May, 2022

时间复用神经全息：一种具有快速、大量量化空间光调制器的柔性全息近眼显示解决方案

PDF
TL;DR本研究提出一种基于计算机生成全息术的框架来优化高速空间光调制器（SLMs）的量化相位模式，实现对各种类型内容的支持，包括 2D 和 2.5D 的 RGBD 图像、3D 焦点堆栈以及 4D 光场。实验结果表明，在模拟和实验中，本研究所提出的框架在所有这些场景下都实现了最先进的效果。
holographic near-eye displayscomputer-generated holographyspatial light modulatorswave propagation modelscgh framework
发现论文，激发创造
  • 可配置的学习全息学

    我们的研究引入了一种可配置的学习模型，通过与现有全息显示的预定义硬件参数相匹配，从 RGB 2D 图像交互地计算 3D 全息图，并实现了与不同硬件配置一致且高质量的生成，同时通过学生 - 教师学习策略实现了 2 倍速度的改进。

    Mar, 2024

  • Holo-VQVAE：用于纯相全息图的 VQ-VAE

    Holo-VQVAE 是一种新的生成框架，专门用于创建相位全息图。它结合了矢量量化变分自动编码器（Vector Quantized Variational AutoEncoders）的架构和角谱方法（Angular Spectrum Method）的训练过程，从而能够直接从其复杂学习的潜在空间中生成前所未见的多样化全息内容，为全息内容创作的突破性应用和方法铺平了道路，开启了全息内容探索的新时代。

    Mar, 2024

  • 全息图表：通过 LiDAR 增强重建实现实时全息叠加

    利用星球大战系列的全息图技术，本文提出一种应用，利用 LiDAR 增强的 3D 重建来实时创建全息叠加层。本文提出了三种高保真重建工具，可在便携设备（如 iPhone 14 Pro）上运行，并能实现度量准确的人脸重建。我的系统可以实现交互式和沉浸式的全息体验，可用于广泛的应用，包括增强现实、远程出席和娱乐。

    May, 2024

  • 随机光场全息术

    本研究通过使用合成照片，利用光场聚焦和随机采样的方式来监督全息图的计算，提出了一种新的全息图生成算法，并验证了该方法能够显著改善不同瞳孔状态下观看体验的逼真度。

    Jul, 2023

  • 人工智能光学硬件赋能 1.2 Tb/s 高分辨率高光谱视频理解

    通过硬件加速的集成光电平台，在实时应用中进行多维视频理解，实现了 1.2 Tb/s 的数据处理速度，超过了同类光谱分辨率的技术数个数量级，为实时人工智能视频理解的多维视觉信息研究开辟了新的道路。

    Dec, 2023

  • 一种无需深度图的全息三维内容生成新方法

    使用深度学习方法，通过输入 RGB 图像估计深度图并顺序生成计算机生成全息图，从而克服仅提供 RGB 颜色数据的情况下，生成比竞争模型更准确的体积全息图。

    Sep, 2023

  • 在托卡马克上部署的机器学习光学追踪技术的低延迟实现

    本研究利用光学高速相机和基于 FPGA 硬件进行数据处理，实时跟踪磁流体力学模式演化并生成控制信号，通过卷积神经网络模型预测和其他测试方法相比，更准确地预测摄像机图像中的 MHD 模式的振幅和相位，实现了在高速相机诊断中的总触发到输出延迟为 17.6 微秒和最高 120kfps 的吞吐量。该研究在高贝塔托卡马克 - 扩展脉冲（HBT-EP）实验中展示了基于 FPGA 的高速相机数据采集和处理系统，为实时机器学习应用于托卡马克诊断和控制以及其他科学领域提供了潜在应用。

    Nov, 2023

  • THz 多层成像的量子特征提取

    本文利用基于学习的 THz 多层成像技术进行非接触三维定位和编码，并展示了新兴量子机器学习 (QML) 框架的概念验证，能够处理深度变化、阴影效应和双面内容识别等问题。

    Jul, 2022

  • 全息亚表面系列器件最优相位差学习

    该论文提出了一种在远距离通道模型中学习 HMT 最佳相位移位的算法，通过利用远场区域的信道增益结构，在接收信号噪声的情况下学习最佳相位移位。通过大量的数值仿真，验证了理论保证，并证明了与最新策略相比的显着收益。

    Dec, 2022

  • 智能多通道元成像器加速机器视觉

    通过使用智能亚表面图像传感器与后端数字计算结合的方法，实现了大规模并行的高速低能耗光学卷积神经网络，应用在机器视觉的对象分类中，成功地对手写数字进行了 98.6% 的准确分类和时尚图像 88.8% 的分类。

    Jun, 2023