張量全息術，或將推動虛擬現實走進全息技術

在一眾三維技術里，虛擬現實備受市場關注——虛擬現實技術（VR）作為一種能夠使人以沉浸的方式進入和體驗人為創造的虛擬世界的計算機仿真技術，是三維場景可視化的重要代表。
然而，盡管經過多年宣傳，VR頭戴式耳機至今也仍未成為電視或計算機屏幕上觀看視頻的必備設備。一個重要的原因是VR依然會讓用戶感到不適。雖然用戶實際上是注視著2D顯示器，但VR會產生3D觀看的錯覺，從而使人視覺疲勞和感到頭暈惡心。
在這樣的背景下，全息圖對應而出。全息圖是以激光為光源，用全景照相機將被攝體記錄在高分辨率的全息膠片上構成的圖。與傳統的照片相比，傳統的照片呈現的是真實的物理圖像，而全息圖則包含了被記錄物體的尺寸、形狀、亮度和對比度等信息。這些信息儲存在一個很微小但卻很復雜的干涉模式中。
長期以來，研究者們一直在試圖制造出計算機生成的全息圖，但傳統上，該過程需要一臺超級計算機來進行物理模擬，這不僅非常耗時，而且產生的效果真實感不高。
近日，來自麻省理工學院的研究者已經開發出一種幾乎可以立即生成全息圖的研究方法。研究人員表示，基于深度學習的方法非常高效，使得新方法瞬間就能夠在筆記本電腦上運行。
具體來說，新方法能夠實時從單個RGB深度圖像合成光致彩色3D全息圖。其中，研究人員的卷積神經網絡（CNN）具有極高的內存效率（低于620千字節），在單個消費級圖形處理單元上以60赫茲運行，分辨率為1920×1080像素。
利用低功耗的設備上人工智能加速芯片，研究人員的CNN還可以在移動（iPhone 11 Pro，1.1赫茲）和edge（Google edge TPU，2.0赫茲）設備上進行交互式運行，在未來的虛擬和增強中具有出色的實時性能現實移動頭戴。
研究人員通過引入具有4000對RGB深度圖像和相應3D全息圖的大規模CGH數據集（MIT-CGH-4K）來啟用該方法。研究人員表示，此次張量全息術的新方法或將推動 VR 和 3D 打印等領域引入全息技術。該研究的論文現已發表在《Nature》上，索尼對部分研究提供了支持。