|
|||||
|
|
| 基于U-Net的压缩光场显示图案生成方法 | |
| 作者姓名： | 高晨 谭小地 李海峰 刘旭 |
| 作者单位： | 1.福建师范大学光电与信息工程学院;2.福建省光子技术重点实验室;3.医学光电科学与技术教育部重点实验室;4.福建省光电传感应用工程技术研究中心;5.福建师范大学信息光子学研究中心;6.浙江大学光电科学与工程学院 |
| 基金项目： | 国家自然科学基金（U22A2080）;国家重点研发计划（2018YFA0701800）;福建省科技重大专项（2020HZ01012）; |
| 摘 要： | 压缩光场显示具有结构简单紧凑、显示空间分辨率高的优点,但求解压缩光场显示图案的迭代算法存在计算量大的问题。随着人工智能技术的发展,基于深度学习的图像生成算法也被应用到三维显示中。提出一种将计算机视觉中执行图像分割任务的U-Net作为优化压缩光场显示图案的网络模型。根据给定的观看角度生成几组经过数据增强的目标光场数据集作为U-Net的训练集;在U-Net收敛后,将训练完成的U-Net用于生成重建测试目标光场的显示图案。训练和测试结果表明,相比基于堆叠CNN和迭代算法的方法,所提出的基于U-Net的压缩光场显示图案生成方法具有重建质量更高、计算资源少的优势。 |
| 关 键 词： | 物理光学 成像系统 压缩光场显示 光场渲染 深度学习 |