_odd[1], 2));
  vst1q_u16(dst + 29 * stride + 8, vextq_u16(col0_odd[1], d1[0], 2));
  vst1q_u16(dst + 29 * stride + 16, vextq_u16(d1[0], d1[1], 2));
  vst1q_u16(dst + 29 * stride + 24, vextq_u16(d1[1], d1[2], 2));

  vst1q_u16(dst + 30 * stride + 0, vextq_u16(col0_even[0], col0_even[1], 1));
  vst1q_u16(dst + 30 * stride + 8, vextq_u16(col0_even[1], d0[0], 1));
  vst1q_u16(dst + 30 * stride + 16, vextq_u16(d0[0], d0[1], 1));
  vst1q_u16(dst + 30 * stride + 24, vextq_u16(d0[1], d0[2], 1));
  vst1q_u16(dst + 31 * stride + 0, vextq_u16(col0_odd[0], col0_odd[1], 1));
  vst1q_u16(dst + 31 * stride + 8, vextq_u16(col0_odd[1], d1[0], 1));
  vst1q_u16(dst + 31 * stride + 16, vextq_u16(d1[0], d1[1], 1));
  vst1q_u16(dst + 31 * stride + 24, vextq_u16(d1[1], d1[2], 1));
}

// -----------------------------------------------------------------------------

void vpx_highbd_d153_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  // See vpx_highbd_d153_predictor_8x8_neon for details on the implementation.
  uint16x4_t az, a0, l0az, l0, l1, azl0, d0, d1, d2, d20_lo, d20_hi;
  (void)bd;

  az = vld1_u16(above - 1);
  a0 = vld1_u16(above + 0);
  // [ left[0], above[-1], above[0], above[1] ]
  l0az = vext_u16(vld1_dup_u16(left), az, 3);

  l0 = vld1_u16(left);
  // The last lane here is unused, reading left[4] could cause a buffer
  // over-read, so just fill with a duplicate of left[0] to avoid needing to
  // materialize a zero:
  // [ left[1], left[2], left[3], x ]
  l1 = vext_u16(l0, l0, 1);
  // [ above[-1], left[0], left[1], left[2] ]
  azl0 = vext_u16(vld1_dup_u16(above - 1), l0, 3);

  d0 = vrhadd_u16(azl0, l0);
  d1 = vrhadd_u16(vhadd_u16(l0az, a0), az);
  d2 = vrhadd_u16(vhadd_u16(azl0, l1), l0);

  d20_lo = vzip_u16(vrev64_u16(d2), vrev64_u16(d0)).val[0];
  d20_hi = vzip_u16(vrev64_u16(d2), vrev64_u16(d0)).val[1];

  // Incrementally shift more elements from d0/d2 reversed into d1:
  // stride=0 [ d0[0], d1[0], d1[1], d1[2] ]
  // stride=1 [ d0[1], d2[0], d0[0], d1[0] ]
  // stride=2 [ d0[2], d2[1], d0[1], d2[0] ]
  // stride=3 [ d0[3], d2[2], d0[2], d2[1] ]
  vst1_u16(dst + 0 * stride, vext_u16(d20_hi, d1, 3));
  vst1_u16(dst + 1 * stride, vext_u16(d20_hi, d1, 1));
  vst1_u16(dst + 2 * stride, vext_u16(d20_lo, d20_hi, 3));
  vst1_u16(dst + 3 * stride, vext_u16(d20_lo, d20_hi, 1));
}

void vpx_highbd_d153_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  uint16x8_t az, a0, l0az, l0, l1, azl0, d0, d1, d2, d0_rev, d2_rev, d20_lo,
      d20_hi;
  (void)bd;

  az = vld1q_u16(above - 1);
  a0 = vld1q_u16(above + 0);
  // [ left[0], above[-1], ... , above[5] ]
  l0az = vextq_u16(vld1q_dup_u16(left), az, 7);

  l0 = vld1q_u16(left);
  // The last lane here is unused, reading left[8] could cause a buffer
  // over-read, so just fill with a duplicate of left[0] to avoid needing to
  // materialize a zero:
  // [ left[1], ... , left[7], x ]
  l1 = vextq_u16(l0, l0, 1);
  // [ above[-1], left[0], ... , left[6] ]
  azl0 = vextq_u16(vld1q_dup_u16(above - 1), l0, 7);

  // d0[0] = AVG2(above[-1], left[0])
  // d0[1] = AVG2(left[0], left[1])
  // ...
  // d0[7] = AVG2(left[6], left[7])
  d0 = vrhaddq_u16(azl0, l0);

  // d1[0] = AVG3(left[0], above[-1], above[0])
  // d1[1] = AVG3(above[-1], above[0], above[1])
  // ...
  // d1[7] = AVG3(above[5], above[6], above[7])
  d1 = vrhaddq_u16(vhaddq_u16(l0az, a0), az);

  // d2[0] = AVG3(above[-1], left[0], left[1])
  // d2[1] = AVG3(left[0], left[1], left[2])
  // ...
  // d2[7] = AVG3(left[6], left[7], left[8])
  d2 = vrhaddq_u16(vhaddq_u16(azl0, l1), l0);

  // The ext instruction shifts elements in from the end of the vector rather
  // than the start, so reverse the vectors to put the elements to be shifted
  // in at the end:
  d0_rev = vrev64q_u16(vextq_u16(d0, d0, 4));
  d2_rev = vrev64q_u16(vextq_u16(d2, d2, 4));

  d20_lo = vzipq_u16(d2_rev, d0_rev).val[0];
  d20_hi = vzipq_u16(d2_rev, d0_rev).val[1];

  // Incrementally shift more elements from d0/d2 reversed into d1:
  // stride=0 [ d0[0], d1[0], d1[1], d1[2], d1[3], d1[4], d1[5], d1[6] ]
  // stride=1 [ d0[1], d2[0], d0[0], d1[0], d1[1], d1[2], d1[3], d1[4] ]
  // stride=2 [ d0[2], d2[1], d0[1], d2[0], d0[0], d1[0], d1[1], d1[2] ]
  // stride=3 [ d0[3], d2[2], d0[2], d2[1], d0[1], d2[0], d0[0], d1[0] ]
  // stride=4 [ d0[4], d2[3], d0[3], d2[2], d0[2], d2[1], d0[1], d2[0] ]
  // stride=5 [ d0[5], d2[4], d0[4], d2[3], d0[3], d2[2], d0[2], d2[1] ]
  // stride=6 [ d0[6], d2[5], d0[5], d2[4], d0[4], d2[3], d0[3], d2[2] ]
  // stride=7 [ d0[7], d2[6], d0[6], d2[5], d0[5], d2[4], d0[4], d2[3] ]
  vst1q_u16(dst + 0 * stride, vextq_u16(d20_hi, d1, 7));
  vst1q_u16(dst + 1 * stride, vextq_u16(d20_hi, d1, 5));
  vst1q_u16(dst + 2 * stride, vextq_u16(d20_hi, d1, 3));
  vst1q_u16(dst + 3 * stride, vextq_u16(d20_hi, d1, 1));
  vst1q_u16(dst + 4 * stride, vextq_u16(d20_lo, d20_hi, 7));
  vst1q_u16(dst + 5 * stride, vextq_u16(d20_lo, d20_hi, 5));
  vst1q_u16(dst + 6 * stride, vextq_u16(d20_lo, d20_hi, 3));
  vst1q_u16(dst + 7 * stride, vextq_u16(d20_lo, d20_hi, 1));
}

void vpx_highbd_d153_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  // See vpx_highbd_d153_predictor_8x8_neon for details on the implementation.
  uint16x8_t az, a0, a6, a7, a8, l0az, l0, l1, l7, l8, l9, azl0, d0[2], d1[2],
      d2[2], d20[4];
  (void)bd;

  az = vld1q_u16(above - 1);
  a0 = vld1q_u16(above + 0);
  a6 = vld1q_u16(above + 6);
  a7 = vld1q_u16(above + 7);
  a8 = vld1q_u16(above + 8);
  // [ left[0], above[-1], ... , above[13] ]
  l0az = vextq_u16(vld1q_dup_u16(left), az, 7);

  l0 = vld1q_u16(left + 0);
  l1 = vld1q_u16(left + 1);
  l7 = vld1q_u16(left + 7);
  l8 = vld1q_u16(left + 8);
  // The last lane here is unused, reading left[16] could cause a buffer
  // over-read, so just fill with a duplicate of left[8] to avoid needing to
  // materialize a zero:
  // [ left[9], ... , left[15], x ]
  l9 = vextq_u16(l8, l8, 1);
  // [ above[-1], left[0], ... , left[14] ]
  azl0 = vextq_u16(vld1q_dup_u16(above - 1), l0, 7);

  d0[0] = vrhaddq_u16(azl0, l0);
  d0[1] = vrhaddq_u16(l7, l8);
  d1[0] = vrhaddq_u16(vhaddq_u16(l0az, a0), az);
  d1[1] = vrhaddq_u16(vhaddq_u16(a6, a8), a7);
  d2[0] = vrhaddq_u16(vhaddq_u16(azl0, l1), l0);
  d2[1] = vrhaddq_u16(vhaddq_u16(l7, l9), l8);

  d0[0] = vrev64q_u16(vextq_u16(d0[0], d0[0], 4));
  d0[1] = vrev64q_u16(vextq_u16(d0[1], d0[1], 4));
  d2[0] = vrev64q_u16(vextq_u16(d2[0], d2[0], 4));
  d2[1] = vrev64q_u16(vextq_u16(d2[1], d2[1], 4));

  d20[0] = vzipq_u16(d2[1], d0[1]).val[0];
  d20[1] = vzipq_u16(d2[1], d0[1]).val[1];
  d20[2] = vzipq_u16(d2[0], d0[0]).val[0];
  d20[3] = vzipq_u16(d2[0], d0[0]).val[1];

  vst1q_u16(dst + 0 * stride + 0, vextq_u16(d20[3], d1[0], 7));
  vst1q_u16(dst + 0 * stride + 8, vextq_u16(d1[0], d1[1], 7));
  vst1q_u16(dst + 1 * stride + 0, vextq_u16(d20[3], d1[0], 5));
  vst1q_u16(dst + 1 * stride + 8, vextq_u16(d1[0], d1[1], 5));
  vst1q_u16(dst + 2 * stride + 0, vextq_u16(d20[3], d1[0], 3));
  vst1q_u16(dst + 2 * stride + 8, vextq_u16(d1[0], d1[1], 3));
  vst1q_u16(dst + 3 * stride + 0, vextq_u16(d20[3], d1[0], 1));
  vst1q_u16(dst + 3 * stride + 8, vextq_u16(d1[0], d1[1], 1));

