來(lái)自 MIT 的研究者利用深度學(xué)習(xí)推出了 3D 全息圖生成新方法，可以為VR、3D 打印、醫(yī)學(xué)成像等創(chuàng)建全息圖，并且能夠在智能手機(jī)上運(yùn)行。
提起三維場(chǎng)景可視化，虛擬現(xiàn)實(shí)（VR）是最常見(jiàn)的一種技術(shù)。但經(jīng)過(guò)多年宣傳，VR 頭戴式耳機(jī)仍未成為電視或計(jì)算機(jī)屏幕上觀看視頻的必備設(shè)備。一個(gè)重要的原因是 VR 會(huì)讓用戶感到不適。雖然用戶實(shí)際上是注視著 2D 顯示器，但 VR 會(huì)產(chǎn)生 3D 觀看的錯(cuò)覺(jué)，從而使人視覺(jué)疲勞和感到頭暈惡心。更好的 3D 可視化解決方案可能在于一種誕生了六十年的技術(shù)：全息圖。
全息圖能夠出色地展現(xiàn) 3D 世界，而且它的呈現(xiàn)效果非常漂亮。全息圖可以根據(jù)觀看者的位置提供變化的視角，并允許眼睛調(diào)整焦深以交替聚焦在前景和背景上。
長(zhǎng)期以來(lái)，研究者們一直在試圖制造出計(jì)算機(jī)生成的全息圖，但傳統(tǒng)上，該過(guò)程需要一臺(tái)超級(jí)計(jì)算機(jī)來(lái)進(jìn)行物理模擬，這非常耗時(shí)，并且產(chǎn)生的效果真實(shí)感不高。
近日，來(lái)自麻省理工學(xué)院的研究者已經(jīng)開(kāi)發(fā)出一種幾乎可以立即生成全息圖的研究方法。研究者表示：「基于深度學(xué)習(xí)的方法非常高效，使得新方法瞬間就能夠在筆記本電腦上運(yùn)行。」
研究團(tuán)隊(duì)的主要成員，MIT 電氣工程與計(jì)算機(jī)科學(xué)系（EECS）的博士生 Liang Shi 說(shuō)：「以前人們認(rèn)為，使用現(xiàn)有的消費(fèi)級(jí)硬件還不可能進(jìn)行實(shí)時(shí) 3D 全息計(jì)算的。人們經(jīng)常說(shuō)：商用全息顯示器將在未來(lái)十年左右出現(xiàn)，但這種說(shuō)法已經(jīng)存在了數(shù)十年。」
Shi 認(rèn)為該團(tuán)隊(duì)稱為「張量全息術(shù)」的新方法將最終實(shí)現(xiàn)這一「十年目標(biāo)」。這一進(jìn)展可能會(huì)推動(dòng) VR 和 3D 打印等領(lǐng)域引入全息技術(shù)。該研究的論文現(xiàn)已發(fā)表在《Nature》上，索尼對(duì)部分研究提供了支持。
論文鏈接：https://www.nature.com/articles/s41586-020-03152-0
代碼地址：https://github.com/liangs111/tensor_holography
追求更好的 3D 全息圖
照片可以忠實(shí)地再現(xiàn)場(chǎng)景的顏色，但最終產(chǎn)生的是一個(gè)平面圖像。相比之下，全息圖對(duì)每一個(gè)光波的亮度和相位都進(jìn)行編碼。這種組合可以更加真實(shí)地描述場(chǎng)景的視差和深度。莫奈的《睡蓮》可以突出畫(huà)作的色彩感，而全息圖可以讓作品變得栩栩如生，呈現(xiàn)出每一筆獨(dú)特的 3D 質(zhì)感。
但全息圖的制作與共享仍是一個(gè)挑戰(zhàn)。
全息圖從 20 世紀(jì)中期開(kāi)始發(fā)展，早期全息圖是用光學(xué)原理記錄的。這種技術(shù)需要將激光分為兩部分，一半用來(lái)照亮被攝體，另一半用作光波相位的參考，該參考產(chǎn)生了全息圖特有的深度感。產(chǎn)生的圖像都是靜態(tài)的，不能捕獲運(yùn)動(dòng)。很難復(fù)制和共享。
而計(jì)算機(jī)生成全息術(shù)通過(guò)模擬光學(xué)裝置避開(kāi)了這些挑戰(zhàn)，但是該過(guò)程可能是一個(gè)就算難題。Shi 說(shuō)：「由于場(chǎng)景中每個(gè)點(diǎn)都有不同的深度，因此無(wú)法對(duì)所有點(diǎn)都使用相同的操作，這大大增加了復(fù)雜性。」指揮集群超級(jí)計(jì)算機(jī)運(yùn)行這些基于物理的模擬可能需要幾秒鐘或幾分鐘來(lái)獲得一張全息圖像。此外，現(xiàn)有的算法不能精確地對(duì)遮擋物（occlusion）進(jìn)行建模。
因此，Shi 的團(tuán)隊(duì)采取了不同的方法：「讓計(jì)算機(jī)自學(xué)物理。」
他們使用深度學(xué)習(xí)來(lái)加速計(jì)算機(jī)生成全息術(shù)，從而實(shí)現(xiàn)實(shí)時(shí)全息圖的生成。該團(tuán)隊(duì)設(shè)計(jì)了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)：這是一種處理技術(shù)，使用一系列可訓(xùn)練張量來(lái)粗略模擬人類處理視覺(jué)信息的方式。通常，訓(xùn)練神經(jīng)網(wǎng)絡(luò)需要比較大的、高質(zhì)量的數(shù)據(jù)集，但此前 3D 全息圖領(lǐng)域并不存在這樣的數(shù)據(jù)集。
