Современные системы визуализации, используемые в смартфонах, а также в девайсах виртуальной (VR) и дополненной реальности (AR), активно развиваются в сторону минимизации габаритов, повышения эффективности и увеличения производительности. Тем не менее, классические оптические системы, основанные на крупных стеклянных линзах, сталкиваются с рядом ограничений, такими как хроматические аберрации, ограниченная эффективность при различных длинах волн и значительные физические размеры. Эти недостатки создают сложности при создании более компактных и лёгких систем, способных генерировать высококачественные изображения.
Чтобы преодолеть эти барьеры, учёные разработали металинзы — это сверхтонкие линзы, состоящие из наноструктур, способных взаимодействовать со светом на наномасштабе. Хотя металинзы открывают широкие перспективы для миниатюризации оптических систем, они сталкиваются с трудностями, в частности, при создании полноцветных изображений без искажений.
В недавней публикации в журнале Advanced Photonics исследователи представили новаторскую систему визуализации на основе глубокого обучения, которая избавляет металинзы от многих ограничений. Эта технология интегрирует массово производимую металинзу с уникальной системой восстановления изображений на базе искусственного интеллекта.
Металинза создается с применением наноимпринтной литографии, что представляет собой масштабируемую и экономически оправданную методику, затем следует процесс атомного осаждения слоёв, что позволяет производить линзы в большом объёме. Тем не менее, как и большинство существующих металинз, она подвержена хроматическим аберрациям и другим искажениям, возникающим из-за взаимодействия со светом различной длины волны.
Чтобы решить эту проблему, модель глубокого обучения обучена выявлять и корректировать искажения цвета и размытие. Этот подход отличается уникальностью, поскольку обучается на обширных наборах изображений и применяет коррекции к новым фотографиям, полученным посредством системы. Процесс восстановления изображения основывается на состязательном обучении, при котором две нейронные сети действуют совместно. Одна сеть создаёт откорректированные изображения, а другая оценивает их качество, что способствует постоянному развитию системы.
Кроме того, такие подходы, как позиционное встраивание, позволяют модели понимать, как искажения изменяются в зависимости от угла обзора. Это приводит к значительному улучшению качества восстановленных изображений, особенно с точки зрения точности цветопередачи и резкости по всему полю зрения.
Система формирует изображение, которое не уступает качеству изображений, создаваемых традиционными линзами, в более компактной и эффективной форме. Способность массового производства высокоэффективных металинз в тандеме с ИИ-технологией коррекции приближает нас к созданию компактных и лёгких изображающих систем как в коммерческих, так и в промышленных отраслях.
Источник: iXBT
