AutoColor: Learned Light Power Control for Multi-Color Holograms

要約

タイトル: AutoColor: Learned Light Power Control for Multi-Color Holograms

要約:

– マルチカラーホログラムは複数の光源からの同時照射を必要とする。
– これらのホログラムは従来の単一色ホログラムよりも光源を効率的に利用でき、ホログラフィック表示のダイナミックレンジを改善できる。
– 本研究では、マルチカラーホログラムを照射するために必要な最適な光源の強度を推定するための学習方法である \projectname を提案する。
– このために、合成画像とその深度情報を組み合わせたトレンディングパイプラインを使用して、最初のマルチカラーホログラムデータセットを作成する。
– 最後に、このデータセットを使用してモデルをトレーニングし、\projectname が画像品質を損なうことなく、マルチカラーホログラムを最適化するのに必要なステップ数を1,000以上から70に減らすことを実験的に証明する。

要約(オリジナル)

Multi-color holograms rely on simultaneous illumination from multiple light sources. These multi-color holograms could utilize light sources better than conventional single-color holograms and can improve the dynamic range of holographic displays. In this letter, we introduce \projectname, the first learned method for estimating the optimal light source powers required for illuminating multi-color holograms. For this purpose, we establish the first multi-color hologram dataset using synthetic images and their depth information. We generate these synthetic images using a trending pipeline combining generative, large language, and monocular depth estimation models. Finally, we train our learned model using our dataset and experimentally demonstrate that \projectname significantly decreases the number of steps required to optimize multi-color holograms from $>1000$ to $70$ iteration steps without compromising image quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI