Complex-Valued 2D Gaussian Representation for Computer-Generated Holography

Resumen Técnico: Representación de Gaussianas 2D de Valores Complejos para la Holografía Generada por Computadora

Definición del Problema
La Holografía Generada por Computadora (CGH) tiene como objetivo sintetizar hologramas que reconstruyan escenas 3D capturando la intensidad de la luz, la interferencia y la difracción. A diferencia de las imágenes naturales, los hologramas exhiben variaciones espaciales densas, de alta frecuencia y aleatorias. Los métodos de representación existentes tienen dificultades con este dominio:

• Las Representaciones Neuronales Implícitas (INR) y los Autoencoders tienden a favorecer datos suaves de baja frecuencia, fallando al capturar los detalles de alta frecuencia inherentes a los hologramas.
• La optimización por píxel crea un espacio de búsqueda de parámetros masivo, lo que dificulta la escalabilidad y la eficiencia.
• Los métodos basados en Gaussianas existentes (por ejemplo, variantes de 3D Gaussian Splatting) suelen estar diseñados para imágenes naturales o síntesis de vistas nuevas (NVS) en 3D y no modelan explícitamente la óptica de onda (interferencia y difracción) ni la naturaleza de valores complejos de los campos holográficos.

Metodología
Los autores proponen una representación estructurada utilizando Primitivas Gaussianas 2D de Valores Complejos optimizadas específicamente para la estimación de hologramas de vista única.

1. Definición de la Primitiva:
   El método define una primitiva $G_n$ parametrizada por posición pre-activación ($\tilde{\mathbf{x}}_n$), escalas ($\tilde{\mathbf{s}}_n$), rotación ($\theta_n$), amplitudes de color ($\mathbf{c}_n$), opacidad ($\tilde{\alpha}_n$) y fase por canal ($\boldsymbol{\varphi}_n$).

   • A diferencia de los enfoques ingenuos que emparejan dos Gaussianas de valores reales para las partes real e imaginaria (requiriendo 18 parámetros y dos pasadas de renderizado), esta formulación unificada utiliza 12 parámetros y una sola pasada de renderizado.
   • La contribución de una primitiva en un píxel $p$ es $H_n(p) = \alpha_n \mathbf{c}_n g_n(p) \exp(j \boldsymbol{\varphi}_n)$, donde $g_n(p)$ es la distribución espacial de la Gaussiana 2D.

2. Fundamento Teórico (Teoría de Gabor):
   Inspirados en el principio de incertidumbre de Gabor, los autores argumentan que las funciones Gaussianas logran la mínima incertidumbre espacio-frecuencia ($\Delta x \Delta f_x = 1/2$). Esto las convierte en la primitiva compacta óptima para representar hologramas, que requieren codificar simultáneamente información espacial y de frecuencia. El método demuestra que, si bien las Gaussianas no superan la calidad por píxel con presupuestos de parámetros completos, retienen una fidelidad de reconstrucción significativamente mejor a medida que el presupuesto de parámetros se reduce.

3. Pipeline Diferenciable:

   • Rasterización: Se desarrolla un rasterizador diferenciable personalizado para Gaussianas 2D de valores complejos, que gestiona la aritmética compleja (evaluación trigonométrica para la descomposición real/imaginaria) y el cálculo de gradientes para amplitud y fase.
   • Propagación de la Luz: El pipeline integra un kernel de Método de Espectro Angular de Banda Limitada (BLASM) optimizado para GPU. Este simula la propagación de la luz en el espacio libre, permitiendo que el sistema optimice el campo holográfico $H$ de tal manera que su intensidad propagada $|U(d)|^2$ coincida con las imágenes objetivo en múltiples planos focales.
   • Función de Pérdida: La optimización minimiza una pérdida de reconstrucción que combina MSE, similitud estructural (SSIM) y términos específicos para regiones de desenfoque, supervisada contra pilas focales de múltiples planos.

4. Conversión a POH:
   Dado que las pantallas comerciales son típicamente Hologramas de Solo Fase (POH), los autores introducen un procedimiento de conversión:

   • POH Suave: Utiliza Codificación de Doble Fase-Amplitud (DPAC) para multiplexar espacialmente la amplitud y la fase.
   • POH Aleatorio: Utiliza la representación Gaussiana compleja como guía estructural para optimizar un holograma de solo fase aleatorio, minimizando conjuntamente las diferencias de intensidad y de campo complejo.

Contribuciones Clave

• Nueva Representación: Migración de Gaussianas 3D de valores complejos a primitivas Gaussianas 2D de valores complejos para la optimización directa del holograma, reduciendo el espacio de búsqueda de parámetros en una relación de 5:1 comparado con la parametrización densa por píxel.
• Implementación del Sistema: Desarrollo de un rasterizador diferenciable y un kernel BLASM optimizado para GPU para el entrenamiento de extremo a extremo, logrando mejoras significativas en velocidad y eficiencia de memoria sobre las implementaciones estándar de PyTorch.
• Marco de Conversión: Un procedimiento para adaptar la representación compleja a formatos prácticos de POH Suave y Aleatorio, desacoplando la representación de la codificación específica del hardware.
• Justificación Teórica: Demostración de que la primitiva propuesta alcanza la mínima incertidumbre espacio-frecuencia, proporcionando una base teórica para su eficiencia en la representación de hologramas.

Resultados
Experimentos extensos en el conjunto de datos DIV2K y validación de hardware (usando un láser LASOS MCS4 y un SLM Jasper JD7714) muestran:

• Calidad: El método logra 30.7 dB de PSNR para hologramas complejos, superando a métodos previos basados en Gaussianas (por ejemplo, Image-GS con 17.2 dB, GI con 22.6 dB) y representaciones aprendidas (MLP, SIREN). Para POH Aleatorio, alcanza 29.4 dB de PSNR, una ganancia de 4.1 dB sobre la Holografía de Wirtinger.
• Eficiencia:
  • Uso de VRAM: Reducido en aproximadamente un 30% en comparación con las implementaciones estándar basadas en autodif.
  • Velocidad de Optimización: Acelerada en un 50% (por ejemplo, 1.4 minutos frente a 5.1 minutos para GWS).
  • Velocidad de Renderizado: Logra hasta 3200× más rápido el renderizado en comparación con los enfoques basados en GWS.
• Escalabilidad: El método escala a resoluciones de 3200×1800 sin errores de falta de memoria (OOM).
• Ablación: La formulación compleja unificada produce +6.3 dB más de PSNR y un 33% menos de parámetros en comparación con las Gaussianas de valores reales emparejadas de forma ingenua.

Significado
El artículo afirma que, al reducir el espacio de búsqueda de parámetros del holograma mediante una representación compacta y con fundamento teórico, permite una estimación de hologramas más escalable para sistemas de CGH de próxima generación. El trabajo cierra la brecha entre el renderizado eficiente basado en Gaussianas y las restricciones físicas de la óptica de onda, ofreciendo una representación intermedia general que puede convertirse a varios formatos de hologramas prácticos manteniendo una alta fidelidad de reconstrucción. Los autores señalan que, aunque el método se centra en la reconstrucción del centro del eyebox, proporciona una base para el trabajo futuro en video en tiempo real y técnicas de cámara en el bucle (camera-in-the-loop).