  vst1q_u16(dst + 4 * stride + 0, vextq_u16(d20[2], d20[3], 7));
  vst1q_u16(dst + 4 * stride + 8, vextq_u16(d20[3], d1[0], 7));
  vst1q_u16(dst + 5 * stride + 0, vextq_u16(d20[2], d20[3], 5));
  vst1q_u16(dst + 5 * stride + 8, vextq_u16(d20[3], d1[0], 5));
  vst1q_u16(dst + 6 * stride + 0, vextq_u16(d20[2], d20[3], 3));
  vst1q_u16(dst + 6 * stride + 8, vextq_u16(d20[3], d1[0], 3));
  vst1q_u16(dst + 7 * stride + 0, vextq_u16(d20[2], d20[3], 1));
  vst1q_u16(dst + 7 * stride + 8, vextq_u16(d20[3], d1[0], 1));

  vst1q_u16(dst + 8 * stride + 0, vextq_u16(d20[1], d20[2], 7));
  vst1q_u16(dst + 8 * stride + 8, vextq_u16(d20[2], d20[3], 7));
  vst1q_u16(dst + 9 * stride + 0, vextq_u16(d20[1], d20[2], 5));
  vst1q_u16(dst + 9 * stride + 8, vextq_u16(d20[2], d20[3], 5));
  vst1q_u16(dst + 10 * stride + 0, vextq_u16(d20[1], d20[2], 3));
  vst1q_u16(dst + 10 * stride + 8, vextq_u16(d20[2], d20[3], 3));
  vst1q_u16(dst + 11 * stride + 0, vextq_u16(d20[1], d20[2], 1));
  vst1q_u16(dst + 11 * stride + 8, vextq_u16(d20[2], d20[3], 1));

  vst1q_u16(dst + 12 * stride + 0, vextq_u16(d20[0], d20[1], 7));
  vst1q_u16(dst + 12 * stride + 8, vextq_u16(d20[1], d20[2], 7));
  vst1q_u16(dst + 13 * stride + 0, vextq_u16(d20[0], d20[1], 5));
  vst1q_u16(dst + 13 * stride + 8, vextq_u16(d20[1], d20[2], 5));
  vst1q_u16(dst + 14 * stride + 0, vextq_u16(d20[0], d20[1], 3));
  vst1q_u16(dst + 14 * stride + 8, vextq_u16(d20[1], d20[2], 3));
  vst1q_u16(dst + 15 * stride + 0, vextq_u16(d20[0], d20[1], 1));
  vst1q_u16(dst + 15 * stride + 8, vextq_u16(d20[1], d20[2], 1));
}

void vpx_highbd_d153_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  // See vpx_highbd_d153_predictor_8x8_neon for details on the implementation.
  uint16x8_t az, a0, a6, a7, a8, a14, a15, a16, a22, a23, a24, l0az, l0, l1, l7,
      l8, l9, l15, l16, l17, l23, l24, l25, azl0, d0[4], d1[4], d2[4], d20[8];
  (void)bd;

  az = vld1q_u16(above - 1);
  a0 = vld1q_u16(above + 0);
  a6 = vld1q_u16(above + 6);
  a7 = vld1q_u16(above + 7);
  a8 = vld1q_u16(above + 8);
  a14 = vld1q_u16(above + 14);
  a15 = vld1q_u16(above + 15);
  a16 = vld1q_u16(above + 16);
  a22 = vld1q_u16(above + 22);
  a23 = vld1q_u16(above + 23);
  a24 = vld1q_u16(above + 24);
  // [ left[0], above[-1], ... , above[13] ]
  l0az = vextq_u16(vld1q_dup_u16(left), az, 7);

  l0 = vld1q_u16(left + 0);
  l1 = vld1q_u16(left + 1);
  l7 = vld1q_u16(left + 7);
  l8 = vld1q_u16(left + 8);
  l9 = vld1q_u16(left + 9);
  l15 = vld1q_u16(left + 15);
  l16 = vld1q_u16(left + 16);
  l17 = vld1q_u16(left + 17);
  l23 = vld1q_u16(left + 23);
  l24 = vld1q_u16(left + 24);
  // The last lane here is unused, reading left[32] could cause a buffer
  // over-read, so just fill with a duplicate of left[24] to avoid needing to
  // materialize a zero:
  // [ left[25], ... , left[31], x ]
  l25 = vextq_u16(l24, l24, 1);
  // [ above[-1], left[0], ... , left[14] ]
  azl0 = vextq_u16(vld1q_dup_u16(above - 1), l0, 7);

  d0[0] = vrhaddq_u16(azl0, l0);
  d0[1] = vrhaddq_u16(l7, l8);
  d0[2] = vrhaddq_u16(l15, l16);
  d0[3] = vrhaddq_u16(l23, l24);

  d1[0] = vrhaddq_u16(vhaddq_u16(l0az, a0), az);
  d1[1] = vrhaddq_u16(vhaddq_u16(a6, a8), a7);
  d1[2] = vrhaddq_u16(vhaddq_u16(a14, a16), a15);
  d1[3] = vrhaddq_u16(vhaddq_u16(a22, a24), a23);

  d2[0] = vrhaddq_u16(vhaddq_u16(azl0, l1), l0);
  d2[1] = vrhaddq_u16(vhaddq_u16(l7, l9), l8);
  d2[2] = vrhaddq_u16(vhaddq_u16(l15, l17), l16);
  d2[3] = vrhaddq_u16(vhaddq_u16(l23, l25), l24);

  d0[0] = vrev64q_u16(vextq_u16(d0[0], d0[0], 4));
  d0[1] = vrev64q_u16(vextq_u16(d0[1], d0[1], 4));
  d0[2] = vrev64q_u16(vextq_u16(d0[2], d0[2], 4));
  d0[3] = vrev64q_u16(vextq_u16(d0[3], d0[3], 4));
  d2[0] = vrev64q_u16(vextq_u16(d2[0], d2[0], 4));
  d2[1] = vrev64q_u16(vextq_u16(d2[1], d2[1], 4));
  d2[2] = vrev64q_u16(vextq_u16(d2[2], d2[2], 4));
  d2[3] = vrev64q_u16(vextq_u16(d2[3], d2[3], 4));

  d20[0] = vzipq_u16(d2[3], d0[3]).val[0];
  d20[1] = vzipq_u16(d2[3], d0[3]).val[1];
  d20[2] = vzipq_u16(d2[2], d0[2]).val[0];
  d20[3] = vzipq_u16(d2[2], d0[2]).val[1];
  d20[4] = vzipq_u16(d2[1], d0[1]).val[0];
  d20[5] = vzipq_u16(d2[1], d0[1]).val[1];
  d20[6] = vzipq_u16(d2[0], d0[0]).val[0];
  d20[7] = vzipq_u16(d2[0], d0[0]).val[1];

  vst1q_u16(dst + 0 * stride + 0, vextq_u16(d20[7], d1[0], 7));
  vst1q_u16(dst + 0 * stride + 8, vextq_u16(d1[0], d1[1], 7));
  vst1q_u16(dst + 0 * stride + 16, vextq_u16(d1[1], d1[2], 7));
  vst1q_u16(dst + 0 * stride + 24, vextq_u16(d1[2], d1[3], 7));
  vst1q_u16(dst + 1 * stride + 0, vextq_u16(d20[7], d1[0], 5));
  vst1q_u16(dst + 1 * stride + 8, vextq_u16(d1[0], d1[1], 5));
  vst1q_u16(dst + 1 * stride + 16, vextq_u16(d1[1], d1[2], 5));
  vst1q_u16(dst + 1 * stride + 24, vextq_u16(d1[2], d1[3], 5));
  vst1q_u16(dst + 2 * stride + 0, vextq_u16(d20[7], d1[0], 3));
  vst1q_u16(dst + 2 * stride + 8, vextq_u16(d1[0], d1[1], 3));
  vst1q_u16(dst + 2 * stride + 16, vextq_u16(d1[1], d1[2], 3));
  vst1q_u16(dst + 2 * stride + 24, vextq_u16(d1[2], d1[3], 3));
  vst1q_u16(dst + 3 * stride + 0, vextq_u16(d20[7], d1[0], 1));
  vst1q_u16(dst + 3 * stride + 8, vextq_u16(d1[0], d1[1], 1));
  vst1q_u16(dst + 3 * stride + 16, vextq_u16(d1[1], d1[2], 1));
  vst1q_u16(dst + 3 * stride + 24, vextq_u16(d1[2], d1[3], 1));

  vst1q_u16(dst + 4 * stride + 0, vextq_u16(d20[6], d20[7], 7));
  vst1q_u16(dst + 4 * stride + 8, vextq_u16(d20[7], d1[0], 7));
  vst1q_u16(dst + 4 * stride + 16, vextq_u16(d1[0], d1[1], 7));
  vst1q_u16(dst + 4 * stride + 24, vextq_u16(d1[1], d1[2], 7));
  vst1q_u16(dst + 5 * stride + 0, vextq_u16(d20[6], d20[7], 5));
  vst1q_u16(dst + 5 * stride + 8, vextq_u16(d20[7], d1[0], 5));
  vst1q_u16(dst + 5 * stride + 16, vextq_u16(d1[0], d1[1], 5));
  vst1q_u16(dst + 5 * stride + 24, vextq_u16(d1[1], d1[2], 5));
  vst1q_u16(dst + 6 * stride + 0, vextq_u16(d20[6], d20[7], 3));
  vst1q_u16(dst + 6 * stride + 8, vextq_u16(d20[7], d1[0], 3));
  vst1q_u16(dst + 6 * stride + 16, vextq_u16(d1[0], d1[1], 3));
  vst1q_u16(dst + 6 * stride + 24, vextq_u16(d1[1], d1[2], 3));
  vst1q_u16(dst + 7 * stride + 0, vextq_u16(d20[6], d20[7], 1));
  vst1q_u16(dst + 7 * stride + 8, vextq_u16(d20[7], d1[0], 1));
  vst1q_u16(dst + 7 * stride + 16, vextq_u16(d1[0], d1[1], 1));
  vst1q_u16(dst + 7 * stride + 24, vextq_u16(d1[1], d1[2], 1));

