No estoy al tanto de que alguien haya hecho eso y lo haya hecho público. Solo en mi humilde opinión, no suena muy prometedor.
Como señala Martinus, algunos algoritmos de compresión son muy seriales. Los algoritmos de compresión de bloques como LZW se pueden paralelizar codificando cada bloque de forma independiente. Ziping un gran árbol de archivos se puede paralelizar en el nivel de archivo.
Sin embargo, ninguno de estos es realmente el paralelismo estilo SIMD (Single Instruction Multiple Data), y no son masivamente paralelos.
Las GPU son básicamente procesadores de vectores, donde puede hacer cientos o miles de instrucciones ADD todo en el paso de bloqueo, y ejecutar programas donde hay muy pocas ramas dependientes de datos.
Los algoritmos de compresión en general suenan más como un modelo de programación SPMD (Single Program Multiple Data) o MIMD (Multiple Instruction Multiple Data), que es más adecuado para coops multinúcleo.
Los algoritmos de compresión de video pueden acelerarse mediante procesamiento GPGPU como CUDA solo en la medida en que haya un gran número de bloques de píxeles que se están transformando o convolucionando coseno (para detección de movimiento) en paralelo, y la IDCT o convolución las subrutinas pueden expresarse con código sin sucursales. A las GPU también les gustan los algoritmos que tienen alta intensidad numérica (la relación entre operaciones matemáticas y acceso a memoria). Los algoritmos con baja intensidad numérica (como agregar dos vectores) pueden ser masivamente paralelos y SIMD, pero aún más lentos la CPU porque están limitados por la memoria.
¿Qué es CUDAS limitaciones de memoria? Es decir. son bloques de 4K a 32K para manejar datos en paralelo, gzip se puede comprimir en paralelo al no guardar el diccionario entre bloques, esto aumenta el tamaño del archivo en ~ 5%. Ver. Dictzip para un ejemplo. –
Esta presentación se centra en Gzip y obtiene una aceleración en el orden de 10 http://on-demand.gputechconf.com/gtc/2014/presentations/S4459-parallel-lossless-compression-using-gpus.pdf –