Новости

May 24, 2023

Использование модели

Изображение Compuscript Ltd: Процессы создания и восстановления голограмм 4K с помощью 4K-DMDNet. Посмотреть больше Кредит: OEA Новая публикация Opto-Electronic Advances, 10.29026/oea.2023.220135

Компюскрипт, ООО

изображение: Процессы генерации и восстановления голограмм 4K с помощью 4K-DMDNet.посмотреть больше

Кредит: ОАГ

В новой публикации Opto-Electronic Advances, 10.29026/oea.2023.220135 обсуждается использование глубокого обучения на основе моделей для достижения высококачественного цветного голографического дисплея 4K.

В 2009 году трехмерный (3D) «Аватар» формата IMAX захватил мировой кинорынок. Спустя несколько лет 3D-концерт Хацунэ Мику привлек внимание всех любителей аниме. А в последнее время 3D-головные устройства AR/VR привели к бурному развитию метавселенной. Каждый прогресс в3D-дисплейЭта область приносит существенные социальные проблемы и экономические выгоды.

Чтобы получить более реалистичное визуальное восприятие, большинство основных коммерческих решений для 3D-дисплея основаны на принципахбинокулярное зрение.

Однако, в отличие от наблюдения за реальными 3D-объектами, глубина зрительного фокуса остается неизменной, пока зритель носит устройство для получения 3D-информации. Этот типКонфликт вергентного аккомодацииделает зрителя восприимчивым к зрительному утомлению и головокружению, ограничивая пользовательский опыт.

компьютерная голография (CGH) может избежать возникновения конфликта аккомодации вергенции с самого начала. Экспериментальные установки просты и компактны. CGH привлек значительное внимание со стороны научных кругов и промышленности. Он считается будущей формой 3D-дисплея.

В принципе, CGH кодирует 3D-объект в цифровой формат.двумерная (2D) голограммана основедифракционные расчеты. А затем 2D-голограмма загружается в пространственный модулятор света (ПМС), освещаемый плоскими волнами. Оптическая реконструкция 3D-объекта получается на определенном расстоянии. CGH имеет потенциальное применение в широком спектре 3D-дисплеев, таких как головные дисплеи, проекционные дисплеи и проекционные дисплеи.

Как создатьвысокоскоростной и качественный2D-голограммы в настоящее время являются ключевой проблемой и важным направлением исследований в этой области.

Недавно Hololab в Университете Цинхуа предложилаглубокое обучение на основе моделейнейронная сеть, называемая4K-DMDNet . Он реализует высококачественную высокоскоростную генерацию голограмм и достигаетвысококачественная цветопередача 4Kголографические дисплеи.

Из-за ограничений SLM вычисленные распределения комплексной амплитуды на голографической плоскости необходимо преобразовать в голограммы только по амплитуде или голограммы только по фазе (POH). Среди них процесс генерации POH обычно является некорректным.обратная задача . Проблема заключается в том, что решение может не быть уникальным, стабильным или существующим.

итеративный алгоритмы могут преобразовать процесс генерации POH в задачу оптимизации. Могут быть получены численные решения с хорошей сходимостью. Однако алгоритмы сталкиваются с проблемойкомпромиссмежду скоростью вычислений и качеством реконструкции.

Мощныйпараллельная обработкавозможностиглубокое обучение привели к революционным улучшениям в решении задач оптимизации. Глубокое обучение также оказало глубокое влияние на CGH.

Набор обучающих данных трехмерных объектов и соответствующий набор данных голограммы получаются заранее и служат входными и выходными данныминейронная сеть . Нейронная сеть обучена изучать взаимосвязи между ними. Обученная сеть может обеспечить быстрое прогнозирование целевых входных данных отображения за пределами набора обучающих данных. Ожидается, чтоодновременнореализовать высокоскоростную и качественную генерацию голограмм.

Идея использования нейронных сетей для генерации голограмм была предложена японскими исследователями еще в 1998 году.производительность аппаратного и программного обеспечения