カメラインループトレーニングによる神経ホログラフィー

ホログラフィックディスプレイは、直接視ディスプレイおよび仮想現実や拡張現実アプリケーションにおいて前例のない能力を約束します。しかし、コンピュータ生成ホログラフィー（CGH）の最大の課題の一つは、アルゴリズムの実行時間と得られる画像品質との間の基本的なトレードオフであり、これが高速での高品質なホログラフィック画像合成を妨げてきました。さらに、ほとんどのホログラフィックディスプレイによって得られる画像品質は低く、ディスプレイの光波伝播とそのシミュレーションモデルとの不一致によるものです。ここでは、前例のない画像忠実度とリアルタイムフレームレートを実現するアルゴリズミックCGHフレームワークを開発しました。当フレームワークは、ホログラムを直接最適化するか、光波伝播の解釈可能なモデルをトレーニングすることを可能にする新しいカメラインループ最適化戦略を含むいくつかの部分で構成されています。また、1080p解像度でリアルタイムにフルカラーの高品質ホログラフィック画像を生成できる最初のCGHアルゴリズムを表すニューラルネットワークアーキテクチャも含まれています。