南昌大学提出物理模型驱动的实时智能三维全息摄影

研究团队进一步验证了所提系统对运动的人体的三维采集与重建效果如图5所示。CCD相机拍摄三维场景远端的全息重建图像。可以看到由于人体躯干部分位于远端并保持不动，因此人的衣服的图案始终清晰。在t = 0 ms时，人的手部距离深度相机较近，图5（e）中黄色箭头指示的手部呈现出离焦模糊的效果。随着手部逐渐远离深度相机，手部的全息重建图像逐渐清晰。在t = 1400 ms时，手部移动到最远端，手部的全息重建图像呈现出最清晰的效果。从t = 1600 ms开始，手部开始接近相机，随着时间的推移，手部的全息重建图像逐渐模糊。 

图5. 对运动人体的三维信息采集与全息三维重建结果。

结论与展望

该研究提出了由物理模型和人工智能驱动的真实世界场景的实时智能三维全息摄影系统，系统的运行速度达到22 fps。在这项研究中，将三维场景根据层析法分为30层，并提出了一种用于快速生成全息图的CNN网络，通过将角谱模型融入网络的训练过程中实现了网络的自监督训练。使用深度相机连续采集包含真实场景三维信息的强度图和深度图，将强度图和深度图输入训练好的网络中后可以在14.5 ms内生成1024×1024分辨率的全息图，通过数值模拟和光学实验验证了该方法的可行性和有效性，该方法展现了不错的显示质量并显著提升了成像速度。该方法有助于实现用于本地和远程人员互动的新一代远程呈现系统，有望应用于远程协作和娱乐，以及教育、广告和康复等领域。

南昌大学宋贤林副教授、硕士生董嘉庆为文章共同第一作者，刘且根教授为通讯作者。

论文链接：https://doi.org/10.1364/OE.529107

代码链接：https://github.com/yqx7150/Intelligent-3D-holography