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明に依存します。
これらのマルチカラー ホログラムは、従来の単色ホログラムよりも光源をうまく利用でき、ホログラフィック ディスプレイのダイナミック レンジを向上させることができます。
このレターでは、多色ホログラムの照明に必要な最適な光源パワーを推定するための最初に学習された方法である AutoColor を紹介します。
この目的のために、合成画像とその深さ情報を使用して最初のマルチカラー ホログラム データセットを確立します。
これらの合成画像は、生成モデル、大規模言語モデル、および単眼奥行き推定モデルを組み合わせたトレンド パイプラインを使用して生成されます。
最後に、データセットを使用して学習済みモデルをトレーニングし、AutoColor が画質を損なうことなく、マルチカラー ホログラムの最適化に必要なステップ数を 1000 を超える反復ステップから 70 反復ステップに大幅に削減することを実験的に示します。

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 AutoColor , 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 AutoColor 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, Google