基于网格表示与学习驱动的全三维全息显示合成技术

《Nature Communications》：Mesh-represented and learning-empowered hologram synthesis for full 3D holographic displays

　　

摘要

全息显示技术是实现沉浸式虚拟现实和增强现实系统的关键技术。研究高效且精确的计算机生成全息术算法，用于处理三维内容，是一個具有重要价值的科研领域。目前基于分层技术的计算机生成全息术在准确呈现倾斜角度谱以及实现逼真的散焦效果方面存在局限。而基于点云和光场的替代方法则需要大量的计算资源来准备优化所需的数据。此外，大多数现有的计算机生成全息术算法依赖启发式方法将复杂的振幅信息编码为仅包含相位的全息图，这种方式往往存在很大问题。在此，我们提出了一种创新性的计算机生成全息术框架，通过结合基于网格的表示方法、针对倾斜角度优化的波传播模型以及复数值优化技术，再加上利用相机反馈的学习型显示校准机制，解决了上述难题。这一框架提升了全息图的编码能力，能够呈现自然的3D深度效果，包括平滑的散焦效果以及与视角相关的视觉效应。在我们开发的全息近眼显示原型上进行的实验结果表明，该技术能够实现前所未有的完整3D视觉质量，为打造沉浸式可视化体验带来了重大进步。