blog

Jun 15, 2023

Usando modelo

Imagem Compuscript Ltd: Processos de geração e reconstrução de hologramas 4K pela 4K-DMDNet. veja mais Crédito: OEA Uma nova publicação da Opto-Electronic Advances, 10.29026/oea.2023.220135

Compuscript Ltda

imagem: Processos de geração e reconstrução de hologramas 4K pela 4K-DMDNet.Veja mais

Crédito: OEA

Uma nova publicação da Opto-Electronic Advances, 10.29026/oea.2023.220135 discute o uso de aprendizagem profunda orientada por modelo para obter exibição holográfica colorida de alta fidelidade em 4K.

Em 2009, o Avatar tridimensional (3D) IMAX varreu o mercado cinematográfico global. Alguns anos depois, o show Hatsune Miku 3D atraiu a atenção de todos os fãs de anime. E recentemente os dispositivos AR/VR 3D para a cabeça levaram a um desenvolvimento crescente do metaverso. Cada progresso noExibição 3DEste campo traz preocupações sociais e benefícios económicos essenciais.

Para obter experiências visuais mais realistas, a maioria das soluções comerciais convencionais para exibição em 3D são baseadas nos princípios devisão binocular.

No entanto, ao contrário da observação de objetos 3D reais, a profundidade do foco visual permanece inalterada enquanto o observador usa o dispositivo para obter informações 3D. Esse tipo deconflito de acomodação de vergênciatorna o espectador suscetível à fadiga visual e à vertigem, limitando as experiências do usuário.

Oholografia gerada por computador (CGH) pode evitar a geração de conflito de acomodação de vergência desde a origem. As configurações experimentais são simples e compactas. O CGH tem recebido atenção significativa da academia e da indústria. É considerada a futura forma de exibição 3D.

Em princípio, o CGH codifica o objeto 3D em um formato digital.holograma bidimensional (2D)baseado emcálculos difrativos. E então o holograma 2D é carregado em um modulador de luz espacial (SLM) iluminado por ondas planas. A reconstrução óptica do objeto 3D é obtida a uma certa distância. O CGH tem aplicações potenciais em uma ampla gama de displays 3D, como head-mounted displays, heads-up displays e displays de projeção.

Como geraralta velocidade e alta qualidadeOs hologramas 2D são uma questão chave e uma direção essencial de pesquisa neste campo atualmente.

Recentemente, o Hololab da Universidade Tsinghua propôs umaprendizagem profunda orientada por modelorede neural, chamada4K-DMDNet . Ele realiza a geração de holograma de alta qualidade e alta velocidade e alcançacores 4K de alta fidelidadeexibições holográficas.

Devido às limitações do SLM, as distribuições de amplitude complexa calculadas no plano holográfico precisam ser convertidas em hologramas somente de amplitude ou hologramas somente de fase (POHs). Entre eles, o processo de geração de POH é tipicamente um processo mal colocadoproblema inverso . Tem os desafios de que a solução pode não ser única, estável ou existente.

Oiterativo algoritmos podem converter o processo de geração de POH em um problema de otimização. Soluções numéricas com boa convergência podem ser obtidas. No entanto, os algoritmos enfrentam umatrocaentre velocidade computacional e qualidade de reconstrução.

O poderosoprocessamento paralelocapacidades deaprendizagem profunda trouxeram melhorias revolucionárias na solução de problemas de otimização. Os impactos profundos do aprendizado profundo no CGH também foram causados.

O conjunto de dados de treinamento de objetos 3D e o conjunto de dados de holograma correspondente são obtidos antecipadamente para servir como entradas e saídas dorede neural . A rede neural é treinada para aprender o relacionamento de mapeamento entre eles. A rede treinada pode obter uma previsão rápida das entradas do alvo de exibição fora do conjunto de dados de treinamento. Espera-se quesimultaneamenterealize geração de holograma de alta velocidade e alta qualidade.

A ideia de usar redes neurais para geração de hologramas foi proposta por pesquisadores japoneses já em 1998. Mas limitada peladesempenho de hardware e software