北京,2023年10月11日/PRNewswire/-全球領先的全息增強現實(“AR”)技術提供商WiMi全息雲股份有限公司(NASDAQ:WiMi)(“WiMi”或“公司”)今天宣布,它開發了全息重建網絡(HRNet),這在全息重建領域帶來了重要的技術突破。全息照相術一直在科學研究、醫學成像、工業檢測等領域發揮着重要作用。然而,傳統的全息圖重建方法面臨着許多挑戰,如需要先驗知識、手動操作和複雜的後處理步驟。為了解決這些問題,WiMi的創新技術HRNet基于深度學習和全息圖像處理,具有端到端全息重建能力,無需先驗知識和複雜的後處理步驟。該技術突破了傳統全息重建方法的局限,實現了無噪聲的圖像重建和相位成像,為圖像處理、計算機視覺等相關領域帶來了巨大潛力。
全息照相是一種記錄物體完整波前信息的技術,包括振幅和相位。傳統的全息重建方法通常需要先驗知識,例如物體距離、入射角和波長,并且需要額外的濾波操作來去除不想要的圖像信息。此外,多截面物體的相位成像和處理對傳統方法提出了更高的要求。然而,WiMi的HRNet通過采用深度學習的端到端學習策略克服了這些挑戰,為全息重建帶來了創新的解決方案。
WiMi的HRNet采用了深度學習方法來解決傳統方法所面臨的一些挑戰。該技術的一些關鍵方面描述如下:
端到端學習:HRNet使用端到端的學習策略直接從原始全息圖中學習和重建。這意味着原始全息圖在沒有任何先驗知識或附加預處理步驟的情況下用作網絡的輸入。
深度殘差網絡:網絡架構采用深度殘差學習。這意味着在網絡層之間添加身份映射,以簡化訓練過程并加快計算速度。這種方法有助于解決深度神經網絡中梯度消失/爆炸的問題。
無噪聲重建:HRNet能夠輸出無噪聲重建結果,這意味着它可以消除傳統方法中由噪聲和失真引起的問題。這種無噪聲重建有助于提高重建圖像的質量和準确性。
相位成像處理:HRNet不僅可以處理振幅對象的重建,還可以處理相位成像。傳統的相位成像需要補償相位像差和額外的展開步驟來恢複真實的物體厚度。HRNet能夠通過學習相位成像的處理步驟,直接從全息圖中重建相位信息。
多截面對象處理:HRNet還可以處理多截面對象的重建,擴展應用程序的自由度。這意味着它能夠生成全焦圖像和深度圖,滿足許多應用程序對多維數據的需求。
WiMi的HRNet利用深度學習和端到端學習方法,通過學習全息重建的内部表示來實現無噪聲圖像重建,該内部表示處理相位成像和多截面對象的需求。這種數據驅動的方法消除了對先驗知識和額外處理步驟的依賴,為數字全息重建提供了一個新的有效框架。
WiMi的HRNet的核心是利用深度學習的力量重建全息圖,而不需要任何先驗知識或繁瑣的預處理步驟。這意味着原始全息圖充當網絡的輸入,網絡自動學習全息重建中必要的處理步驟,并在原始全息圖和反向傳播之間建立像素級連接。這種數據驅動的方法消除了對先驗知識和額外處理步驟的依賴,使重建過程更加高效和準确。