深度學習賦能計算機生成全息術的革命性進展

基礎原理與學科融合

計算機生成全息術(CGH)通過數值計算模擬光波前記錄過程，可生成包含振幅和相位信息的全息圖。傳統算法如Gerchberg-Saxton(GS)迭代法雖能優化相位分布，但存在收斂慢、散斑噪聲等問題。深度學習(DL)憑借多層神經網絡(DNN)的通用逼近能力，為CGH提供了端到端解決方案，其中卷積神經網絡(CNN)和U-Net成為處理圖像類全息數據的首選架構。

三大技術框架的突破

1. 數據驅動模型：依賴標記數據集，如MIT-CGH-4K-V1數據集，通過監督學習實現快速全息圖生成。代表性工作Tensor Holography V1利用殘差網絡(ResNet)在40ms內生成1080p全息圖，PSNR達34dB。
2. 物理驅動模型：將衍射傳播方程嵌入網絡，如HoloNet通過雙向光傳播實現無監督訓練，克服了標簽依賴限制。4K-DMDNet結合亞像素卷積，實現4K分辨率下20.49dB PSNR。
3. 聯合優化模型：整合硬件校準，如神經全息術(CITL)通過Zernike多項式建模SLM像差，實驗PSNR提升2.5dB。Meta表面波導設計進一步壓縮AR眼鏡體積，實現23.32dB顯示質量。

關鍵技術挑戰

• 網絡設計：視覺Transformer(ViT)雖能捕捉全局特征，但O(N²)復雜度制約實時性；Vision Mamba(ViM)通過狀態空間機制將復雜度降至O(N)。
• 感知優化：焦頻損失(FFL)和多尺度結構相似性(MS-SSIM)聯合優化，顯著提升高頻細節重建。
• 硬件適配：部分相干光源(LED)和超表面器件協同設計，抑制散斑并擴展視場角至120°。

未來方向

1. 物理可解釋網絡：開發復數域CNN和光學先驗模塊，提升相位編碼的物理合理性。
2. 輕量化架構：結合知識蒸餾和低比特量化，實現8K@120Hz實時生成。
3. 真三維顯示：探索神經輻射場(NeRF)與全息層析融合，突破現有RGBD分層限制。

該領域正從算法創新向系統工程跨越，2024年問世的Meta表面AR眼鏡原型標志著商業化進程加速，而深度學習的持續迭代將為全息顯示打開元宇宙入口提供核心驅動力。