該團(tuán)隊(duì)建立了一個(gè)包含 4000 對(duì)計(jì)算機(jī)生成圖像的數(shù)據(jù)庫(kù)。每一對(duì)都匹配一張圖片，圖像信息包括每個(gè)像素的顏色和深度信息，這些信息與全息圖相對(duì)應(yīng)。研究者使用形狀和顏色復(fù)雜多變的場(chǎng)景，像素的深度從背景到前景均勻分布，并使用一組基于物理的新型計(jì)算來(lái)處理遮擋，產(chǎn)生了逼真的訓(xùn)練數(shù)據(jù)。接下來(lái)，算法開(kāi)始發(fā)揮作用。
數(shù)據(jù)集樣例
通過(guò)學(xué)習(xí)每個(gè)圖像對(duì)，張量網(wǎng)絡(luò)調(diào)整了其計(jì)算參數(shù)，從而逐步增強(qiáng)了其創(chuàng)建全息圖的能力。完全優(yōu)化的網(wǎng)絡(luò)的運(yùn)行速度比基于物理的計(jì)算快了多個(gè)數(shù)量級(jí)。這種效率讓研究團(tuán)隊(duì)也感到驚訝。
Matusik 說(shuō)：「它的表現(xiàn)讓我們很驚訝。在短短幾毫秒內(nèi)，張量全息術(shù)可以從含有深度信息的圖像中生成全息圖，其中深度信息是由典型的計(jì)算機(jī)生成圖像提供的，可以通過(guò)多機(jī)位的設(shè)置或激光雷達(dá)傳感器（這兩者都是一些新型智能手機(jī)的標(biāo)準(zhǔn)配置）計(jì)算出來(lái)。
這一進(jìn)展為實(shí)時(shí) 3D 全息攝影鋪平了道路。更重要的是，壓縮型張量網(wǎng)絡(luò)僅需要不足 1 MB 的內(nèi)存。這一點(diǎn)非常適合現(xiàn)代智能手機(jī)。
微軟首席光學(xué)架構(gòu)師 Joel Kollin 說(shuō)：「這項(xiàng)研究表明真正的 3D 全息顯示器是實(shí)用的，只需要適當(dāng)?shù)挠?jì)算需求。該研究的圖像質(zhì)量比此前有了顯著的改善，將提升觀看者的真實(shí)感和舒適感。」
Kollin 還暗示：「全息顯示器可以根據(jù)觀看者的眼部定制，矯正眼睛的像差。」
其他應(yīng)用
實(shí)時(shí) 3D 全息技術(shù)還有助于 VR、3D 打印等系統(tǒng)的發(fā)展。研究團(tuán)隊(duì)表示，新系統(tǒng)可以幫助 VR 觀眾沉浸在更真實(shí)的場(chǎng)景中，同時(shí)消除眼睛疲勞和長(zhǎng)期使用 VR 的其他副作用。這項(xiàng)技術(shù)可以很容易地應(yīng)用在調(diào)制光波相位的顯示器上。目前，大多數(shù)價(jià)格合理的消費(fèi)級(jí)顯示器只調(diào)節(jié)亮度，但如果廣泛采用 3D 全息技術(shù)，相位調(diào)制顯示器的成本會(huì)下降。
此外，3D 全息技術(shù)還可以促進(jìn)立體 3D 打印技術(shù)的發(fā)展。事實(shí)證明，這種技術(shù)比傳統(tǒng)的逐層 3D 打印更快、更精確。其他的應(yīng)用還包括用于顯微鏡、醫(yī)療數(shù)據(jù)可視化以及具有獨(dú)特光學(xué)特性的平面設(shè)計(jì)。
Matusik 說(shuō)：「這是一個(gè)巨大的飛躍，可以徹底改變?nèi)藗儗?duì)全息技術(shù)的態(tài)度，我們覺(jué)得神經(jīng)網(wǎng)絡(luò)是為這項(xiàng)任務(wù)而生的。」
作者介紹
該論文的第一作者是 MIT 的計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）的博士生史亮。他本科畢業(yè)于北京航空航天大學(xué)，2016 年獲得斯坦福大學(xué)電氣工程碩士學(xué)位。史亮的研究興趣包括 VR/AR、計(jì)算攝影、計(jì)算制造、計(jì)算機(jī)圖形學(xué)、機(jī)器學(xué)習(xí)等。
第二作者是 MIT CSAIL 博士生李北辰。他本科畢業(yè)于清華大學(xué)。他的研究興趣是機(jī)器學(xué)習(xí)在計(jì)算機(jī)圖形學(xué)、計(jì)算設(shè)計(jì)和計(jì)算制造中的跨學(xué)科應(yīng)用。
參考鏈接：https://news.mit.edu/2021/3d-holograms-vr-0310
對(duì)于企業(yè)和開(kāi)發(fā)者，如何加滿機(jī)器學(xué)習(xí)技能點(diǎn)，更輕松地上手機(jī)器學(xué)習(xí)？
3月15日，亞馬遜云科技機(jī)器學(xué)習(xí)高級(jí)產(chǎn)品經(jīng)理孟和將帶來(lái)線上分享。本次分享從供應(yīng)鏈和自動(dòng)駕駛領(lǐng)域的相關(guān)應(yīng)用案例出發(fā)，詳細(xì)講解亞馬遜云科技將提供哪些關(guān)鍵資源，幫助開(kāi)發(fā)者團(tuán)隊(duì)提高機(jī)器學(xué)習(xí)技能，從而更好地應(yīng)用AI。
