近年来，伴随计算机相关技术的快速发展，虚拟现实技术（简称VR）逐渐进入大众视野。VR是依靠计算机模拟虚拟环境来营造一个虚拟世界，从而带给人环境沉浸感。但在使用时，VR眼镜因清晰度不足、刷新率不够导致的分辨率不达标，使其不能“骗”过人类的大脑，会让部分用户会产生眩晕、呕吐等不适感。
为了改善VR的清晰度不足、分辨率不达标的问题，研究者们尝试了多种方法，最终全息图成功脱颖而出。全息图是一种三维图像，相比于传统的照片呈现的是真实的物理图像，全息图还包含被记录物体的尺寸、形状、亮度和对比度等信息，能快速且准确地反映出周遭变化，毋庸置疑的是，全息图可以更真实地描绘三维图像的场景差别与景深。但如果使用传统方法生成全息图，则需要一台超级计算机来进行大量的物理模拟，且采用这种方式来生成全息图不仅会耗费大量的时间，全息图的逼真度也不高。
为了解决这一难题，麻省理工研究团队成功研究出张量全息术。张量全息术是通过深度学习来加快计算机生成全息图的速度，从而实现实时全息图的生成。在张量网络下，自然物体的图像由多个标量来描述，这一部分使用卷积神经网络，再将标量化的图像矢量化，采用张量网络最后再输出。这一过程有效避免了早期全息图的弊端——采用光学方法记录，生成图像为静态，无法捕捉运动，且难以复制和分享。
在有关张量全息术的论文中提到，研究小组建立了一个有着4000对计算机生成的深度图像与其对应的全息图的数据库，团队依靠该数据库创建了新的全息图。为了测试张量全息术是否能精确判断出场景变化，捕捉重要信息，研究人员们使用了多组颜色复杂的场景。另外，还使用了一组基于物理的全新计算来处理，这种基于物理的全新计算可理解为：让计算机自学物理。通过这种方法进行的测试最终获取了令人满意的训练数据。在这一测试的基础上，研究人员总结发现张量全息术只需几毫秒就可以制作出全息图。值得注意的是，提取出的信息是由典型的计算机生成图像提供的，并且可以使用普通的计算机与智能手机来进行计算。例如，研究人员的卷积神经网络可以在移动设备和edge设备上实现交互式运行。
研究团队表示，利用张量全息术来进行VR的环境模拟可以增强VR用户的沉浸式体验感，一定程度上也可以消除使用VR带来的眼睛疲劳以及眩晕、呕吐等不适感。不仅仅是VR，张量全息术也可引入3D打印技术领域，从而实现虚拟现实技术（VR）与3D打印技术质的飞跃。
http://www.dxswb.com/shijian/347860.html 点此复制本页地址