  vst1q_u16(dst + 8 * stride + 0, vextq_u16(d20[5], d20[6], 7));
  vst1q_u16(dst + 8 * stride + 8, vextq_u16(d20[6], d20[7], 7));
  vst1q_u16(dst + 8 * stride + 16, vextq_u16(d20[7], d1[0], 7));
  vst1q_u16(dst + 8 * stride + 24, vextq_u16(d1[0], d1[1], 7));
  vst1q_u16(dst + 9 * stride + 0, vextq_u16(d20[5], d20[6], 5));
  vst1q_u16(dst + 9 * stride + 8, vextq_u16(d20[6], d20[7], 5));
  vst1q_u16(dst + 9 * stride + 16, vextq_u16(d20[7], d1[0], 5));
  vst1q_u16(dst + 9 * stride + 24, vextq_u16(d1[0], d1[1], 5));
  vst1q_u16(dst + 10 * stride + 0, vextq_u16(d20[5], d20[6], 3));
  vst1q_u16(dst + 10 * stride + 8, vextq_u16(d20[6], d20[7], 3));
  vst1q_u16(dst + 10 * stride + 16, vextq_u16(d20[7], d1[0], 3));
  vst1q_u16(dst + 10 * stride + 24, vextq_u16(d1[0], d1[1], 3));
  vst1q_u16(dst + 11 * stride + 0, vextq_u16(d20[5], d20[6], 1));
  vst1q_u16(dst + 11 * stride + 8, vextq_u16(d20[6], d20[7], 1));
  vst1q_u16(dst + 11 * stride + 16, vextq_u16(d20[7], d1[0], 1));
  vst1q_u16(dst + 11 * stride + 24, vextq_u16(d1[0], d1[1], 1));

  vst1q_u16(dst + 12 * stride + 0, vextq_u16(d20[4], d20[5], 7));
  vst1q_u16(dst + 12 * stride + 8, vextq_u16(d20[5], d20[6], 7));
  vst1q_u16(dst + 12 * stride + 16, vextq_u16(d20[6], d20[7], 7));
  vst1q_u16(dst + 12 * stride + 24, vextq_u16(d20[7], d1[0], 7));
  vst1q_u16(dst + 13 * stride + 0, vextq_u16(d20[4], d20[5], 5));
  vst1q_u16(dst + 13 * stride + 8, vextq_u16(d20[5], d20[6], 5));
  vst1q_u16(dst + 13 * stride + 16, vextq_u16(d20[6], d20[7], 5));
  vst1q_u16(dst + 13 * stride + 24, vextq_u16(d20[7], d1[0], 5));
  vst1q_u16(dst + 14 * stride + 0, vextq_u16(d20[4], d20[5], 3));
  vst1q_u16(dst + 14 * stride + 8, vextq_u16(d20[5], d20[6], 3));
  vst1q_u16(dst + 14 * stride + 16, vextq_u16(d20[6], d20[7], 3));
  vst1q_u16(dst + 14 * stride + 24, vextq_u16(d20[7], d1[0], 3));
  vst1q_u16(dst + 15 * stride + 0, vextq_u16(d20[4], d20[5], 1));
  vst1q_u16(dst + 15 * stride + 8, vextq_u16(d20[5], d20[6], 1));
  vst1q_u16(dst + 15 * stride + 16, vextq_u16(d20[6], d20[7], 1));
  vst1q_u16(dst + 15 * stride + 24, vextq_u16(d20[7], d1[0], 1));

  vst1q_u16(dst + 16 * stride + 0, vextq_u16(d20[3], d20[4], 7));
  vst1q_u16(dst + 16 * stride + 8, vextq_u16(d20[4], d20[5], 7));
  vst1q_u16(dst + 16 * stride + 16, vextq_u16(d20[5], d20[6], 7));
  vst1q_u16(dst + 16 * stride + 24, vextq_u16(d20[6], d20[7], 7));
  vst1q_u16(dst + 17 * stride + 0, vextq_u16(d20[3], d20[4], 5));
  vst1q_u16(dst + 17 * stride + 8, vextq_u16(d20[4], d20[5], 5));
  vst1q_u16(dst + 17 * stride + 16, vextq_u16(d20[5], d20[6], 5));
  vst1q_u16(dst + 17 * stride + 24, vextq_u16(d20[6], d20[7], 5));
  vst1q_u16(dst + 18 * stride + 0, vextq_u16(d20[3], d20[4], 3));
  vst1q_u16(dst + 18 * stride + 8, vextq_u16(d20[4], d20[5], 3));
  vst1q_u16(dst + 18 * stride + 16, vextq_u16(d20[5], d20[6], 3));
  vst1q_u16(dst + 18 * stride + 24, vextq_u16(d20[6], d20[7], 3));
  vst1q_u16(dst + 19 * stride + 0, vextq_u16(d20[3], d20[4], 1));
  vst1q_u16(dst + 19 * stride + 8, vextq_u16(d20[4], d20[5], 1));
  vst1q_u16(dst + 19 * stride + 16, vextq_u16(d20[5], d20[6], 1));
  vst1q_u16(dst + 19 * stride + 24, vextq_u16(d20[6], d20[7], 1));

  vst1q_u16(dst + 20 * stride + 0, vextq_u16(d20[2], d20[3], 7));
  vst1q_u16(dst + 20 * stride + 8, vextq_u16(d20[3], d20[4], 7));
  vst1q_u16(dst + 20 * stride + 16, vextq_u16(d20[4], d20[5], 7));
  vst1q_u16(dst + 20 * stride + 24, vextq_u16(d20[5], d20[6], 7));
  vst1q_u16(dst + 21 * stride + 0, vextq_u16(d20[2], d20[3], 5));
  vst1q_u16(dst + 21 * stride + 8, vextq_u16(d20[3], d20[4], 5));
  vst1q_u16(dst + 21 * stride + 16, vextq_u16(d20[4], d20[5], 5));
  vst1q_u16(dst + 21 * stride + 24, vextq_u16(d20[5], d20[6], 5));
  vst1q_u16(dst + 22 * stride + 0, vextq_u16(d20[2], d20[3], 3));
  vst1q_u16(dst + 22 * stride + 8, vextq_u16(d20[3], d20[4], 3));
  vst1q_u16(dst + 22 * stride + 16, vextq_u16(d20[4], d20[5], 3));
  vst1q_u16(dst + 22 * stride + 24, vextq_u16(d20[5], d20[6], 3));
  vst1q_u16(dst + 23 * stride + 0, vextq_u16(d20[2], d20[3], 1));
  vst1q_u16(dst + 23 * stride + 8, vextq_u16(d20[3], d20[4], 1));
  vst1q_u16(dst + 23 * stride + 16, vextq_u16(d20[4], d20[5], 1));
  vst1q_u16(dst + 23 * stride + 24, vextq_u16(d20[5], d20[6], 1));

  vst1q_u16(dst + 24 * stride + 0, vextq_u16(d20[1], d20[2], 7));
  vst1q_u16(dst + 24 * stride + 8, vextq_u16(d20[2], d20[3], 7));
  vst1q_u16(dst + 24 * stride + 16, vextq_u16(d20[3], d20[4], 7));
  vst1q_u16(dst + 24 * stride + 24, vextq_u16(d20[4], d20[5], 7));
  vst1q_u16(dst + 25 * stride + 0, vextq_u16(d20[1], d20[2], 5));
  vst1q_u16(dst + 25 * stride + 8, vextq_u16(d20[2], d20[3], 5));
  vst1q_u16(dst + 25 * stride + 16, vextq_u16(d20[3], d20[4], 5));
  vst1q_u16(dst + 25 * stride + 24, vextq_u16(d20[4], d20[5], 5));
  vst1q_u16(dst + 26 * stride + 0, vextq_u16(d20[1], d20[2], 3));
  vst1q_u16(dst + 26 * stride + 8, vextq_u16(d20[2], d20[3], 3));
  vst1q_u16(dst + 26 * stride + 16, vextq_u16(d20[3], d20[4], 3));
  vst1q_u16(dst + 26 * stride + 24, vextq_u16(d20[4], d20[5], 3));
  vst1q_u16(dst + 27 * stride + 0, vextq_u16(d20[1], d20[2], 1));
  vst1q_u16(dst + 27 * stride + 8, vextq_u16(d20[2], d20[3], 1));
  vst1q_u16(dst + 27 * stride + 16, vextq_u16(d20[3], d20[4], 1));
  vst1q_u16(dst + 27 * stride + 24, vextq_u16(d20[4], d20[5], 1));

  vst1q_u16(dst + 28 * stride + 0, vextq_u16(d20[0], d20[1], 7));
  vst1q_u16(dst + 28 * stride + 8, vextq_u16(d20[1], d20[2], 7));
  vst1q_u16(dst + 28 * stride + 16, vextq_u16(d20[2], d20[3], 7));
  vst1q_u16(dst + 28 * stride + 24, vextq_u16(d20[3], d20[4], 7));
  vst1q_u16(dst + 29 * stride + 0, vextq_u16(d20[0], d20[1], 5));
  vst1q_u16(dst + 29 * stride + 8, vextq_u16(d20[1], d20[2], 5));
  vst1q_u16(dst + 29 * stride + 16, vextq_u16(d20[2], d20[3], 5));
  vst1q_u16(dst + 29 * stride + 24, vextq_u16(d20[3], d20[4], 5));
  vst1q_u16(dst + 30 * stride + 0, vextq_u16(d20[0], d20[1], 3));
  vst1q_u16(dst + 30 * stride + 8, vextq_u16(d20[1], d20[2], 3));
  vst1q_u16(dst + 30 * stride + 16, vextq_u16(d20[2], d20[3], 3));
  vst1q_u16(dst + 30 * stride + 24, vextq_u16(d20[3], d20[4], 3));
  vst1q_u16(dst + 31 * stride + 0, vextq_u16(d20[0], d20[1], 1));
  vst1q_u16(dst + 31 * stride + 8, vextq_u16(d20[1], d20[2], 1));
  vst1q_u16(dst + 31 * stride + 16, vextq_u16(d20[2], d20[3], 1));
  vst1q_u16(dst + 31 * stride + 24, vextq_u16(d20[3], d20[4], 1));
}

