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

Sintesi Tecnica: Rappresentazione Gaussiana 2D a Valori Complessi per l'Olografia Generata al Computer

Definizione del Problema
L'oligrafia generata al computer (CGH) mira a sintetizzare ologrammi che ricostruiscono scene 3D catturando l'intensità della luce, l'interferenza e la diffrazione. A differenza delle immagini naturali, gli ologrammi esibiscono variazioni spaziali dense, ad alta frequenza e casuali. I metodi di rappresentazione esistenti faticano con questo dominio:

• Le Rappresentazioni Neurali Implicite (INR) e gli Autoencoder tendono a favorire dati fluidi e a bassa frequenza, fallendo nel catturare i dettagli ad alta frequenza intrinseci negli ologrammi.
• L'ottimizzazione per pixel crea uno spazio di ricerca dei parametri massiccio, ostacolando la scalabilità e l'efficienza.
• I metodi basati su Gaussiane esistenti (ad esempio, varianti di 3D Gaussian Splatting) sono spesso progettati per immagini naturali o per la sintesi di nuove viste 3D (NVS) e non modellano esplicitamente l'ottica ondulatoria (interferenza e diffrazione) o la natura a valori complessi dei campi olografici.

Metodologia
Gli autori propongono una rappresentazione strutturata utilizzando Primitive Gaussiane 2D a Valori Complessi specificamente ottimizzate per la stima di ologrammi a vista singola.

1. Definizione della Primitiva:
   Il metodo definisce una primitiva $G_n$ parametrizzata da posizione pre-attivazione ($\tilde{\mathbf{x}}_n$), scale ($\tilde{\mathbf{s}}_n$), rotazione ($\theta_n$), ampiezze di colore ($\mathbf{c}_n$), opacità ($\tilde{\alpha}_n$) e fase per canale ($\boldsymbol{\varphi}_n$).

   • A differenza degli approcci ingenui che accoppiano due Gaussiane reali per le parti reale e immaginaria (richiedendo 18 parametri e due passaggi di rendering), questa formulazione unificata utilizza 12 parametri e un singolo passaggio di rendering.
   • Il contributo di una primitiva al pixel $p$ è $H_n(p) = \alpha_n \mathbf{c}_n g_n(p) \exp(j \boldsymbol{\varphi}_n)$, dove $g_n(p)$ è la distribuzione spaziale gaussiana 2D.

2. Fondamento Teorico (Teoria di Gabor):
   Ispirandosi al principio di incertezza di Gabor, gli autori sostengono che le funzioni gaussiane raggiungano l'incertezza spazio-frequenza minima ($\Delta x \Delta f_x = 1/2$). Ciò le rende la primitiva compatta ottimale per rappresentare gli ologrammi, che richiedono la codifica simultanea di informazioni spaziali e frequenziali. Il metodo dimostra che, sebbene le Gaussiane non superino la qualità per-pixel con budget di parametri completi, esse mantengono una fedeltà di ricostruzione significativamente migliore man mano che il budget dei parametri diminuisce.

3. Pipeline Differentiabile:

   • Rasterizzazione: Viene sviluppato un rasterizzatore differenziabile personalizzato per Gaussiane 2D a valori complessi, che gestisce l'aritmetica complessa (valutazione trigonometrica per la decomposizione reale/immaginaria) e il calcolo del gradiente per ampiezza e fase.
   • Propagazione della Luce: La pipeline integra un kernel Band-limited Angular Spectrum Method (BLASM) ottimizzato per GPU. Questo simula la propagazione della luce in spazio libero, permettendo al sistema di ottimizzare il campo olografico $H$ in modo che la sua intensità propagata $|U(d)|^2$ corrisponda alle immagini target su molteplici piani focali.
   • Funzione di Perdita: L'ottimizzazione minimizza una perdita di ricostruzione che combina MSE, somiglianza strutturale (SSIM) e termini specifici per le regioni di defocus, supervisionata rispetto a stack focali multi-piano.

4. Conversione POH:
   Poiché i display commerciali sono tipicamente ologrammi a fase sola (POH), gli autori introducono una procedura di conversione:

   • POH Smooth: Utilizza la codifica doppia fase-ampiezza (DPAC) per multiplexare spazialmente ampiezza e fase.
   • POH Random: Utilizza la rappresentazione gaussiana complessa come guida strutturale per ottimizzare un ologramma a fase sola casuale, minimizzando congiuntamente le differenze di intensità e di campo complesso.

Contributi Chiave

• Nuova Rappresentazione: Migrazione delle Gaussiane 3D a valori complessi verso primitive Gaussiane 2D a valori complessi per l'ottimizzazione diretta dell'ologramma, riducendo lo spazio di ricerca dei parametri di un rapporto di 5:1 rispetto alla parametrizzazione densa per-pixel.
• Implementazione del Sistema: Sviluppo di un rasterizzatore differenziabile e di un kernel BLASM ottimizzato per GPU per l'addestramento end-to-end, ottenendo incrementi significativi di velocità e l'efficienza della memoria rispetto alle implementazioni standard in PyTorch.
• Framework di Conversione: Una procedura per adattare la rappresentazione complessa ai formati pratici di POH Smooth e Random, disaccoppiando la rappresentazione dai vincoli hardware.
• Giustificazione Teorica: Dimostrazione che la proposta primitiva raggiunge l'incertezza spazio-frequenza minima, fornendo una base teorica per la sua efficienza nella rappresentazione olografica.

Risultati
Esperimenti estesi sul dataset DIV2K e validazione hardware (utilizzando un laser LASOS MCS4 e un Jasper JD7714 SLM) mostrano:

• Qualità: Il metodo raggiunge 30.7 dB di PSNR per gli ologrammi complessi, superando i precedenti metodi basati su Gaussiane (ad esempio, Image-GS a 17.2 dB, GI a 22.6 dB) e le rappresentazioni apprese (MLP, SIREN). Per il POH Random, raggiunge 29.4 dB di PSNR, un guadagno di 4.1 dB rispetto a Wirtinger Holography.
• Efficienza:
  • Utilizzo VRAM: Ridotto di circa il 30% rispetto alle implementazioni standard basate su autodiff.
  • Velocità di Ottimizzazione: Accelerata del 50% (ad esempio, 1.4 minuti rispetto a 5.1 minuti per GWS).
  • Velocità di Rendering: Raggiunge fino a 3200× la velocità di rendering rispetto agli approcci basati su GWS.
• Scalabilità: Il metodo scala a risoluzioni di 3200×1800 senza errori di Out-of-Memory (OOM).
• Ablazione: La formulazione complessa unificata produce un PSNR superiore di +6.3 dB e il 33% in meno di parametri rispetto alle Gaussiane reali accoppiate naive.

Significatività
Il lavoro sostiene che, riducendo lo spazio di ricerca dei parametri dell'ologramma attraverso una rappresentazione compatta e teoricamente fondata, esso renda più scalabile la stima olografica per i sistemi CGH di prossima generazione. L'opera colma il divario tra il rendering efficiente basato su Gaussiane e i vincoli fisici dell'ottica ondulatoria, offrendo una rappresentazione intermedia generale che può essere convertita in vari formati olografici pratici mantenendo un'alta fedeltà di ricostruzione. Gli autori osservano che, sebbene il metodo si concentri sulla ricostruzione del centro dell'eyebox, esso fornisce una base per il lavoro futuro in video in tempo reale e tecniche camera-in-the-loop.