港大团队融合AI与波动光学，让全息VR/AR显示更逼真自然
让全息VR/AR显示更逼真自然
（映维网Nweon 2026年11月11日）从环视房间时远近物体的自然对焦，到光滑材质上随视角移动的高光，这些人们习以为常的视觉体验，正是全息显示努力复现的目标。香港大学研究团队在这一方向上取得新进展：他们融合人工智能、计算机图形学与波动光学，开发出两种新的全息图生成方法，让全息影像能够更自然地呈现对焦、视角及材质外观的变化，为未来VR/AR显示走向更逼真、更日常的应用迈出关键一步。
下面是官方的分享：
◐ 全息影像向真实世界再迈进一步
香港大学（港大）研究团队结合计算机图形学、波动光学及人工智能校准技术，开发出两种全息图生成方法，让全息显示能够更自然地重现对焦、视角及材质外观随观察位置而产生的变化。
研究由港大工程学院电机与计算机工程系彭祎帆教授带领。团队将三维计算机模型与光的传播及干涉计算结合。其中一项技术在场景转化为全息图的过程中保留其几何结构及深度信息；另一项技术则追踪光线在场景中的反射、折射及散射过程。
研究通过计算机模拟及实验室显示原型进行验证，针对未来虚拟现实及增强现实（VR/AR）的一项关键挑战：如何将细致的数字世界转化为令人信服的三维视觉体验。
◐ 不只是一幅三维图像
当人们环视房间时，远近不同的物体会在不同距离上对焦；从某一角度被遮挡的表面，从另一角度观看时可能重新出现；而光滑材质上的高光亦会随观看角度而移动。全息显示旨在通过重建光波，而非单纯呈现平面图像，来重现这些人们熟悉的视觉线索。
然而，计算这些光波并不容易。现有不少方法首先利用位于特定深度或视角的图像描述场景，再将这些图像转换为全息图。在两个步骤之间，一些重要信息可能会流失，从而导致不自然的模糊变化、错误的可见性，或只能在特定观看位置下成立的视觉效果。
◐ 完整保留场景信息
其中一项发表于《Nature Communications》的研究，研究人员以多边形网格（polygon meshes）作为起点。多边形网格由彼此连接的表面单元组成，广泛用于动画、工程及科学可视化中的三维模型建构。这种方法让全息图计算能够直接获得场景表面及深度的描述，而不只是依赖一组平面图像。
两项研究的共同第一作者孟翔宇表示：“使用网格，让我们能够在整个全息图生成过程中保留场景的完整三维结构。”
研究团队亦不只考虑图像亮度。其优化方法同时保留光波的振幅及相位：振幅与光的强度相关，而相位则描述光波在振荡周期中的位置。两者共同决定光如何传播，以及如何在不同深度形成影像。
基于人工智能的校准技术，进一步协助缩小理论计算与真实显示系统之间的差距。研究团队利用相机测量数据，训练模型以补偿光学系统中的非理想因素。在实验室测试中，该方法能够呈现更平滑的焦点变化及更清晰的影像细节，同时让从某一观看位置被遮挡的物体，在另一观看位置重新显现。
◐ 追踪光的传播
第二项研究HoloPathTracer则针对另一项挑战：光如何与不同材质互动。镜面会反射周围场景，玻璃会令穿过其中的光线折射，而光泽表面则会向不同方向反射不同强度的光。
为重现这些效果，研究人员将路径追踪（path tracing）与波动光学结合。路径追踪是一种计算机图形学技术，用于追踪光线在虚拟场景中的传播。与只计算图像亮度的方法不同，HoloPathTracer 同时保留生成全息图所需的相位信息。
两项研究的共同第一作者Wenbin Zhou表示：“HoloPathTracer 进一步模拟光如何以物理方式与场景的几何结构及材质互动。”
所生成的全息图能够重现反射、折射、随视角移动的高光以及间接照明等效果，同时呈现自然的焦点及视角变化。研究团队亦通过在快速连续显示多幅全息图时重用光路，以及缓存场景中的部分光照信息，减少重复计算。
◐ 迈向日常应用的全息显示
两项研究分别针对同一目标的不同环节。Mesh Holography提供了一条经校准的路径，将常见的三维模型转化为全息影像；HoloPathTracer则通过模拟光与材质之间更复杂的相互作用，进一步扩展全息影像所能呈现的视觉效果。
目前，相关技术仍处于研究原型阶段。要实现面向消费者的实时应用，仍需要进一步提升计算速度，并推动空间光调制器——即全息显示中用于调控光线的器件——以及相关光学系统的发展。
相关论文：Mesh-represented and learning-empowered hologram synthesis for full 3D holographic displays
相关论文：HoloPathTracer: Fast and Accurate Wave Path Tracing for Holography
彭教授表示：“我们相信，这一研究方向有望为未来 VR 及 AR 系统带来更加自然、视觉效果更加逼真的全息体验。”