// -----------------------------------------------------------------------------

void vpx_highbd_d135_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  const uint16x8_t XA0123___ = vld1q_u16(above - 1);
  const uint16x4_t L0123 = vld1_u16(left);
  const uint16x4_t L3210 = vrev64_u16(L0123);
  const uint16x8_t L____3210 = vcombine_u16(L0123, L3210);
  const uint16x8_t L3210XA012 = vcombine_u16(L3210, vget_low_u16(XA0123___));
  const uint16x8_t L210XA0123 = vextq_u16(L____3210, XA0123___, 5);
  const uint16x8_t L10XA0123_ = vextq_u16(L____3210, XA0123___, 6);
  const uint16x8_t avg1 = vhaddq_u16(L3210XA012, L10XA0123_);
  const uint16x8_t avg2 = vrhaddq_u16(avg1, L210XA0123);
  const uint16x4_t row_0 = vget_low_u16(avg2);
  const uint16x4_t row_1 = vget_high_u16(avg2);
  const uint16x4_t r0 = vext_u16(row_0, row_1, 3);
  const uint16x4_t r1 = vext_u16(row_0, row_1, 2);
  const uint16x4_t r2 = vext_u16(row_0, row_1, 1);
  (void)bd;
  vst1_u16(dst, r0);
  dst += stride;
  vst1_u16(dst, r1);
  dst += stride;
  vst1_u16(dst, r2);
  dst += stride;
  vst1_u16(dst, row_0);
}

void vpx_highbd_d135_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  const uint16x8_t XA0123456 = vld1q_u16(above - 1);
  const uint16x8_t A01234567 = vld1q_u16(above);
  const uint16x8_t A1234567_ = vld1q_u16(above + 1);
  const uint16x8_t L01234567 = vld1q_u16(left);
  const uint16x4_t L3210 = vrev64_u16(vget_low_u16(L01234567));
  const uint16x4_t L7654 = vrev64_u16(vget_high_u16(L01234567));
  const uint16x8_t L76543210 = vcombine_u16(L7654, L3210);
  const uint16x8_t L6543210X = vextq_u16(L76543210, XA0123456, 1);
  const uint16x8_t L543210XA0 = vextq_u16(L76543210, XA0123456, 2);
  const uint16x8_t avg_0 = vhaddq_u16(L76543210, L543210XA0);
  const uint16x8_t avg_1 = vhaddq_u16(XA0123456, A1234567_);
  const uint16x8_t row_0 = vrhaddq_u16(avg_0, L6543210X);
  const uint16x8_t row_1 = vrhaddq_u16(avg_1, A01234567);
  const uint16x8_t r0 = vextq_u16(row_0, row_1, 7);
  const uint16x8_t r1 = vextq_u16(row_0, row_1, 6);
  const uint16x8_t r2 = vextq_u16(row_0, row_1, 5);
  const uint16x8_t r3 = vextq_u16(row_0, row_1, 4);
  const uint16x8_t r4 = vextq_u16(row_0, row_1, 3);
  const uint16x8_t r5 = vextq_u16(row_0, row_1, 2);
  const uint16x8_t r6 = vextq_u16(row_0, row_1, 1);
  (void)bd;
  vst1q_u16(dst, r0);
  dst += stride;
  vst1q_u16(dst, r1);
  dst += stride;
  vst1q_u16(dst, r2);
  dst += stride;
  vst1q_u16(dst, r3);
  dst += stride;
  vst1q_u16(dst, r4);
  dst += stride;
  vst1q_u16(dst, r5);
  dst += stride;
  vst1q_u16(dst, r6);
  dst += stride;
  vst1q_u16(dst, row_0);
}

static INLINE void d135_store_16(uint16_t **dst, const ptrdiff_t stride,
                                 const uint16x8_t row_0,
                                 const uint16x8_t row_1) {
  vst1q_u16(*dst, row_0);
  *dst += 8;
  vst1q_u16(*dst, row_1);
  *dst += stride - 8;
}

void vpx_highbd_d135_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  const uint16x8_t L01234567 = vld1q_u16(left);
  const uint16x8_t L89abcdef = vld1q_u16(left + 8);
  const uint16x4_t L3210 = vrev64_u16(vget_low_u16(L01234567));
  const uint16x4_t L7654 = vrev64_u16(vget_high_u16(L01234567));
  const uint16x4_t Lba98 = vrev64_u16(vget_low_u16(L89abcdef));
  const uint16x4_t Lfedc = vrev64_u16(vget_high_u16(L89abcdef));
  const uint16x8_t L76543210 = vcombine_u16(L7654, L3210);
  const uint16x8_t Lfedcba98 = vcombine_u16(Lfedc, Lba98);
  const uint16x8_t Ledcba987 = vextq_u16(Lfedcba98, L76543210, 1);
  const uint16x8_t Ldcba9876 = vextq_u16(Lfedcba98, L76543210, 2);
  const uint16x8_t avg_0 = vhaddq_u16(Lfedcba98, Ldcba9876);
  const uint16x8_t row_0 = vrhaddq_u16(avg_0, Ledcba987);

  const uint16x8_t XA0123456 = vld1q_u16(above - 1);
  const uint16x8_t L6543210X = vextq_u16(L76543210, XA0123456, 1);
  const uint16x8_t L543210XA0 = vextq_u16(L76543210, XA0123456, 2);
  const uint16x8_t avg_1 = vhaddq_u16(L76543210, L543210XA0);
  const uint16x8_t row_1 = vrhaddq_u16(avg_1, L6543210X);

  const uint16x8_t A01234567 = vld1q_u16(above);
  const uint16x8_t A12345678 = vld1q_u16(above + 1);
  const uint16x8_t avg_2 = vhaddq_u16(XA0123456, A12345678);
  const uint16x8_t row_2 = vrhaddq_u16(avg_2, A01234567);

  const uint16x8_t A789abcde = vld1q_u16(above + 7);
  const uint16x8_t A89abcdef = vld1q_u16(above + 8);
  const uint16x8_t A9abcdef_ = vld1q_u16(above + 9);
  const uint16x8_t avg_3 = vhaddq_u16(A789abcde, A9abcdef_);
  const uint16x8_t row_3 = vrhaddq_u16(avg_3, A89abcdef);

  const uint16x8_t r0_0 = vextq_u16(row_1, row_2, 7);
  const uint16x8_t r0_1 = vextq_u16(row_2, row_3, 7);
  const uint16x8_t r1_0 = vextq_u16(row_1, row_2, 6);
  const uint16x8_t r1_1 = vextq_u16(row_2, row_3, 6);
  const uint16x8_t r2_0 = vextq_u16(row_1, row_2, 5);
  const uint16x8_t r2_1 = vextq_u16(row_2, row_3, 5);
  const uint16x8_t r3_0 = vextq_u16(row_1, row_2, 4);
  const uint16x8_t r3_1 = vextq_u16(row_2, row_3, 4);
  const uint16x8_t r4_0 = vextq_u16(row_1, row_2, 3);
  const uint16x8_t r4_1 = vextq_u16(row_2, row_3, 3);
  const uint16x8_t r5_0 = vextq_u16(row_1, row_2, 2);
  const uint16x8_t r5_1 = vextq_u16(row_2, row_3, 2);
  const uint16x8_t r6_0 = vextq_u16(row_1, row_2, 1);
  const uint16x8_t r6_1 = vextq_u16(row_2, row_3, 1);
  const uint16x8_t r8_0 = vextq_u16(row_0, row_1, 7);
  const uint16x8_t r9_0 = vextq_u16(row_0, row_1, 6);
  const uint16x8_t ra_0 = vextq_u16(row_0, row_1, 5);
  const uint16x8_t rb_0 = vextq_u16(row_0, row_1, 4);
  const uint16x8_t rc_0 = vextq_u16(row_0, row_1, 3);
  const uint16x8_t rd_0 = vextq_u16(row_0, row_1, 2);
  const uint16x8_t re_0 = vextq_u16(row_0, row_1, 1);
  (void)bd;

  d135_store_16(&dst, stride, r0_0, r0_1);
  d135_store_16(&dst, stride, r1_0, r1_1);
  d135_store_16(&dst, stride, r2_0, r2_1);
  d135_store_16(&dst, stride, r3_0, r3_1);
  d135_store_16(&dst, stride, r4_0, r4_1);
  d135_store_16(&dst, stride, r5_0, r5_1);
  d135_store_16(&dst, stride, r6_0, r6_1);
  d135_store_16(&dst, stride, row_1, row_2);
  d135_store_16(&dst, stride, r8_0, r0_0);
  d135_store_16(&dst, stride, r9_0, r1_0);
  d135_store_16(&dst, stride, ra_0, r2_0);
  d135_store_16(&dst, stride, rb_0, r3_0);
  d135_store_16(&dst, stride, rc_0, r4_0);
  d135_store_16(&dst, stride, rd_0, r5_0);
  d135_store_16(&dst, stride, re_0, r6_0);
  vst1q_u16(dst, row_0);
  dst += 8;
  vst1q_u16(dst, row_1);
}

void vpx_highbd_d135_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  const uint16x8_t LL01234567 = vld1q_u16(left + 16);
  const uint16x8_t LL89abcdef = vld1q_u16(left + 24);
  const uint16x4_t LL3210 = vrev64_u16(vget_low_u16(LL01234567));
  const uint16x4_t LL7654 = vrev64_u16(vget_high_u16(LL01234567));
  const uint16x4_t LLba98 = vrev64_u16(vget_low_u16(LL89abcdef));
  const uint16x4_t LLfedc = vrev64_u16(vget_high_u16(LL89abcdef));
  const uint16x8_t LL76543210 = vcombine_u16(LL7654, LL3210);
  const uint16x8_t LLfedcba98 = vcombine_u16(LLfedc, LLba98);
  const uint16x8_t LLedcba987 = vextq_u16(LLfedcba98, LL76543210, 1);
  const uint16x8_t LLdcba9876 = vextq_u16(LLfedcba98, LL76543210, 2);
  const uint16x8_t avg_0 = vhaddq_u16(LLfedcba98, LLdcba9876);
  uint16x8_t row_0 = vrhaddq_u16(avg_0, LLedcba987);

  const uint16x8_t LU01234567 = vld1q_u16(left);
  const uint16x8_t LU89abcdef = vld1q_u16(left + 8);
  const uint16x4_t LU3210 = vrev64_u16(vget_low_u16(LU01234567));
  const uint16x4_t LU7654 = vrev64_u16(vget_high_u16(LU01234567));
  const uint16x4_t LUba98 = vrev64_u16(vget_low_u16(LU89abcdef));
  const uint16x4_t LUfedc = vrev64_u16(vget_high_u16(LU89abcdef));
  const uint16x8_t LU76543210 = vcombine_u16(LU7654, LU3210);
  const uint16x8_t LUfedcba98 = vcombine_u16(LUfedc, LUba98);
  const uint16x8_t LL6543210Uf = vextq_u16(LL76543210, LUfedcba98, 1);
  const uint16x8_t LL543210Ufe = vextq_u16(LL76543210, LUfedcba98, 2);
  const uint16x8_t avg_1 = vhaddq_u16(LL76543210, LL543210Ufe);
  uint16x8_t row_1 = vrhaddq_u16(avg_1, LL6543210Uf);

