想象一下，在舉辦一個3d虛擬會議時，你的客人來自不同的城市，但似乎就坐在會議桌對面。不僅如此，你的客人還可以在你真正的房間里走來走去，與同事聊天或在白板上做筆記。

就像《星際迷航》里的全息甲板！這種實時的體驗已經不再是遙不可及的了。

斯坦福大學的研究人員將人工智能與光學物理學相結合，創建了一個系統，該系統可以訓練自己創建足夠好的算法，以即時重現真實世界中各種三維的、不斷變化的復雜性場景。

在電子工程助理教授戈登·韋茨斯坦（Gordon Wetzstein）的帶領下，斯坦福大學的研究小組公布了一種神經網絡，它通過使用“循環中的攝像機”來自我學習所需的技能，以評估其所繪制圖像的準確性，然后從錯誤中學習。

韋茨斯坦表示：“最大的挑戰是，我們沒有足夠好的算法來模擬光在復雜光學系統中（比如AR眼鏡）是如何傳播的。我們目前擁有的算法有兩種限制，它們計算效率很低，所以需要很長時間來不斷更新圖像。而在實際操作中，這些圖像看起來并不那么好。”

新方法在實時圖像生成和圖像質量方面都取得了重大進展。在對比試驗中，他們的“ Holonet”神經網絡開發的算法與比傳統的全息軟件相比，生成了更清晰，更準確的3D圖像。

實時虛擬現實和增強現實技術具有廣泛的應用前景，不僅僅是用于游戲和虛擬會議。實時全息技術在教育、培訓和遠程工作方面具有巨大的潛力。例如，一位飛機機械師可以通過探索幾千英里之外的噴氣發動機內部來學習，或者一位心臟外科醫師可以練習特別具有挑戰性的環節。

閉路攝像頭

與機器學習的許多其他應用一樣，Holonet神經網絡通過不斷地在一組組訓練圖像上練習，并從錯誤中學習來改進算法。

韋茨斯坦表示，關鍵是要在AI培訓課程中加入真正的相機。神經網絡首先試圖復制一個三維圖像，然后將其投射到顯示器上。數碼相機將投影圖像捕捉到顯示器上，并將其反饋到系統中，系統可以將投影圖像與原始圖像進行比較。

隨著時間的推移，該系統在生成精確的3d圖像方面會越來越出色。最終，它有能力重現訓練數據中從未見過的新圖像。

這聽起來很簡單，但你要考慮到一個不斷變化的三維圖像中驚人數量的潛在波型。

韋茲斯坦表示：“把光波想象成池塘里巖石撞擊水面后的漣漪。顯示屏上的像素就像巖石一樣，它們控制著光的波動模式，創造出你想要顯示的圖像。要創建一個復雜的圖像，你必須以正確的方式扔很多石頭。現在想想你該如何投擲這些石頭來產生光波，這些光波疊加在一起，形成《星球大戰》中萊婭公主的全息視頻。”

人類需要從頭算起的數據太多，排列太多。但是，通過將物理知識與機器學習能力相結合，不知疲倦地尋找新模式，神經網絡可以開發出全新的算法，來解決困擾了專家幾十年的3D問題。

全息圖的未來

盡管3D游戲和會議看起來很有趣，研究人員說，實時全息技術對增強現實也有巨大的影響。例如，使用配備AR的眼鏡，人們可以將面前的普通物理物體變成虛擬鍵盤或儀表盤，從而控制數百英里外的電腦和機器。全息技術甚至可以讓音樂家演奏虛擬樂器，并在虛擬樂團中合作。

韋茨斯坦說，這種算法觸手可及，科技公司正在努力將必要硬件的小型化，從可將全息圖投射到人眼的眼鏡，到價格低廉的3D攝像機。事實上，蘋果公司最近在其平板電腦Pad Pro上安裝了3d掃描儀。

韋茲斯坦說:“通過這項工作，我們已經更接近我們的目標——創建與真實世界沒有區別的視覺體驗。這不同與《星際迷航》中全息甲板的設想，因為你不需要一個專用的房間，只需要在你的眼鏡內安裝一個微小的全息顯示器。但通過結合現代神經網絡技術和經典物理光學技術，我認為這個目標是可以實現的。”

原文鏈接：https://www.xianjichina.com/special/detail_453546.html
來源：賢集網
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。