.png){kind=icon}
返回
Realistic blur layer-based computer-generated holography
.png){kind=icon}
PRE
AI
DOI：10.1016/j.optlaseng.2025.109081.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于深度学习的计算机生成全息术（CGH）已迅速发展，超越了依赖光学波模拟和信号处理的传统基于物理的方法。我们提出了一种多层全息图生成模型，采用分层方法生成3D纯相位全息图（POHs）。3D物体被表示为多个层，并通过应用高斯卷积核生成目标图像，以模拟非焦点层的真实模糊效果。该模型利用可学习的初始相位来训练和优化这些层上的模糊效果。通过将振幅和深度图像作为输入，所提出的方法能够合成具有真实模糊效果的2D和3D全息图。仿真和光学实验均表明，所提出的方法实现了卓越的全息图生成性能，其模糊效果与真实场景中观察到的效果高度吻合。
Keyword:
Computer generated holography
Deep learning
Realistic blur
Layer-based methods
Non-focal layers
期刊
IF:
3.7
论文数:
7.3K
被引数:
1.7W
机构
引用论文
Multi-depth hologram generation using stochastic gradient descent algorithm with complex loss function.png)
OPTICS EXPRESS
OAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏High-speed full analytical holographic computations for true-life scenes真实生活场景的高速全解析全息计算OPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏Complex spatial light modulation capability of a dual layer in-plane switching liquid crystal panelSCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Band-Limited Angular Spectrum Method for Numerical Simulation of Free-Space Propagation in Far and Near Fields远近场自由空间传播数值模拟的带限角谱法OPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏High-speed computer-generated holography using an autoencoder-based deep neural network使用基于自动编码器的深度神经网络的高速计算机生成的全息术OPTICS LETTERS
OPTICS LETTERSIF3.3
PREAI
分享收藏Diffraction model-informed neural network for unsupervised layer-based computer-generated holography用于无监督层计算机生成全息的衍射模型通知神经网络OPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏Towards real-time photorealistic 3D holography with deep neural networks基于深度神经网络的实时真实感3D全息术NatureOAAI
NatureIF0
OAAI分享收藏
查看更多内容