全息技术突破-新技术将普通2D图像转化为三维全息图

煤油灯科技2023-12-19 15:42

全息图提供了物体的三维视图,呈现了二维图像无法比拟的细节水平。它们逼真而身临其境地展示了三维物体,使全息图在医学影像、制造业和虚拟现实等各个领域中具有极高的价值。

传统全息技术涉及记录物体的三维数据及其与光的交互作用。这个过程需要高计算能力和专用相机来捕捉三维图像。然而,这种复杂性限制了全息图的广泛应用。

全息图生成中的深度学习

在最近的时期,许多深度学习方法也被提出来用于生成全息图。它们可以直接从使用RGB-D相机捕获的包含物体颜色和深度信息的三维数据中创造全息图。这种方法绕过了传统方法中许多与计算有关的挑战,代表了一种更为简便的生成全息图的途径。

以崭新方法改革全息技术

现在,由千叶大学工程研究科的清水场智好教授领导的研究团队提出了一种基于深度学习的新方法,通过使用普通相机捕捉的常规2D彩色图像直接生成3D图像,进一步简化全息图生成过程。这项研究还包括千叶大学工程研究科的石井佳幸和伊藤友好两位成员,并最近发表在《光学与激光工程》杂志上。

Shimobaba教授在解释这项研究的理论基础时说:“实现全息显示存在一些问题,包括获取3D数据、全息图的计算成本以及将全息图像转换为与全息显示设备特性相匹配的问题。我们进行这项研究是因为我们相信深度学习在近年来得到了快速发展,并有潜力解决这些问题。”

三阶段深度学习过程

本提出的方法采用了三个深度神经网络(DNNs)将普通的2D彩色图像转化为可用于显示3D场景或物体的全息数据。第一个神经网络利用普通摄像机拍摄的彩色图像作为输入,然后预测与之相关的深度图,提供关于图像的三维结构的信息。

首先,第一部分的DNN利用原始的RGB图像和第一个DNN生成的深度图像,接着传递给第二个DNN来生成全息图。最后,第三个DNN对第二个DNN生成的全息图进行精炼,使其适用于不同设备的显示。

研究人员发现,所提出的方法在处理数据并生成全息图方面所需时间优于最先进的图形处理单元。

"我们的方法还有一个值得注意的好处是,最终全息图的重现图像可以代表自然的3D复制图像。此外,由于在全息图生成过程中没有使用深度信息,这种方法成本低廉,不需要在训练后使用RGB-D相机等3D成像设备,"Shimobaba教授在进一步讨论结果时补充道。

未来应用与结论

在不久的将来,这种方法可以在抬头和头戴式显示器中寻找潜在的应用,用于生成高保真的3D显示效果。同样,它还可以彻底改变车载全息抬头显示器的生成方式,该显示器能够以3D形式向乘客呈现有关人、道路和标识等必要信息。因此,这种提出的方法有望为推动普遍全息技术的发展铺平道路。

对于这令人瞩目的成就,向研究团队致以崇高的赞誉!

你可能也喜欢这些文章