Holo-VQVAE: VQ-VAE for phase-only holograms

全息技术位于视觉技术创新的前沿，通过操纵光波振幅和相位，提供沉浸式的三维可视化。当代全息图生成的研究主要集中在从现有图像生成全息图，这些方法虽然有效，但本质上限制了全息图生成的创新和创造力的范围。为了应对这一限制，我们提出了Holo-VQVAE，这是一个专为相位全息图（POHs）量身定制的新型生成框架。Holo-VQVAE利用向量量化变分自编码器的架构，使其能够学习POHs的复杂分布。此外，它还将角谱方法集成到训练过程中，促进了在图像域中的学习。该框架允许直接从其复杂学习的潜在空间中生成未见过的、多样化的全息内容，而不需要预先存在的图像。这项开创性的工作为全息内容创作的突破性应用和方法铺平了道路，开启了全息内容探索的新时代。

Holo-VQVAE试图解决的问题是在全新的范围内生成全息图像，而不需要现有图像。这是否是一个新问题？

Holo-VQVAE的关键思路是将Vector Quantized Variational AutoEncoders的结构与Angular Spectrum Method相结合，从而学习POHs的复杂分布并在图像域中进行学习，从而使其能够生成未见过的、多样化的全息图像。

该论文提出了一种新的生成框架，可以直接从学习到的潜在空间中生成全息图像，而不需要现有图像。该框架还使用了Angular Spectrum Method来帮助学习图像域。实验表明，该框架可以生成高质量的全息图像，并且在某些情况下甚至可以超过现有方法。

在这个领域中，最近的相关研究包括：《Deep Learning for Holography: A Tutorial》、《Holographic Image Synthesis with Deep Learning》、《End-to-End Hologram Generation with Convolutional Neural Networks》等。