高品質の目に見えないホログラム合成のための条件付き拡散モデル.

科学分野:

• コンピュータビジョン コンピュータビジョン
• ホログラフィー ホログラフィー
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• 目に見えないホログラム合成のための既存の方法は,物理的な矛盾と制限された属性制御と闘っています.
• エンドツーエンドではないモデルは,フェーズエラーによりアーティファクトを生成しますが,オートエンコーダーベースの方法は,属性操作の柔軟性を持っていません.

研究 の 目的:

• セマンティックと物理的な制約から直接の目に見えないホログラム合成のためのエンドツーエンドの条件付き拡散モデルを開発する.
• モデルのパラメータを最小限に抑えながら,屈折深さなどのホログラム属性を正確に制御できるように.

主な方法:

• 提案されたHolo-LDMは,複雑な値のUNetsとクロス注意力トランスフォーマーを使用したエンドツーエンド条件分散モデルです.
• スペックル抑制ホログラムデータセットを生成するための物理モデル駆動のUNETを使用した.
• ダイナミックラベルをデノイジング中にホログラフィック機能と並べ替えるための統合クロスフォーカストランスフォーマー.

主要な成果:

• 精密な屈折深度制御で,さまざまなカテゴリーにわたる高品質のホログラムを合成しました.
• 非エンドツーエンドのベースラインと比較して,Fréchet inception distance (FID) の30%以上の改善を達成しました.
• コンパクトな2KBのパラメータモデルで,訓練コストを数量的に削減しました.

結論:

• holo-LDMは,微細な属性制御で目に見えないホログラム合成のための効率的かつ効果的なソリューションを提供します.
• モデルは優れた性能と訓練オーバーヘッドの削減を示し,高度な混合現実体験への道を開く.