Le matériau structuré conçu par l'IA crée des images en super résolution à l'aide d'un écran basse résolution

Le matériau structuré conçu par l’IA crée des images en super résolution à l’aide d’un écran basse résolution

Affichage d’images en super-résolution à l’aide de décodeurs diffractifs. Crédit : Ozcan Lab @ UCLA.

L’une des technologies prometteuses en cours de développement pour les systèmes de réalité augmentée/virtuelle (AR/VR) de nouvelle génération est l’affichage d’images holographiques qui utilisent un éclairage lumineux cohérent pour émuler les ondes optiques 3D représentant, par exemple, les objets d’une scène. Ces affichages d’images holographiques peuvent potentiellement simplifier la configuration optique d’un affichage portable, conduisant à des facteurs de forme compacts et légers.

D’autre part, une expérience AR/VR idéale nécessite la formation d’images à relativement haute résolution dans un large champ de vision pour correspondre à la résolution et aux angles de vision de l’œil humain. Cependant, les capacités des systèmes de projection d’images holographiques sont limitées principalement en raison du nombre limité de pixels contrôlables indépendamment dans les projecteurs d’images et les modulateurs spatiaux de lumière existants.

Une étude récente publiée dans Avancées scientifiques ont rapporté un matériau transmissif conçu pour l’apprentissage en profondeur qui peut projeter des images super-résolues à l’aide d’affichages d’images basse résolution. Dans leur article intitulé « Affichage d’images en super-résolution à l’aide de décodeurs diffractifs », des chercheurs de l’UCLA, dirigés par le professeur Aydogan Ozcan, ont utilisé l’apprentissage en profondeur pour concevoir spatialement des couches diffractives transmissives à l’échelle de la longueur d’onde, et ont créé un décodeur d’image physique basé sur des matériaux qui atteint projection d’image super-résolution lorsque la lumière est transmise à travers ses couches.

Imaginez qu’il y ait un flux d’images haute résolution en attente dans le cloud ou sur votre PC local à envoyer à votre visiocasque ou à votre écran portable pour votre visualisation. Au lieu d’envoyer ces images haute résolution à votre écran portable, cette nouvelle technologie les fait d’abord passer par un réseau neuronal numérique (l’encodeur) pour les compresser en images de résolution inférieure qui ressemblent à des codes-barres, sans signification pour l’œil humain.

Cependant, cette compression d’image est différente des autres méthodes de compression d’image numérique car elle n’est ni décodée ni décompressée dans un ordinateur. Au lieu de cela, un décodeur diffractif basé sur un matériau transmissif décompresse toutes ces images à basse résolution de manière optique et projette les images haute résolution souhaitées lorsque la lumière de l’affichage basse résolution traverse des couches minces du décodeur diffractif. Par conséquent, la décompression d’image de basse à haute résolution est complétée en utilisant uniquement la diffraction de la lumière à travers un matériau structuré passif et mince, ce qui rend l’ensemble du processus extrêmement rapide puisque le décodeur diffractif transparent peut être aussi mince qu’un tampon.

Le matériau structuré conçu par l'IA crée des images en super résolution à l'aide d'un écran basse résolution

Schéma d’un affichage d’image PSR composé d’un encodeur tout électronique et d’un décodeur tout optique. (A) Les blocs de construction d’un affichage d’image PSR composé d’un codeur tout électronique et d’un décodeur tout optique comprenant cinq couches de modulation diffractive sont présentés. Un réseau de codeurs entièrement électroniques est utilisé pour créer des représentations basse résolution des images d’entrée, qui sont ensuite super-résolues à l’aide du décodeur optique diffractif, atteignant un facteur PSR souhaité (k > 1). (B) Disposition optique du réseau décodeur diffractif à cinq couches. d1 = 2,667λ, d2 = 66,667λ et d3 = 80λ. ReLU, unité linéaire rectifiée. Le crédit: Avancées scientifiques (2022). DOI : 10.1126/sciadv.add3433

En plus d’être ultra-rapide, ce schéma de décodage d’image diffractif est également économe en énergie puisque le processus de décompression d’image suit la diffraction de la lumière à travers un matériau passif et ne consomme pas d’énergie à l’exception de la lumière d’éclairage.

L’équipe de recherche de l’UCLA a montré que ces décodeurs diffractifs conçus par apprentissage en profondeur peuvent atteindre un facteur de super-résolution d’environ 4 dans chaque direction latérale d’une image, correspondant à une augmentation d’environ 16 fois du nombre effectif de pixels utiles dans les images projetées. .

En plus d’améliorer la résolution des images projetées, cet affichage d’image diffractive permet également une diminution significative des exigences de transmission et de stockage de données grâce au codage des images haute résolution dans des représentations optiques compactes avec un nombre inférieur de pixels, ce qui réduit considérablement la quantité d’informations qui doivent être transmises à un écran portable.

L’équipe de recherche a démontré expérimentalement leur affichage d’image super-résolution diffractive à l’aide de décodeurs diffractifs imprimés en 3D qui fonctionnent dans la partie térahertz du spectre électromagnétique, qui est fréquemment utilisée, par exemple, dans les scanners d’images de sécurité dans les aéroports. Les chercheurs ont également signalé que les capacités de super-résolution des décodeurs diffractifs présentés pourraient être étendues pour projeter des images couleur avec des longueurs d’onde rouges, vertes et bleues.

Le chercheur principal de la recherche, le professeur Aydogan Ozcan, a déclaré : « Cette conception d’affichage d’image à super résolution diffractive inspirera des solutions d’affichage avec une résolution améliorée, formant potentiellement les éléments constitutifs de la technologie d’affichage 3D de nouvelle génération, y compris, par exemple, les visiocasques dispositifs. »

Les autres co-auteurs de ce travail incluent le professeur Mona Jarrahi, titulaire de la chaire Northrop Grumman de génie électrique et informatique à UCLA, et les étudiants diplômés Cagatay Isil, Deniz Mengu, Yifan Zhao, Anika Tabassum, Jingxi Li et Yi Luo, tous avec UCLA.

Fourni par UCLA Engineering Institute for Technology Advancement