  const uint16x8_t LUedcba987 = vextq_u16(LUfedcba98, LU76543210, 1);
  const uint16x8_t LUdcba9876 = vextq_u16(LUfedcba98, LU76543210, 2);
  const uint16x8_t avg_2 = vhaddq_u16(LUfedcba98, LUdcba9876);
  uint16x8_t row_2 = vrhaddq_u16(avg_2, LUedcba987);

  const uint16x8_t XAL0123456 = vld1q_u16(above - 1);
  const uint16x8_t LU6543210X = vextq_u16(LU76543210, XAL0123456, 1);
  const uint16x8_t LU543210XA0 = vextq_u16(LU76543210, XAL0123456, 2);
  const uint16x8_t avg_3 = vhaddq_u16(LU76543210, LU543210XA0);
  uint16x8_t row_3 = vrhaddq_u16(avg_3, LU6543210X);

  const uint16x8_t AL01234567 = vld1q_u16(above);
  const uint16x8_t AL12345678 = vld1q_u16(above + 1);
  const uint16x8_t avg_4 = vhaddq_u16(XAL0123456, AL12345678);
  uint16x8_t row_4 = vrhaddq_u16(avg_4, AL01234567);

  const uint16x8_t AL789abcde = vld1q_u16(above + 7);
  const uint16x8_t AL89abcdef = vld1q_u16(above + 8);
  const uint16x8_t AL9abcdefg = vld1q_u16(above + 9);
  const uint16x8_t avg_5 = vhaddq_u16(AL789abcde, AL9abcdefg);
  uint16x8_t row_5 = vrhaddq_u16(avg_5, AL89abcdef);

  const uint16x8_t ALfR0123456 = vld1q_u16(above + 15);
  const uint16x8_t AR01234567 = vld1q_u16(above + 16);
  const uint16x8_t AR12345678 = vld1q_u16(above + 17);
  const uint16x8_t avg_6 = vhaddq_u16(ALfR0123456, AR12345678);
  uint16x8_t row_6 = vrhaddq_u16(avg_6, AR01234567);

  const uint16x8_t AR789abcde = vld1q_u16(above + 23);
  const uint16x8_t AR89abcdef = vld1q_u16(above + 24);
  const uint16x8_t AR9abcdef_ = vld1q_u16(above + 25);
  const uint16x8_t avg_7 = vhaddq_u16(AR789abcde, AR9abcdef_);
  uint16x8_t row_7 = vrhaddq_u16(avg_7, AR89abcdef);
  int i, j;
  (void)bd;

  dst += 31 * stride;
  for (i = 0; i < 4; ++i) {
    for (j = 0; j < 8; ++j) {
      vst1q_u16(dst, row_0);
      dst += 8;
      vst1q_u16(dst, row_1);
      dst += 8;
      vst1q_u16(dst, row_2);
      dst += 8;
      vst1q_u16(dst, row_3);
      dst -= stride + 24;
      row_0 = vextq_u16(row_0, row_1, 1);
      row_1 = vextq_u16(row_1, row_2, 1);
      row_2 = vextq_u16(row_2, row_3, 1);
      row_3 = vextq_u16(row_3, row_4, 1);
      row_4 = vextq_u16(row_4, row_4, 1);
    }
    row_4 = row_5;
    row_5 = row_6;
    row_6 = row_7;
  }
}

//------------------------------------------------------------------------------

void vpx_highbd_d207_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  uint16x4_t l0, l1, l2, l3, c0, c1, c01_lo, c01_hi;
  (void)above;
  (void)bd;

  l0 = vld1_u16(left + 0);
  l3 = vld1_dup_u16(left + 3);

  // [ left[1], left[2], left[3], left[3] ]
  l1 = vext_u16(l0, l3, 1);
  // [ left[2], left[3], left[3], left[3] ]
  l2 = vext_u16(l0, l3, 2);

  c0 = vrhadd_u16(l0, l1);
  c1 = vrhadd_u16(vhadd_u16(l0, l2), l1);

  c01_lo = vzip_u16(c0, c1).val[0];
  c01_hi = vzip_u16(c0, c1).val[1];

  // stride=0 [ c0[0], c1[0],   c0[1],   c1[1] ]
  // stride=1 [ c0[1], c1[1],   c0[2],   c1[2] ]
  // stride=2 [ c0[2], c1[2],   c0[3],   c1[3] ]
  // stride=3 [ c0[3], c1[3], left[3], left[3] ]
  vst1_u16(dst + 0 * stride, c01_lo);
  vst1_u16(dst + 1 * stride, vext_u16(c01_lo, c01_hi, 2));
  vst1_u16(dst + 2 * stride, c01_hi);
  vst1_u16(dst + 3 * stride, vext_u16(c01_hi, l3, 2));
}

void vpx_highbd_d207_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  uint16x8_t l0, l1, l2, l7, c0, c1, c01_lo, c01_hi;
  (void)above;
  (void)bd;

  l0 = vld1q_u16(left + 0);
  l7 = vld1q_dup_u16(left + 7);

  // [ left[1], left[2], left[3], left[4], left[5], left[6], left[7], left[7] ]
  l1 = vextq_u16(l0, l7, 1);
  // [ left[2], left[3], left[4], left[5], left[6], left[7], left[7], left[7] ]
  l2 = vextq_u16(l0, l7, 2);

  c0 = vrhaddq_u16(l0, l1);
  c1 = vrhaddq_u16(vhaddq_u16(l0, l2), l1);

  c01_lo = vzipq_u16(c0, c1).val[0];
  c01_hi = vzipq_u16(c0, c1).val[1];

  vst1q_u16(dst + 0 * stride, c01_lo);
  vst1q_u16(dst + 1 * stride, vextq_u16(c01_lo, c01_hi, 2));
  vst1q_u16(dst + 2 * stride, vextq_u16(c01_lo, c01_hi, 4));
  vst1q_u16(dst + 3 * stride, vextq_u16(c01_lo, c01_hi, 6));
  vst1q_u16(dst + 4 * stride, c01_hi);
  vst1q_u16(dst + 5 * stride, vextq_u16(c01_hi, l7, 2));
  vst1q_u16(dst + 6 * stride, vextq_u16(c01_hi, l7, 4));
  vst1q_u16(dst + 7 * stride, vextq_u16(c01_hi, l7, 6));
}

void vpx_highbd_d207_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  uint16x8_t l0, l1, l2, l8, l9, l10, l15, c0[2], c1[2], c01[4];
  (void)above;
  (void)bd;

  l0 = vld1q_u16(left + 0);
  l1 = vld1q_u16(left + 1);
  l2 = vld1q_u16(left + 2);
  l8 = vld1q_u16(left + 8);
  l15 = vld1q_dup_u16(left + 15);

  l9 = vextq_u16(l8, l15, 1);
  l10 = vextq_u16(l8, l15, 2);

  c0[0] = vrhaddq_u16(l0, l1);
  c0[1] = vrhaddq_u16(l8, l9);
  c1[0] = vrhaddq_u16(vhaddq_u16(l0, l2), l1);
  c1[1] = vrhaddq_u16(vhaddq_u16(l8, l10), l9);

  c01[0] = vzipq_u16(c0[0], c1[0]).val[0];
  c01[1] = vzipq_u16(c0[0], c1[0]).val[1];
  c01[2] = vzipq_u16(c0[1], c1[1]).val[0];
  c01[3] = vzipq_u16(c0[1], c1[1]).val[1];

  vst1q_u16(dst + 0 * stride + 0, c01[0]);
  vst1q_u16(dst + 0 * stride + 8, c01[1]);
  vst1q_u16(dst + 1 * stride + 0, vextq_u16(c01[0], c01[1], 2));
  vst1q_u16(dst + 1 * stride + 8, vextq_u16(c01[1], c01[2], 2));
  vst1q_u16(dst + 2 * stride + 0, vextq_u16(c01[0], c01[1], 4));
  vst1q_u16(dst + 2 * stride + 8, vextq_u16(c01[1], c01[2], 4));
  vst1q_u16(dst + 3 * stride + 0, vextq_u16(c01[0], c01[1], 6));
  vst1q_u16(dst + 3 * stride + 8, vextq_u16(c01[1], c01[2], 6));

  vst1q_u16(dst + 4 * stride + 0, c01[1]);
  vst1q_u16(dst + 4 * stride + 8, c01[2]);
  vst1q_u16(dst + 5 * stride + 0, vextq_u16(c01[1], c01[2], 2));
  vst1q_u16(dst + 5 * stride + 8, vextq_u16(c01[2], c01[3], 2));
  vst1q_u16(dst + 6 * stride + 0, vextq_u16(c01[1], c01[2], 4));
  vst1q_u16(dst + 6 * stride + 8, vextq_u16(c01[2], c01[3], 4));
  vst1q_u16(dst + 7 * stride + 0, vextq_u16(c01[1], c01[2], 6));
  vst1q_u16(dst + 7 * stride + 8, vextq_u16(c01[2], c01[3], 6));

  vst1q_u16(dst + 8 * stride + 0, c01[2]);
  vst1q_u16(dst + 8 * stride + 8, c01[3]);
  vst1q_u16(dst + 9 * stride + 0, vextq_u16(c01[2], c01[3], 2));
  vst1q_u16(dst + 9 * stride + 8, vextq_u16(c01[3], l15, 2));
  vst1q_u16(dst + 10 * stride + 0, vextq_u16(c01[2], c01[3], 4));
  vst1q_u16(dst + 10 * stride + 8, vextq_u16(c01[3], l15, 4));
  vst1q_u16(dst + 11 * stride + 0, vextq_u16(c01[2], c01[3], 6));
  vst1q_u16(dst + 11 * stride + 8, vextq_u16(c01[3], l15, 6));

  vst1q_u16(dst + 12 * stride + 0, c01[3]);
  vst1q_u16(dst + 12 * stride + 8, l15);
  vst1q_u16(dst + 13 * stride + 0, vextq_u16(c01[3], l15, 2));
  vst1q_u16(dst + 13 * stride + 8, l15);
  vst1q_u16(dst + 14 * stride + 0, vextq_u16(c01[3], l15, 4));
  vst1q_u16(dst + 14 * stride + 8, l15);
  vst1q_u16(dst + 15 * stride + 0, vextq_u16(c01[3], l15, 6));
  vst1q_u16(dst + 15 * stride + 8, l15);
}

