基于U-Net的压缩光场显示图案生成方法
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。
引用本文（GB/T 7714）
高晨 Gao Chen, 谭小地 Tan Xiaodi, 李海峰 Li Haifeng, 等. 基于U-Net的压缩光场显示图案生成方法[J]. Acta Optica Sinica, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。