幾個月前，顯示屏霸主三星聯合首爾大學，設計出了一款超薄交互式全息顯示屏。只要按方向鍵，屏幕上的海龜立即就朝特定方向游起來了。三星表示，這款顯示屏可以從多個角度提供高分辨率的、真實度極高的 3D 視頻，有朝一日還會集成到手機。

本以為這已經夠硬核了，沒想到的是，在索尼爸爸的支（資）持下，MIT 的一組研究人員宣稱已經用手機生成了 3D 全息圖！

想要對一張圖片上的任意物體進行對焦，只需短短幾毫秒。

2021 年 3 月 10 日，相關研究成果發表于 Nature，題為 Towards real-time photorealistic 3D holography with deep neural networks（利用深度神經網絡實現逼真的實時三維全息）。

何謂“全息”？

首先來了解一下所謂的“全息”。

本質上，全息投影是一種 3D 技術，英文名稱為 Holographic Projection，其中 holo 源于希臘語，意為“完全的信息”。

“完全的信息”要傳遞，需要下面這兩步：

其原理可以這樣簡單理解：全息圖的每個像素上散射了光波，這些光波相互作用，就能產生一種深度上的錯覺，呈現出一種立體感。

基于此，全息投影又稱虛擬成像。

正如 IEEE Spectrum 所說：

值得一提的是，人們在觀看 3D 全息圖像時不會覺得眼睛疲勞，這與傳統的 3D 顯示（使用 2D 圖像產生深度錯覺）不同。

彩色 3D 全息圖實時生成

即便三星已經設計出了全息顯示屏，使得全息投影技術在硬件上有了重要突破，但不可否認，要在電子設備上顯示全息數據，仍是一項重大挑戰。

IEEE Spectrum 表示，每個全息圖都意味著編碼大量的數據，只有這樣才能打造出深度錯覺。因此，生成全息視頻通常需要一臺超算的算力。

此前就有科研團隊嘗試過一些解決策略，希望減少所需的計算量，例如用簡單的查找表取代復雜的物理模擬——然而，這往往以犧牲圖像質量為代價。

而 MIT 的思路則是設計卷積神經網絡。

具體來講，他們打造了一種基于深度學習的 CGH（computer-generated holography，計算機生成全息術，可通過對衍射和干涉的數值模擬實現高空間角度分辨率的三維投影）管道，該管道能夠從單一 RGB（注：工業界的一種顏色標準，通過對紅（R）、綠（G）、藍（B）三色通道的變化及其相互間的疊加來得到各式各樣的顏色）深度圖像實時合成逼真的彩色 3D 全息圖。

研究團隊使用了一系列可訓練的張量來模擬人類處理視覺信息的過程，建立了一個包含著 4000 對（每一對都是一張 RGB 深度照片及其對應的 3D 全息圖，如下圖所示）計算機生成圖像的數據庫。

最終，研究團隊做到了在短短幾毫秒內就能創建出無斑點、自然、高分辨率的 3D 全息圖。

據了解，卷積神經網絡的內存不到 620 KB，能保證單個消費級圖形處理單元平均每秒生成 60 幅分辨率 1920 × 1080 的全息圖。

利用低功耗的人工智能加速芯片，該卷積神經網絡能在移動設備和邊界設備（在谷歌 edge TPU 上每秒生成 2 張全息圖）上交互運行。

MIT 的方法究竟有何重要意義，其實可以通過下面這個比喻來理解：

計算機生成全息圖的過程就像是在切蛋糕。

使用查找表生成全息圖，就像是在切蛋糕之前標記每塊蛋糕的邊界一樣。使用物理模擬來計算空間中每個點的外觀，類似于用 8 次精確切割切出 8 塊蛋糕。盡管通過省掉計算切割位置的步驟可以省一些時間，但這依然是個耗時的大工程。而 MIT 利用深度學習，本質上實現了用 3 次精確切割就將蛋糕切成 8 塊。

未來，研究團隊或許還將增添眼動追蹤技術加快系統運行速度，這項成果后續也將在 VR、AR 耳機等領域中得到應用。

關于作者

該論文來自 MIT 計算機科學與人工智能實驗室（CSAIL）& 電子工程與計算機科學系，通訊作者為 Liang Shi 和 Wojciech Matusik。

雷鋒網注意到，Wojciech Matusik 為 MIT CSAIL & 電子工程與計算機科學系教授。

Wojciech Matusik 教授主要研究領域為計算機圖形學、計算設計和制造。他于 1997 年獲加州大學伯克利分校 EECS（電子工程與計算機科學）學士學位，于 2001 年獲 MIT EECS 碩士學位，于 2013 年獲 MIT 計算機圖形學博士學位。

對于上述研究，Wojciech Matusik 教授表示：

另外論文一作為 Liang Shi（史亮）。