void vpx_highbd_d207_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                          const uint16_t *above,
                                          const uint16_t *left, int bd) {
  uint16x8_t l0, l1, l2, l8, l9, l10, l16, l17, l18, l24, l25, l26, l31, c0[4],
      c1[4], c01[8];
  (void)above;
  (void)bd;

  l0 = vld1q_u16(left + 0);
  l1 = vld1q_u16(left + 1);
  l2 = vld1q_u16(left + 2);
  l8 = vld1q_u16(left + 8);
  l9 = vld1q_u16(left + 9);
  l10 = vld1q_u16(left + 10);
  l16 = vld1q_u16(left + 16);
  l17 = vld1q_u16(left + 17);
  l18 = vld1q_u16(left + 18);
  l24 = vld1q_u16(left + 24);
  l31 = vld1q_dup_u16(left + 31);

  l25 = vextq_u16(l24, l31, 1);
  l26 = vextq_u16(l24, l31, 2);

  c0[0] = vrhaddq_u16(l0, l1);
  c0[1] = vrhaddq_u16(l8, l9);
  c0[2] = vrhaddq_u16(l16, l17);
  c0[3] = vrhaddq_u16(l24, l25);
  c1[0] = vrhaddq_u16(vhaddq_u16(l0, l2), l1);
  c1[1] = vrhaddq_u16(vhaddq_u16(l8, l10), l9);
  c1[2] = vrhaddq_u16(vhaddq_u16(l16, l18), l17);
  c1[3] = vrhaddq_u16(vhaddq_u16(l24, l26), l25);

  c01[0] = vzipq_u16(c0[0], c1[0]).val[0];
  c01[1] = vzipq_u16(c0[0], c1[0]).val[1];
  c01[2] = vzipq_u16(c0[1], c1[1]).val[0];
  c01[3] = vzipq_u16(c0[1], c1[1]).val[1];
  c01[4] = vzipq_u16(c0[2], c1[2]).val[0];
  c01[5] = vzipq_u16(c0[2], c1[2]).val[1];
  c01[6] = vzipq_u16(c0[3], c1[3]).val[0];
  c01[7] = vzipq_u16(c0[3], c1[3]).val[1];

  vst1q_u16(dst + 0 * stride + 0, c01[0]);
  vst1q_u16(dst + 0 * stride + 8, c01[1]);
  vst1q_u16(dst + 0 * stride + 16, c01[2]);
  vst1q_u16(dst + 0 * stride + 24, c01[3]);
  vst1q_u16(dst + 1 * stride + 0, vextq_u16(c01[0], c01[1], 2));
  vst1q_u16(dst + 1 * stride + 8, vextq_u16(c01[1], c01[2], 2));
  vst1q_u16(dst + 1 * stride + 16, vextq_u16(c01[2], c01[3], 2));
  vst1q_u16(dst + 1 * stride + 24, vextq_u16(c01[3], c01[4], 2));
  vst1q_u16(dst + 2 * stride + 0, vextq_u16(c01[0], c01[1], 4));
  vst1q_u16(dst + 2 * stride + 8, vextq_u16(c01[1], c01[2], 4));
  vst1q_u16(dst + 2 * stride + 16, vextq_u16(c01[2], c01[3], 4));
  vst1q_u16(dst + 2 * stride + 24, vextq_u16(c01[3], c01[4], 4));
  vst1q_u16(dst + 3 * stride + 0, vextq_u16(c01[0], c01[1], 6));
  vst1q_u16(dst + 3 * stride + 8, vextq_u16(c01[1], c01[2], 6));
  vst1q_u16(dst + 3 * stride + 16, vextq_u16(c01[2], c01[3], 6));
  vst1q_u16(dst + 3 * stride + 24, vextq_u16(c01[3], c01[4], 6));

  vst1q_u16(dst + 4 * stride + 0, c01[1]);
  vst1q_u16(dst + 4 * stride + 8, c01[2]);
  vst1q_u16(dst + 4 * stride + 16, c01[3]);
  vst1q_u16(dst + 4 * stride + 24, c01[4]);
  vst1q_u16(dst + 5 * stride + 0, vextq_u16(c01[1], c01[2], 2));
  vst1q_u16(dst + 5 * stride + 8, vextq_u16(c01[2], c01[3], 2));
  vst1q_u16(dst + 5 * stride + 16, vextq_u16(c01[3], c01[4], 2));
  vst1q_u16(dst + 5 * stride + 24, vextq_u16(c01[4], c01[5], 2));
  vst1q_u16(dst + 6 * stride + 0, vextq_u16(c01[1], c01[2], 4));
  vst1q_u16(dst + 6 * stride + 8, vextq_u16(c01[2], c01[3], 4));
  vst1q_u16(dst + 6 * stride + 16, vextq_u16(c01[3], c01[4], 4));
  vst1q_u16(dst + 6 * stride + 24, vextq_u16(c01[4], c01[5], 4));
  vst1q_u16(dst + 7 * stride + 0, vextq_u16(c01[1], c01[2], 6));
  vst1q_u16(dst + 7 * stride + 8, vextq_u16(c01[2], c01[3], 6));
  vst1q_u16(dst + 7 * stride + 16, vextq_u16(c01[3], c01[4], 6));
  vst1q_u16(dst + 7 * stride + 24, vextq_u16(c01[4], c01[5], 6));

  vst1q_u16(dst + 8 * stride + 0, c01[2]);
  vst1q_u16(dst + 8 * stride + 8, c01[3]);
  vst1q_u16(dst + 8 * stride + 16, c01[4]);
  vst1q_u16(dst + 8 * stride + 24, c01[5]);
  vst1q_u16(dst + 9 * stride + 0, vextq_u16(c01[2], c01[3], 2));
  vst1q_u16(dst + 9 * stride + 8, vextq_u16(c01[3], c01[4], 2));
  vst1q_u16(dst + 9 * stride + 16, vextq_u16(c01[4], c01[5], 2));
  vst1q_u16(dst + 9 * stride + 24, vextq_u16(c01[5], c01[6], 2));
  vst1q_u16(dst + 10 * stride + 0, vextq_u16(c01[2], c01[3], 4));
  vst1q_u16(dst + 10 * stride + 8, vextq_u16(c01[3], c01[4], 4));
  vst1q_u16(dst + 10 * stride + 16, vextq_u16(c01[4], c01[5], 4));
  vst1q_u16(dst + 10 * stride + 24, vextq_u16(c01[5], c01[6], 4));
  vst1q_u16(dst + 11 * stride + 0, vextq_u16(c01[2], c01[3], 6));
  vst1q_u16(dst + 11 * stride + 8, vextq_u16(c01[3], c01[4], 6));
  vst1q_u16(dst + 11 * stride + 16, vextq_u16(c01[4], c01[5], 6));
  vst1q_u16(dst + 11 * stride + 24, vextq_u16(c01[5], c01[6], 6));

  vst1q_u16(dst + 12 * stride + 0, c01[3]);
  vst1q_u16(dst + 12 * stride + 8, c01[4]);
  vst1q_u16(dst + 12 * stride + 16, c01[5]);
  vst1q_u16(dst + 12 * stride + 24, c01[6]);
  vst1q_u16(dst + 13 * stride + 0, vextq_u16(c01[3], c01[4], 2));
  vst1q_u16(dst + 13 * stride + 8, vextq_u16(c01[4], c01[5], 2));
  vst1q_u16(dst + 13 * stride + 16, vextq_u16(c01[5], c01[6], 2));
  vst1q_u16(dst + 13 * stride + 24, vextq_u16(c01[6], c01[7], 2));
  vst1q_u16(dst + 14 * stride + 0, vextq_u16(c01[3], c01[4], 4));
  vst1q_u16(dst + 14 * stride + 8, vextq_u16(c01[4], c01[5], 4));
  vst1q_u16(dst + 14 * stride + 16, vextq_u16(c01[5], c01[6], 4));
  vst1q_u16(dst + 14 * stride + 24, vextq_u16(c01[6], c01[7], 4));
  vst1q_u16(dst + 15 * stride + 0, vextq_u16(c01[3], c01[4], 6));
  vst1q_u16(dst + 15 * stride + 8, vextq_u16(c01[4], c01[5], 6));
  vst1q_u16(dst + 15 * stride + 16, vextq_u16(c01[5], c01[6], 6));
  vst1q_u16(dst + 15 * stride + 24, vextq_u16(c01[6], c01[7], 6));

  vst1q_u16(dst + 16 * stride + 0, c01[4]);
  vst1q_u16(dst + 16 * stride + 8, c01[5]);
  vst1q_u16(dst + 16 * stride + 16, c01[6]);
  vst1q_u16(dst + 16 * stride + 24, c01[7]);
  vst1q_u16(dst + 17 * stride + 0, vextq_u16(c01[4], c01[5], 2));
  vst1q_u16(dst + 17 * stride + 8, vextq_u16(c01[5], c01[6], 2));
  vst1q_u16(dst + 17 * stride + 16, vextq_u16(c01[6], c01[7], 2));
  vst1q_u16(dst + 17 * stride + 24, vextq_u16(c01[7], l31, 2));
  vst1q_u16(dst + 18 * stride + 0, vextq_u16(c01[4], c01[5], 4));
  vst1q_u16(dst + 18 * stride + 8, vextq_u16(c01[5], c01[6], 4));
  vst1q_u16(dst + 18 * stride + 16, vextq_u16(c01[6], c01[7], 4));
  vst1q_u16(dst + 18 * stride + 24, vextq_u16(c01[7], l31, 4));
  vst1q_u16(dst + 19 * stride + 0, vextq_u16(c01[4], c01[5], 6));
  vst1q_u16(dst + 19 * stride + 8, vextq_u16(c01[5], c01[6], 6));
  vst1q_u16(dst + 19 * stride + 16, vextq_u16(c01[6], c01[7], 6));
  vst1q_u16(dst + 19 * stride + 24, vextq_u16(c01[7], l31, 6));

