团队实现了高分辨率、无像差、全彩图像，同时保持了超透镜所承诺的紧凑外形
（中国AI网 2024年11月18日）AR和VR的发展要求更加紧凑、高效和高性能的光学系统。传统的解决方案依赖于笨重的玻璃透镜，而它们同时存在色差、多波长效率低和物理尺寸大等局限性，从而给设计更小、更轻系统带来了挑战
为了克服相关问题，业界正在探索可在纳米尺度操纵光的超透。尽管超透镜为光学系统的小型化提供了巨大的潜力，但它们面临着挑战，特别是在实现不失真的全彩图像时。
日前，韩国汉阳大学和浦项科技大学的研究人员介绍了一种深度学习驱动的端到端超透镜成像系统。通过将先进的光学硬件与人工智能相结合，团队实现了高分辨率、无像差、全彩图像，同时保持了超透镜所承诺的紧凑外形。
超透镜本身是同故宫纳米压印光刻技术制造，这是一种可扩展且具有成本效益的方法，然后原子层沉积允许大规模生产透镜。超透镜的设计目的是为了有效地聚焦光，但与大多数超透镜一样，由于与不同波长的光相互作用，其受到色差和其他畸变的影响。
为了解决这个问题，团队训练深度学习模型训练以识别和纠正由超透镜引起的颜色扭曲和模糊。这种方法十分独特，因为它是从大量的图像数据集中学习，并将校正应用于系统捕获的未来图像。
图像恢复框架使用对抗学习，其中两个神经网络一起进行训练：一个网络生成校正后的图像，另一个网络评估图像质量，从而推动系统不断改进。
另外，像位置嵌入这样的先进技术帮助模型理解图像失真如何随着视角的变化而变化。这样可以显著改善恢复后的图像，特别是在整个视场的色彩精度和清晰度方面。
系统产生的图像可以与传统透镜相媲美，但封装更小，效率更高。这项创新有可能彻底改变广泛的行业，尤其是AR/VR。通过解决超透镜的核心问题（色差和角像差），这项研究使我们更接近将这种紧凑型透镜集成到AR/VR设备之中。
相关论文：Deep-learning-driven end-to-end metalens imaging
团队表示：“这种深度学习驱动的系统标志着光学领域的重大进步，为在不牺牲质量的情况下创造更小、更高效的成像系统提供了新的途径。”
