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

Resumo Técnico: Representação Gaussiana 2D de Valores Complexos para Holografia Gerada por Computador

Definição do Problema
A Holografia Gerada por Computador (CGH) visa sintetizar hologramas que reconstroem cenas 3D ao capturar intensidade de luz, interferência e difração. Diferente de imagens naturais, os hologramas exibem variações espaciais densas, de alta frequência e aleatórias. Os métodos de representação existentes lutam com este domínio:

• Representações Neurais Implícitas (INRs) e Autoencoders tendem a favorecer dados suaves de baixa frequência, falhando em capturar os detalhes de alta frequência inerentes aos hologramas.
• A otimização por pixel cria um espaço de busca de parâmetros massivo, dificultando a escalabilidade e a eficiência.
• Métodos baseados em Gaussianas existentes (ex: variantes de 3D Gaussian Splatting) são frequentemente projetados para imagens naturais ou síntese de nova visão 3D (NVS) e não modelam explicitamente a óptica de onda (interferência e difração) ou a natureza de valores complexos dos campos holográficos.

Metodologia
Os autores propõem uma representação estruturada usando Primitivas Gaussianas 2D de Valores Complexos especificamente otimizadas para estimativa de holograma de visualização única.

1. Definição da Primitiva:
   O método define uma primitiva $G_n$ parametrizada por posição pré-ativação ($\tilde{\mathbf{x}}_n$), escalas ($\tilde{\mathbf{s}}_n$), rotação ($\theta_n$), amplitudes de cor ($\mathbf{c}_n$), opacidade ($\tilde{\alpha}_n$) e fase por canal ($\boldsymbol{\varphi}_n$).

   • Ao contrário de abordagens ingênuas que pareiam duas Gaussianas de valores reais para as partes real e imaginária (exigindo 18 parâmetros e duas passagens de renderização), esta formulação unificada utiliza 12 parâmetros e uma única passagem de renderização.
   • A contribuição de uma primitiva no pixel $p$ é $H_n(p) = \alpha_n \mathbf{c}_n g_n(p) \exp(j \boldsymbol{\varphi}_n)$, onde $g_n(p)$ é a distribuição espacial 2D Gaussiana.

2. Fundamentação Teórica (Teoria de Gabor):
   Inspirados pelo princípio da incerteza de Gabor, os autores argumentam que as funções Gaussianas alcançam a incerteza espaço-frequência mínima ($\Delta x \Delta f_x = 1/2$). Isso as torna a primitiva compacta ideal para representar hologramas, que requerem a codificação simultânea de informações espaciais e de frequência. O método demonstra que, embora as Gaussianas não superem a qualidade por pixel sob orçamentos totais de parâmetros, elas retêm a fidelidade de reconstrução significativamente melhor conforme o orçamento de parâmetros diminui.

3. Pipeline Diferenciável:

   • Rasterização: Um rasterizador diferenciável customizado para Gaussianas 2D de valores complexos é desenvolvido, lidando com aritmética complexa (avaliação trigonométrica para decomposição real/imaginária) e computação de gradiente para amplitude e fase.
   • Propagação de Luz: O pipeline integra um kernel de Método de Espectro Angular Limitado por Banda (BLASM) otimizado para GPU. Ele simula a propagação de luz em espaço livre, permitindo que o sistema otimize o campo holográfico $H$ de modo que sua intensidade propagada $|U(d)|^2$ corresponda a imagens alvo em múltiplos planos de foco.
   • Função de Perda: A otimização minimiza uma perda de reconstrução combinando MSE, similaridade estrutural (SSIM) e termos específicos para regiões de desfoque, supervisionada contra pilhas de foco de múltiplos planos.

4. Conversão para POH:
   Como os displays comerciais são tipicamente Hologramas de Apenas Fase (POH), os autores introduzem um procedimento de conversão:

   • Smooth POH: Utiliza Codificação de Amplitude-Fase Dupla (DPAC) para multiplexar espacialmente amplitude e fase.
   • Random POH: Utiliza a representação Gaussiana complexa como orientação estrutural para otimizar um holograma de apenas fase aleatório, minimizando conjuntamente as diferenças de intensidade e de campo complexo.

Principais Contribuições

• Representação Inovadora: Migração de Gaussianas 3D de valores complexos para primitivas Gaussianas 2D de valores complexos para otimização direta de holograma, reduzindo o espaço de busca de parâmetros em uma razão de 5:1 comparado à parametrização densa por pixel.
• Implementação do Sistema: Desenvolvimento de um rasterizador diferenciável e um kernel BLASM otimizado para GPU para treinamento de ponta a ponta, alcançando ganhos significativos de velocidade e eficiência de memória sobre implementações padrão de PyTorch.
• Framework de Conversão: Um procedimento para adaptar a representação complexa para formatos práticos de Smooth e Random POH, desacoplando a representação de codificações específicas de hardware.
• Justificativa Teórica: Demonstração de que a proposta primitiva atinge a incerteza espaço-frequência mínima, fornecendo uma base teórica para sua eficiência na representação de hologramas.

Resultados
Experimentos extensivos no dataset DIV2K e validação de hardware (usando um laser LASOS MCS4 e um SLM Jasper JD7714) mostram:

• Qualidade: O método alcança 30.7 dB de PSNR para hologramas complexos, superando métodos anteriores baseados em Gaussianas (ex: Image-GS com 17.2 dB, GI com 22.6 dB) e representações aprendidas (MLP, SIREN). Para Random POH, atinge 29.4 dB de PSNR, um ganho de 4.1 dB sobre o Wirtinger Holography.
• Eficiência:
  • Uso de VRAM: Reduzido em ~30% comparado a implementações padrão baseadas em autodiff.
  • Velocidade de Otimização: Acelerada em 50% (ex: 1.4 minutos vs. 5.1 minutos para GWS).
  • Velocidade de Renderização: Alcança até 3200× mais rápido que abordagens baseadas em GWS.
• Escalabilidade: O método escala para resoluções de 3200×1800 sem erros de Out-of-Memory (OOM).
• Ablação: A formulação complexa unificada produz +6.3 dB de PSNR superior e 33% menos parâmetros comparado a Gaussianas de valores reais pareadas ingênuas.

Significância
O artigo afirma que, ao reduzir o espaço de busca de parâmetros do holograma através de uma representação compacta e teoricamente fundamentada, ele possibilita uma estimativa de holograma mais escalável para sistemas de CGH de próxima geração. O trabalho preenche a lacuna entre a renderização eficiente baseada em Gaussianas e as restrições físicas da óptica de onda, oferecendo uma representação intermediária geral que pode ser convertida para vários formatos de hologramas práticos enquanto mantém alta fidelidade de reconstrução. Os autores observam que, embora o método foque na reconstrução do centro do eyebox, ele fornece uma base para trabalhos futuros em vídeo de tempo real e técnicas de câmera-no-loop.