  vst1q_u16(dst + 20 * stride + 0, c01[5]);
  vst1q_u16(dst + 20 * stride + 8, c01[6]);
  vst1q_u16(dst + 20 * stride + 16, c01[7]);
  vst1q_u16(dst + 20 * stride + 24, l31);
  vst1q_u16(dst + 21 * stride + 0, vextq_u16(c01[5], c01[6], 2));
  vst1q_u16(dst + 21 * stride + 8, vextq_u16(c01[6], c01[7], 2));
  vst1q_u16(dst + 21 * stride + 16, vextq_u16(c01[7], l31, 2));
  vst1q_u16(dst + 21 * stride + 24, vextq_u16(l31, l31, 2));
  vst1q_u16(dst + 22 * stride + 0, vextq_u16(c01[5], c01[6], 4));
  vst1q_u16(dst + 22 * stride + 8, vextq_u16(c01[6], c01[7], 4));
  vst1q_u16(dst + 22 * stride + 16, vextq_u16(c01[7], l31, 4));
  vst1q_u16(dst + 22 * stride + 24, vextq_u16(l31, l31, 4));
  vst1q_u16(dst + 23 * stride + 0, vextq_u16(c01[5], c01[6], 6));
  vst1q_u16(dst + 23 * stride + 8, vextq_u16(c01[6], c01[7], 6));
  vst1q_u16(dst + 23 * stride + 16, vextq_u16(c01[7], l31, 6));
  vst1q_u16(dst + 23 * stride + 24, vextq_u16(l31, l31, 6));

  vst1q_u16(dst + 24 * stride + 0, c01[6]);
  vst1q_u16(dst + 24 * stride + 8, c01[7]);
  vst1q_u16(dst + 24 * stride + 16, l31);
  vst1q_u16(dst + 24 * stride + 24, l31);
  vst1q_u16(dst + 25 * stride + 0, vextq_u16(c01[6], c01[7], 2));
  vst1q_u16(dst + 25 * stride + 8, vextq_u16(c01[7], l31, 2));
  vst1q_u16(dst + 25 * stride + 16, vextq_u16(l31, l31, 2));
  vst1q_u16(dst + 25 * stride + 24, vextq_u16(l31, l31, 2));
  vst1q_u16(dst + 26 * stride + 0, vextq_u16(c01[6], c01[7], 4));
  vst1q_u16(dst + 26 * stride + 8, vextq_u16(c01[7], l31, 4));
  vst1q_u16(dst + 26 * stride + 16, vextq_u16(l31, l31, 4));
  vst1q_u16(dst + 26 * stride + 24, vextq_u16(l31, l31, 4));
  vst1q_u16(dst + 27 * stride + 0, vextq_u16(c01[6], c01[7], 6));
  vst1q_u16(dst + 27 * stride + 8, vextq_u16(c01[7], l31, 6));
  vst1q_u16(dst + 27 * stride + 16, vextq_u16(l31, l31, 6));
  vst1q_u16(dst + 27 * stride + 24, vextq_u16(l31, l31, 6));

  vst1q_u16(dst + 28 * stride + 0, c01[7]);
  vst1q_u16(dst + 28 * stride + 8, l31);
  vst1q_u16(dst + 28 * stride + 16, l31);
  vst1q_u16(dst + 28 * stride + 24, l31);
  vst1q_u16(dst + 29 * stride + 0, vextq_u16(c01[7], l31, 2));
  vst1q_u16(dst + 29 * stride + 8, vextq_u16(l31, l31, 2));
  vst1q_u16(dst + 29 * stride + 16, vextq_u16(l31, l31, 2));
  vst1q_u16(dst + 29 * stride + 24, vextq_u16(l31, l31, 2));
  vst1q_u16(dst + 30 * stride + 0, vextq_u16(c01[7], l31, 4));
  vst1q_u16(dst + 30 * stride + 8, vextq_u16(l31, l31, 4));
  vst1q_u16(dst + 30 * stride + 16, vextq_u16(l31, l31, 4));
  vst1q_u16(dst + 30 * stride + 24, vextq_u16(l31, l31, 4));
  vst1q_u16(dst + 31 * stride + 0, vextq_u16(c01[7], l31, 6));
  vst1q_u16(dst + 31 * stride + 8, vextq_u16(l31, l31, 6));
  vst1q_u16(dst + 31 * stride + 16, vextq_u16(l31, l31, 6));
  vst1q_u16(dst + 31 * stride + 24, vextq_u16(l31, l31, 6));
}

//------------------------------------------------------------------------------

void vpx_highbd_v_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                     const uint16_t *above,
                                     const uint16_t *left, int bd) {
  const uint16x4_t row = vld1_u16(above);
  int i;
  (void)left;
  (void)bd;

  for (i = 0; i < 4; i++, dst += stride) {
    vst1_u16(dst, row);
  }
}

void vpx_highbd_v_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                     const uint16_t *above,
                                     const uint16_t *left, int bd) {
  const uint16x8_t row = vld1q_u16(above);
  int i;
  (void)left;
  (void)bd;

  for (i = 0; i < 8; i++, dst += stride) {
    vst1q_u16(dst, row);
  }
}

void vpx_highbd_v_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                       const uint16_t *above,
                                       const uint16_t *left, int bd) {
  const uint16x8_t row0 = vld1q_u16(above + 0);
  const uint16x8_t row1 = vld1q_u16(above + 8);
  int i;
  (void)left;
  (void)bd;

  for (i = 0; i < 16; i++) {
    vst1q_u16(dst + 0, row0);
    vst1q_u16(dst + 8, row1);
    dst += stride;
  }
}

void vpx_highbd_v_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                       const uint16_t *above,
                                       const uint16_t *left, int bd) {
  const uint16x8_t row0 = vld1q_u16(above + 0);
  const uint16x8_t row1 = vld1q_u16(above + 8);
  const uint16x8_t row2 = vld1q_u16(above + 16);
  const uint16x8_t row3 = vld1q_u16(above + 24);
  int i;
  (void)left;
  (void)bd;

  for (i = 0; i < 32; i++) {
    vst1q_u16(dst + 0, row0);
    vst1q_u16(dst + 8, row1);
    vst1q_u16(dst + 16, row2);
    vst1q_u16(dst + 24, row3);
    dst += stride;
  }
}

// -----------------------------------------------------------------------------

void vpx_highbd_h_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                     const uint16_t *above,
                                     const uint16_t *left, int bd) {
  const uint16x4_t left_u16 = vld1_u16(left);
  uint16x4_t row;
  (void)above;
  (void)bd;

  row = vdup_lane_u16(left_u16, 0);
  vst1_u16(dst, row);
  dst += stride;
  row = vdup_lane_u16(left_u16, 1);
  vst1_u16(dst, row);
  dst += stride;
  row = vdup_lane_u16(left_u16, 2);
  vst1_u16(dst, row);
  dst += stride;
  row = vdup_lane_u16(left_u16, 3);
  vst1_u16(dst, row);
}

void vpx_highbd_h_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                     const uint16_t *above,
                                     const uint16_t *left, int bd) {
  const uint16x8_t left_u16 = vld1q_u16(left);
  const uint16x4_t left_low = vget_low_u16(left_u16);
  const uint16x4_t left_high = vget_high_u16(left_u16);
  uint16x8_t row;
  (void)above;
  (void)bd;

  row = vdupq_lane_u16(left_low, 0);
  vst1q_u16(dst, row);
  dst += stride;
  row = vdupq_lane_u16(left_low, 1);
  vst1q_u16(dst, row);
  dst += stride;
  row = vdupq_lane_u16(left_low, 2);
  vst1q_u16(dst, row);
  dst += stride;
  row = vdupq_lane_u16(left_low, 3);
  vst1q_u16(dst, row);
  dst += stride;
  row = vdupq_lane_u16(left_high, 0);
  vst1q_u16(dst, row);
  dst += stride;
  row = vdupq_lane_u16(left_high, 1);
  vst1q_u16(dst, row);
  dst += stride;
  row = vdupq_lane_u16(left_high, 2);
  vst1q_u16(dst, row);
  dst += stride;
  row = vdupq_lane_u16(left_high, 3);
  vst1q_u16(dst, row);
}

static INLINE void h_store_16(uint16_t **dst, const ptrdiff_t stride,
                              const uint16x8_t row) {
  // Note: vst1q is faster than vst2q
  vst1q_u16(*dst, row);
  *dst += 8;
  vst1q_u16(*dst, row);
  *dst += stride - 8;
}

void vpx_highbd_h_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                       const uint16_t *above,
                                       const uint16_t *left, int bd) {
  int i;
  (void)above;
  (void)bd;

  for (i = 0; i < 2; i++, left += 8) {
    const uint16x8_t left_u16q = vld1q_u16(left);
    const uint16x4_t left_low = vget_low_u16(left_u16q);
    const uint16x4_t left_high = vget_high_u16(left_u16q);
    uint16x8_t row;

    row = vdupq_lane_u16(left_low, 0);
    h_store_16(&dst, stride, row);
    row = vdupq_lane_u16(left_low, 1);
    h_store_16(&dst, stride, row);
    row = vdupq_lane_u16(left_low, 2);
    h_store_16(&dst, stride, row);
    row = vdupq_lane_u16(left_low, 3);
    h_store_16(&dst, stride, row);
    row = vdupq_lane_u16(left_high, 0);
    h_store_16(&dst, stride, row);
    row = vdupq_lane_u16(left_high, 1);
    h_store_16(&dst, stride, row);
    row = vdupq_lane_u16(left_high, 2);
    h_store_16(&dst, stride, row);
    row = vdupq_lane_u16(left_high, 3);
    h_store_16(&dst, stride, row);
  }
}

static INLINE void h_store_32(uint16_t **dst, const ptrdiff_t stride,
                              const uint16x8_t row) {
  // Note: vst1q is faster than vst2q
  vst1q_u16(*dst, row);
  *dst += 8;
  vst1q_u16(*dst, row);
  *dst += 8;
  vst1q_u16(*dst, row);
  *dst += 8;
  vst1q_u16(*dst, row);
  *dst += stride - 24;
}

void vpx_highbd_h_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                       const uint16_t *above,
                                       const uint16_t *left, int bd) {
  int i;
  (void)above;
  (void)bd;

  for (i = 0; i < 4; i++, left += 8) {
    const uint16x8_t left_u16q = vld1q_u16(left);
    const uint16x4_t left_low = vget_low_u16(left_u16q);
    const uint16x4_t left_high = vget_high_u16(left_u16q);
    uint16x8_t row;

    row = vdupq_lane_u16(left_low, 0);
    h_store_32(&dst, stride, row);
    row = vdupq_lane_u16(left_low, 1);
    h_store_32(&dst, stride, row);
    row = vdupq_lane_u16(left_low, 2);
    h_store_32(&dst, stride, row);
    row = vdupq_lane_u16(left_low, 3);
    h_store_32(&dst, stride, row);
    row = vdupq_lane_u16(left_high, 0);
    h_store_32(&dst, stride, row);
    row = vdupq_lane_u16(left_high, 1);
    h_store_32(&dst, stride, row);
    row = vdupq_lane_u16(left_high, 2);
    h_store_32(&dst, stride, row);
    row = vdupq_lane_u16(left_high, 3);
    h_store_32(&dst, stride, row);
  }
}

