Jun 15, 2023
使用モデル
Compuscript Ltd の画像: 4K-DMDNet による 4K ホログラムの生成および再構築プロセス。 詳細を見る クレジット: OEA Opto-Electronic Advances からの新しい出版物、10.29026/oea.2023.220135
コンピュスクリプト株式会社
画像:4K-DMDNetによる4Kホログラムの生成・再生プロセス。もっと見る
クレジット: OAS
Opto-Electronic Advances の新しい出版物、10.29026/oea.2023.220135 では、高忠実度 4K カラー ホログラフィック ディスプレイを実現するためのモデル駆動型ディープラーニングの使用について説明しています。
2009 年、IMAX の 3 次元 (3D) アバターが世界の映画市場を席巻しました。 数年後、初音ミク 3D コンサートがすべてのアニメファンの注目を集めました。 そして最近では、AR/VR 3D ヘッドウェア デバイスがメタバースの急成長につながっています。 それぞれの進捗状況3D表示この分野は本質的な社会的懸念と経済的利益をもたらします。
より現実的な視覚体験を得るために、3D ディスプレイの主流の商用ソリューションのほとんどは、次の原理に基づいています。両眼視。
ただし、実際の 3D オブジェクトの観察とは異なり、観察者がデバイスを装着して 3D 情報を取得している間、視覚の焦点深度は変化しません。 このタイプの輻輳調節紛争視聴者は視覚疲労やめまいを起こしやすくなり、ユーザーエクスペリエンスが制限されます。
のコンピューター生成ホログラフィー (CGH) は、輻輳調節競合の発生を原点から回避することができます。 実験装置はシンプルかつコンパクトです。 CGH は学界と産業界から大きな注目を集めています。 3D ディスプレイの将来の形と考えられています。
原則として、CGH は 3D オブジェクトをデジタルにコード化します。二次元(2D)ホログラムに基づく回折計算。次に、2D ホログラムは、平面波で照明された空間光変調器 (SLM) にアップロードされます。 3D オブジェクトの光学的再構成は、一定の距離で得られます。 CGH は、ヘッドマウント ディスプレイ、ヘッドアップ ディスプレイ、プロジェクション ディスプレイなどの幅広い 3D ディスプレイに応用できる可能性があります。
生成方法高速かつ高品質2D ホログラムは、現在のこの分野における重要な問題であり、重要な研究方向です。
最近、清華大学のホロラボは、モデル駆動型ディープラーニングニューラルネットワークと呼ばれる4K-DMDネット 。 高品質な高速ホログラム生成を実現し、高忠実度4Kカラーホログラフィックディスプレイ。
SLM の制限により、ホログラフィック面上で計算された複素振幅分布は、振幅のみのホログラムまたは位相のみのホログラム (POH) に変換する必要があります。 中でも、POH の生成プロセスは一般的に不適切なプロセスです。逆問題 。 ソリューションが独自ではない、安定していない、または存在しない可能性があるという課題があります。
の反復的なアルゴリズムは、POH 生成プロセスを最適化問題に変換できます。 収束性の良い数値解が得られます。 ただし、アルゴリズムは次のような問題に直面しています。トレード・オフ計算速度と再構築の品質の間。
強力な並列処理の能力ディープラーニング最適化問題の解決に革命的な改善をもたらしました。 深層学習は CGH にも大きな影響を与えています。
3D オブジェクトのトレーニング データセットと対応するホログラム データセットは、ニューラルネットワーク 。 ニューラル ネットワークは、それらの間のマッピング関係を学習するようにトレーニングされます。 トレーニングされたネットワークは、トレーニング データセット外の表示ターゲット入力の高速予測を実現できます。 期待されるのは、同時に高速かつ高品質なホログラム生成を実現します。
ホログラム生成にニューラル ネットワークを使用するというアイデアは、1998 年にはすでに日本の研究者によって提案されていました。ハードウェアとソフトウェアのパフォーマンス