深度學習協同設計突破！UCLA研究團隊實現28層3D影像同步投影，消除層間串擾

加州大學洛杉磯分校（University of California, Los Angeles，UCLA）的工程研究團隊，開發出一套先進的三維（3D）影像投影系統，能在單次光學曝光中同時顯示28個獨立的深度層次。

此研究由UCLA薩繆利工程學院（Samueli School of Engineering）暨加州奈米系統研究所（California NanoSystems Institute，CNSI）的 Aydogan Ozcan 教授主導，提出一套緊湊型架構，旨在提升下一代全像顯示、醫療影像及虛擬實境介面的技術水準。

研究詳細說明了一種數位光學混合架構，能解決密集3D成像中長期存在的視覺失真與層間串擾（cross-talk）問題。

傳統多層體積投影方式在焦平面間距過近時往往會出現影像劣化。當各層光場交疊時，光場容易相互滲漏，導致深度清晰度下降、出現嚴重模糊，並降低觀看者的視覺銳利度。

深度學習與光場程式化

為克服上述限制，UCLA研究團隊運用深度學習技術，同步優化數位計算編碼器與被動式實體光學解碼器。

系統運作方式是將目標視覺資料輸入一個帶有明確深度與座標指令的數位神經網路，該網路將多層結構資訊壓縮成單一統一的相位圖案，以代表整個3D體積空間。

光線通過系統時，會依序穿過一系列結構最佳化的繞射面，這些繞射面作為類比解碼器，以物理方式操控光波，將影像的特定分量精確引導至預先指定的深度平面。

這種精準的「光場程式化」技術，使系統能夠抑制相鄰層之間的資料洩漏，即便在平面間距接近單一光波波長尺度的情況下，仍能維持清晰的視覺分離效果。

擴展性與實驗驗證

透過數值模擬，研究團隊證實該架構能有效擴展，將複雜的體積場景分割為28個獨立的軸向切片。

此外，系統具備動態調整功能，操作人員無需修改核心實體架構，即可按需改變投影影像的目標深度位置。

為驗證此數位光學處理流程的實際可行性，研究人員建構了一套實體雙平面硬體原型，採用在可見光頻譜下運作的單層光學解碼器。

實驗量測結果確認，投影光場分布與目標設計及計算模擬結果高度吻合。實驗裝置的表現顯著優於未輔助的自由空間光學系統，驗證了該設計在真實環境中的穩定性與準確性。

未來技術整合應用

此編碼器-解碼器架構的緊湊設計，為高解析度體積成像提供了節能的技術基礎。除了可直接整合至近眼擴增實境（AR）與虛擬實境（VR）頭戴裝置外，這項技術在多深度顯微鏡、即時3D醫療視覺化及光學運算等領域同樣具有應用潛力。

展望未來，研究團隊計畫進一步拓展此架構的功能，探索多光譜運算以支援全彩投影、多視角全像術，以及整合適用於商業製造形式的實體多層解碼器。

本研究成果已發表於學術期刊《Light: Science & Applications》。

原文來源： 查看原文