// -----------------------------------------------------------------------------

void vpx_highbd_tm_predictor_4x4_neon(uint16_t *dst, ptrdiff_t stride,
                                      const uint16_t *above,
                                      const uint16_t *left, int bd) {
  const int16x8_t max = vmovq_n_s16((1 << bd) - 1);
  const int16x8_t top_left = vld1q_dup_s16((const int16_t *)(above - 1));
  const int16x4_t above_s16d = vld1_s16((const int16_t *)above);
  const int16x8_t above_s16 = vcombine_s16(above_s16d, above_s16d);
  const int16x4_t left_s16 = vld1_s16((const int16_t *)left);
  const int16x8_t sub = vsubq_s16(above_s16, top_left);
  int16x8_t sum;
  uint16x8_t row;

  sum = vcombine_s16(vdup_lane_s16(left_s16, 0), vdup_lane_s16(left_s16, 1));
  sum = vaddq_s16(sum, sub);
  sum = vminq_s16(sum, max);
  row = vqshluq_n_s16(sum, 0);
  vst1_u16(dst, vget_low_u16(row));
  dst += stride;
  vst1_u16(dst, vget_high_u16(row));
  dst += stride;

  sum = vcombine_s16(vdup_lane_s16(left_s16, 2), vdup_lane_s16(left_s16, 3));
  sum = vaddq_s16(sum, sub);
  sum = vminq_s16(sum, max);
  row = vqshluq_n_s16(sum, 0);
  vst1_u16(dst, vget_low_u16(row));
  dst += stride;
  vst1_u16(dst, vget_high_u16(row));
}

static INLINE void tm_8_kernel(uint16_t **dst, const ptrdiff_t stride,
                               const int16x8_t left_dup, const int16x8_t sub,
                               const int16x8_t max) {
  uint16x8_t row;
  int16x8_t sum = vaddq_s16(left_dup, sub);
  sum = vminq_s16(sum, max);
  row = vqshluq_n_s16(sum, 0);
  vst1q_u16(*dst, row);
  *dst += stride;
}

void vpx_highbd_tm_predictor_8x8_neon(uint16_t *dst, ptrdiff_t stride,
                                      const uint16_t *above,
                                      const uint16_t *left, int bd) {
  const int16x8_t max = vmovq_n_s16((1 << bd) - 1);
  const int16x8_t top_left = vld1q_dup_s16((const int16_t *)(above - 1));
  const int16x8_t above_s16 = vld1q_s16((const int16_t *)above);
  const int16x8_t left_s16 = vld1q_s16((const int16_t *)left);
  const int16x8_t sub = vsubq_s16(above_s16, top_left);
  int16x4_t left_s16d;
  int16x8_t left_dup;
  int i;

  left_s16d = vget_low_s16(left_s16);

  for (i = 0; i < 2; i++, left_s16d = vget_high_s16(left_s16)) {
    left_dup = vdupq_lane_s16(left_s16d, 0);
    tm_8_kernel(&dst, stride, left_dup, sub, max);

    left_dup = vdupq_lane_s16(left_s16d, 1);
    tm_8_kernel(&dst, stride, left_dup, sub, max);

    left_dup = vdupq_lane_s16(left_s16d, 2);
    tm_8_kernel(&dst, stride, left_dup, sub, max);

    left_dup = vdupq_lane_s16(left_s16d, 3);
    tm_8_kernel(&dst, stride, left_dup, sub, max);
  }
}

static INLINE void tm_16_kernel(uint16_t **dst, const ptrdiff_t stride,
                                const int16x8_t left_dup, const int16x8_t sub0,
                                const int16x8_t sub1, const int16x8_t max) {
  uint16x8_t row0, row1;
  int16x8_t sum0 = vaddq_s16(left_dup, sub0);
  int16x8_t sum1 = vaddq_s16(left_dup, sub1);
  sum0 = vminq_s16(sum0, max);
  sum1 = vminq_s16(sum1, max);
  row0 = vqshluq_n_s16(sum0, 0);
  row1 = vqshluq_n_s16(sum1, 0);
  vst1q_u16(*dst, row0);
  *dst += 8;
  vst1q_u16(*dst, row1);
  *dst += stride - 8;
}

void vpx_highbd_tm_predictor_16x16_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  const int16x8_t max = vmovq_n_s16((1 << bd) - 1);
  const int16x8_t top_left = vld1q_dup_s16((const int16_t *)(above - 1));
  const int16x8_t above0 = vld1q_s16((const int16_t *)above);
  const int16x8_t above1 = vld1q_s16((const int16_t *)(above + 8));
  const int16x8_t sub0 = vsubq_s16(above0, top_left);
  const int16x8_t sub1 = vsubq_s16(above1, top_left);
  int16x8_t left_dup;
  int i, j;

  for (j = 0; j < 2; j++, left += 8) {
    const int16x8_t left_s16q = vld1q_s16((const int16_t *)left);
    int16x4_t left_s16d = vget_low_s16(left_s16q);
    for (i = 0; i < 2; i++, left_s16d = vget_high_s16(left_s16q)) {
      left_dup = vdupq_lane_s16(left_s16d, 0);
      tm_16_kernel(&dst, stride, left_dup, sub0, sub1, max);

      left_dup = vdupq_lane_s16(left_s16d, 1);
      tm_16_kernel(&dst, stride, left_dup, sub0, sub1, max);

      left_dup = vdupq_lane_s16(left_s16d, 2);
      tm_16_kernel(&dst, stride, left_dup, sub0, sub1, max);

      left_dup = vdupq_lane_s16(left_s16d, 3);
      tm_16_kernel(&dst, stride, left_dup, sub0, sub1, max);
    }
  }
}

static INLINE void tm_32_kernel(uint16_t **dst, const ptrdiff_t stride,
                                const int16x8_t left_dup, const int16x8_t sub0,
                                const int16x8_t sub1, const int16x8_t sub2,
                                const int16x8_t sub3, const int16x8_t max) {
  uint16x8_t row0, row1, row2, row3;
  int16x8_t sum0 = vaddq_s16(left_dup, sub0);
  int16x8_t sum1 = vaddq_s16(left_dup, sub1);
  int16x8_t sum2 = vaddq_s16(left_dup, sub2);
  int16x8_t sum3 = vaddq_s16(left_dup, sub3);
  sum0 = vminq_s16(sum0, max);
  sum1 = vminq_s16(sum1, max);
  sum2 = vminq_s16(sum2, max);
  sum3 = vminq_s16(sum3, max);
  row0 = vqshluq_n_s16(sum0, 0);
  row1 = vqshluq_n_s16(sum1, 0);
  row2 = vqshluq_n_s16(sum2, 0);
  row3 = vqshluq_n_s16(sum3, 0);
  vst1q_u16(*dst, row0);
  *dst += 8;
  vst1q_u16(*dst, row1);
  *dst += 8;
  vst1q_u16(*dst, row2);
  *dst += 8;
  vst1q_u16(*dst, row3);
  *dst += stride - 24;
}

void vpx_highbd_tm_predictor_32x32_neon(uint16_t *dst, ptrdiff_t stride,
                                        const uint16_t *above,
                                        const uint16_t *left, int bd) {
  const int16x8_t max = vmovq_n_s16((1 << bd) - 1);
  const int16x8_t top_left = vld1q_dup_s16((const int16_t *)(above - 1));
  const int16x8_t above0 = vld1q_s16((const int16_t *)above);
  const int16x8_t above1 = vld1q_s16((const int16_t *)(above + 8));
  const int16x8_t above2 = vld1q_s16((const int16_t *)(above + 16));
  const int16x8_t above3 = vld1q_s16((const int16_t *)(above + 24));
  const int16x8_t sub0 = vsubq_s16(above0, top_left);
  const int16x8_t sub1 = vsubq_s16(above1, top_left);
  const int16x8_t sub2 = vsubq_s16(above2, top_left);
  const int16x8_t sub3 = vsubq_s16(above3, top_left);
  int16x8_t left_dup;
  int i, j;

  for (i = 0; i < 4; i++, left += 8) {
    const int16x8_t left_s16q = vld1q_s16((const int16_t *)left);
    int16x4_t left_s16d = vget_low_s16(left_s16q);
    for (j = 0; j < 2; j++, left_s16d = vget_high_s16(left_s16q)) {
      left_dup = vdupq_lane_s16(left_s16d, 0);
      tm_32_kernel(&dst, stride, left_dup, sub0, sub1, sub2, sub3, max);

      left_dup = vdupq_lane_s16(left_s16d, 1);
      tm_32_kernel(&dst, stride, left_dup, sub0, sub1, sub2, sub3, max);

      left_dup = vdupq_lane_s16(left_s16d, 2);
      tm_32_kernel(&dst, stride, left_dup, sub0, sub1, sub2, sub3, max);

      left_dup = vdupq_lane_s16(left_s16d, 3);
      tm_32_kernel(&dst, stride, left_dup, sub0, sub1, sub2, sub3, max);
    }
  }
}

Messung V0.5 in Prozent
C=90 H=91 G=90

¤ Dauer der Verarbeitung: 0.70 Sekunden  (vorverarbeitet am  2026-04-25) ¤

*© Formatika GbR, Deutschland






Wurzel

Suchen

Beweissystem der NASA

Beweissystem Isabelle

NIST Cobol Testsuite

Cephes Mathematical Library

Wiener Entwicklungsmethode

Haftungshinweis

Die Informationen auf dieser Webseite wurden nach bestem Wissen sorgfältig zusammengestellt. Es wird jedoch weder Vollständigkeit, noch Richtigkeit, noch Qualität der bereit gestellten Informationen zugesichert.

Bemerkung:

Die farbliche Syntaxdarstellung und die Messung sind noch experimentell.






                                                                                                                                                                                                                                                                                                                                                                                                     


Neuigkeiten

     Aktuelles
     Motto des Tages

Software

     Produkte
     Quellcodebibliothek

Aktivitäten

     Artikel über Sicherheit
     Anleitung zur Aktivierung von SSL

Muße

     Gedichte
     Musik
     Bilder

Jenseits des Üblichen ....
    

Besucherstatistik

Besucherstatistik

Monitoring

Montastic status badge