显示专题 | 基于混合损失函数梯度下降的压缩光场3D显示（Optica OE）
文摘
科技
2024-10-10 11:15
上海
Image Quality Improvement for Hybrid Compressive Light Field Display based on Gradient Descent with a Mixed Loss Function现有光场3D显示技术通常存在视点数与分辨率之间的相互制约关系，即：随着视点数的增多，3D分辨率也随之下降。由于显示面板上的像素与重建的光线存在一对一的关系，3D显示技术的提升通常依赖于二维显示面板的分辨率突破。另一种思路是对冗余的光场信息进行压缩，即压缩光场显示技术。这类技术通常利用多层LCD面板在空间中前后堆叠，此时空间中任意一条光线由其穿越的多个像素同时表征，而同一像素则参与了多条光线的重建。通过像素复用实现了光场信息的压缩重构，可在一定的视角范围内实现高分辨率3D显示。然而，压缩光场3D显示面临着硬件和软件上的两大挑战：硬件上，LCD的低透过率导致3D显示的亮度、景深和显示质量均受到限制。软件上，传统用于光场分解的非负张量分解（NTF）算法分层图像强度不均匀、图像质量低等问题。鉴于此，来自合肥工业大学的研究者提出一种基于混合损失函数梯度下降的高质量压缩光场3D显示系统，从硬件和软件两个方面对压缩光场3D显示进行提升。该工作近期发表于著名光学期刊《Optics Express》上。硬件上，该研究采用Mini-LED主动发光与LCD被动发光的组合方式，并利用偏振复用技术，实现了6层的光场3D显示。具体来说，居于上方的3层显示面板出射竖直偏振光，可全部透射选择偏振片；居于下方的3层显示面板出射水平偏振光，可全部被选择偏振片反射，3D显示的景深和亮度得到双倍提升。![]()
图1. 由Mini-LED和LCD组成的六层混合型压缩光场3D显示系统。
软件上，首先分析了传统的非负矩阵分解(NTF)算法存在的问题，逐层计算的方式使得各分层图像强度不均匀，如图2(a)所示。这将导致三维图像的边缘出现伪影，如图2(b)所示。
![]()
图2. (a)传统算法优化的压缩光场的层图 (b) 传统算法优化在10°和－10°的拍摄图像。同时，从实拍的3D图像放大细节来看，其图像质量欠佳，图像细节并未得到较好地还原。这可以解释为传统算法仅采用客观评价指标如均方差(MSE)函数进行迭代优化，仅关注像素准确度，而忽略了图像的复杂细节和全局结构等高级特征，没有与人眼视觉特性较好的匹配。因此，该研究提出一种基于梯度下降(GD)的压缩光场全局优化算法。如图3所示，使用所有层计算出不同位置的视点图像，然后与目标视点图像进行比较以计算损失。每个损失相加成为总损失，利用梯度下降算法同时更新所有层图像。同时，采用感知相似度(LPIPS)函数和均方差(MSE)函数分别作为主观损失和客观损失，组合成混合损失函数。感知损失函数的引入更贴近人眼视觉对三维图像的感知质量。![]()
图3. 基于梯度下降的压缩光场全局优化算法原理示意。![]()
图4. (a)全局算法优化的压缩光场的层图；(b) 不同算法优化的压缩光场显示在中心视角的拍摄图像。图4（a）展示了所提算法优化的分层图像，其强度均匀性得到明显改善。图4（b）展示了所提算法与传统算法的显示效果对比。一是图像边缘的伪影得到明显改善，二是图像细节得到更好的还原，实现了图像质量的提升。技术小结：该研究从硬件端和软件端对压缩光场3D显示进行了提升。硬件上，通过加入Mini-LED显示面板并采用偏振复用技术，提升了3D显示景深与亮度。软件上，提出了一种基于梯度下降（GD）的全局优化算法，提高层图像的强度分布均匀性来减少图像伪影，同时引入更符合人眼视觉特性的主观损失函数，更好地重建了 3D 图像细节。
论文信息：Qiyang Chen, Zhiyu Chen, Tao Chen, Guoqiang Lv, Qibin Feng, Zi Wang*, Image quality improvement for a hybrid compressive light field display based on gradient descent with a mixed loss function, Optics Express, Vol. 32, Issue 18 (2024).
https://doi.org/10.1364/OE.533404*该技术分享所涉及文字及图片源于发表论文和网络公开素材,不做任何商业用途。
INTELLIGENTOPTICSSHARING (I.O.S.) 运营以该领域的研究学者为主，非盈利非广告，希望能够结交共同兴趣方向的读者们，建立光学和计算机交叉学科领域内一个资讯分享交流的平台。如果喜欢，请点击“在看”和“点赞”，将有助于微信公众号平台对信息的定向统计和及时推送，小编团队在此不胜感激，谢谢！！
