Technologies

Percée des hologrammes : une nouvelle technologie transforme les images 2D ordinaires

[ad_1]

Technologie d'hologramme d'imagerie médicale

Les chercheurs ont développé une nouvelle méthode d’apprentissage en profondeur qui simplifie la création d’hologrammes, permettant de générer des images 3D directement à partir de photos 2D capturées avec des caméras standards. Cette technique, impliquant une séquence de trois réseaux neuronaux profonds, non seulement rationalise le processus de génération d’hologrammes, mais surpasse également en termes de vitesse les unités de traitement graphique haut de gamme actuelles. Il ne nécessite pas d’équipement coûteux comme des caméras RVB-D après la phase de formation, ce qui le rend rentable. Avec des applications potentielles dans les écrans 3D haute fidélité et les systèmes holographiques embarqués, cette innovation marque une avancée significative dans la technologie holographique.

Les chercheurs suggèrent une nouvelle méthode qui utilise l’apprentissage profond pour créer des hologrammes tridimensionnels à partir d’images colorées bidimensionnelles.

Les hologrammes fournissent une vue tridimensionnelle (3D) des objets, offrant un niveau de détail que les images bidimensionnelles (2D) ne peuvent égaler. Leur affichage réaliste et immersif d’objets 3D rend les hologrammes incroyablement précieux dans divers secteurs, notamment l’imagerie médicale, la fabrication et la réalité virtuelle.

L’holographie traditionnelle consiste à enregistrer les données tridimensionnelles d’un objet et ses interactions avec la lumière, un processus qui nécessite une puissance de calcul élevée et l’utilisation de caméras spécialisées pour capturer des images 3D. Cette complexité a limité l’adoption généralisée des hologrammes.

Apprentissage profond dans la génération d’hologrammes

Ces derniers temps, de nombreuses méthodes d’apprentissage profond ont également été proposées pour générer des hologrammes. Ils peuvent créer des hologrammes directement à partir des données 3D capturées à l’aide de caméras RVB-D qui capturent à la fois les informations de couleur et de profondeur d’un objet. Cette approche contourne de nombreux défis informatiques associés à la méthode conventionnelle et représente une approche plus simple pour générer des hologrammes.

Révolutionner l’holographie avec une nouvelle approche

Aujourd’hui, une équipe de chercheurs dirigée par le professeur Tomoyoshi Shimobaba de la Graduate School of Engineering de l’Université de Chiba propose une nouvelle approche basée sur l’apprentissage profond qui rationalise davantage la génération d’hologrammes en produisant des images 3D directement à partir d’images couleur 2D classiques capturées à l’aide de caméras ordinaires. Yoshiyuki Ishii et Tomoyoshi Ito de la Graduate School of Engineering de l’Université de Chiba ont également participé à cette étude, récemment publiée dans la revue Optique et lasers en ingénierie.

Expliquant la raison d’être de cette étude, le professeur Shimobaba déclare : « La réalisation d’écrans holographiques pose plusieurs problèmes, notamment l’acquisition de données 3D, le coût de calcul des hologrammes et la transformation des images d’hologrammes pour correspondre aux caractéristiques d’un dispositif d’affichage holographique. . Nous avons entrepris cette étude parce que nous pensons que l’apprentissage profond s’est développé rapidement ces dernières années et a le potentiel de résoudre ces problèmes.

Le processus d’apprentissage profond en trois étapes

L’approche proposée utilise trois réseaux de neurones profonds (DNN) pour transformer une image couleur 2D ordinaire en données pouvant être utilisées pour afficher une scène ou un objet 3D sous forme d’hologramme. Le premier DNN utilise une image couleur capturée à l’aide d’une caméra ordinaire comme entrée, puis prédit la carte de profondeur associée, fournissant des informations sur la structure 3D de l’image.

L’image RVB originale et la carte de profondeur créée par le premier DNN sont ensuite utilisées par le second DNN pour générer un hologramme. Enfin, le troisième DNN affine l’hologramme généré par le deuxième DNN, le rendant ainsi adapté à l’affichage sur différents appareils.

Les chercheurs ont découvert que le temps nécessaire à l’approche proposée pour traiter les données et générer un hologramme était supérieur à celui d’une unité de traitement graphique de pointe.

« Un autre avantage notable de notre approche est que l’image reproduite de l’hologramme final peut représenter une image reproduite en 3D naturelle. De plus, comme les informations de profondeur ne sont pas utilisées lors de la génération d’hologrammes, cette approche est peu coûteuse et ne nécessite pas de dispositifs d’imagerie 3D tels que des caméras RVB-D après la formation », ajoute le professeur Shimobaba, tout en discutant plus en détail des résultats.

Applications futures et conclusion

Dans un avenir proche, cette approche pourrait trouver des applications potentielles dans les visiocasques et les visiocasques pour générer des écrans 3D haute fidélité. De même, il peut révolutionner la génération d’un affichage tête haute holographique embarqué, capable de présenter aux passagers les informations nécessaires sur les personnes, les routes et les panneaux en 3D. L’approche proposée devrait donc ouvrir la voie à l’augmentation du développement de la technologie holographique omniprésente.

Félicitations à l’équipe de recherche pour cette réalisation remarquable !

Référence : « Génération d’hologrammes multi-profondeurs à partir d’images bidimensionnelles par apprentissage profond » par Yoshiyuki Ishii, Fan Wang, Harutaka Shiomi, Takashi Kakue, Tomoyoshi Ito et Tomoyoshi Shimobaba, 2 août 2023, Optique et lasers en ingénierie.
DOI : 10.1016/j.optlaseng.2023.107758

[ad_2]

Laisser un commentaire