Um novo manãtodo chamado holografia tensorial pode permitir a criação de hologramas para realidade virtual, impressão 3D, imagens médicas e muito mais - e pode ser executado em um smartphone.
![](data:image/jpeg;base64,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)
Os pesquisadores do MIT desenvolveram uma maneira de produzir hologramas quase que instantaneamente. Eles dizem que o manãtodo baseado em aprendizado profundo étão eficiente que poderia ser executado em um smartphone. Créditos: Imagem: MIT News, com imagens da iStockphoto
Apesar de anos de exagero, os fones de ouvido de realidade virtual ainda não derrubaram as telas de TV ou computador como dispositivos essenciais para a visualização de vadeos. Um motivo: a RV pode fazer os usuários se sentirem mal . Podem ocorrer na¡useas e cansaa§o visual porque a RV cria uma ilusão de visualização 3D, embora o usua¡rio esteja, na verdade, olhando para uma tela 2D de distância fixa. A solução para uma melhor visualização 3D poderia estar em uma tecnologia de 60 anos refeita para o mundo digital: hologramas.
Os hologramas fornecem uma representação excepcional do mundo 3D ao nosso redor. Além disso, eles são lindos. (Va¡ em frente - verifique a pomba hologra¡fica em seu cartão Visa.) Os hologramas oferecem uma perspectiva varia¡vel com base na posição do observador e permitem que o olho ajuste a profundidade focal para focar alternadamente no primeiro e no segundo plano.
Os pesquisadores hámuito buscam fazer hologramas gerados por computador, mas o processo tradicionalmente requer um supercomputador para fazer simulações físicas, o que édemorado e pode produzir resultados menos do que fotorrealasticos. Agora, os pesquisadores do MIT desenvolveram uma nova maneira de produzir hologramas quase instantaneamente - e o manãtodo baseado no aprendizado profundo étão eficiente que pode ser executado em um laptop em um piscar de olhos, dizem os pesquisadores.
“As pessoas pensavam anteriormente que, com o hardware existente para o consumidor, seria impossível fazer ca¡lculos de holografia 3D em tempo realâ€, diz Liang Shi, principal autor do estudo e aluno de doutorado no Departamento de Engenharia Elanãtrica e Ciência da Computação (EECS) do MIT. “Costuma-se dizer que as telas hologra¡ficas disponíveis comercialmente estara£o disponíveis em 10 anos, mas esta afirmação já existe hádécadasâ€.
Shi acredita que a nova abordagem, que a equipe chama de “holografia tensorialâ€, finalmente trara¡ essa meta indescritavel de 10 anos ao seu alcance. O avanço pode impulsionar a holografia em campos como VR e impressão 3D.
Shi trabalhou no estudo, publicado hoje na Nature , com seu orientador e coautor Wojciech Matusik. Outros co-autores incluem Beichen Li do EECS e o Laborata³rio de Ciência da Computação e Inteligaªncia Artificial do MIT, bem como os ex-pesquisadores do MIT Changil Kim (agora no Facebook) e Petr Kellnhofer (agora na Universidade de Stanford).
A busca por um 3D melhor
Uma fotografia tapica baseada em lentes codifica o brilho de cada onda de luz - uma foto pode reproduzir fielmente as cores de uma cena, mas acaba produzindo uma imagem plana.
Em contraste, um holograma codifica o brilho e a fase de cada onda de luz. Essa combinação oferece uma representação mais verdadeira da paralaxe e da profundidade de uma cena. Assim, enquanto uma fotografia dos “Nenaºfares†de Monet pode destacar a paleta de cores das pinturas, um holograma pode dar vida ao trabalho, reproduzindo a textura 3D exclusiva de cada pincelada. Mas, apesar de seu realismo, os hologramas são um desafio para fazer e compartilhar.
Desenvolvido pela primeira vez em meados de 1900, os primeiros hologramas foram gravados opticamente. Isso exigia a divisão de um feixe de laser, com metade do feixe usado para iluminar o assunto e a outra metade usada como referaªncia para a fase das ondas de luz. Essa referaªncia gera uma sensação única de profundidade de um holograma. As imagens resultantes eram esta¡ticas, então não podiam capturar movimento. E eram apenas ca³pias impressas, o que os tornava difaceis de reproduzir e compartilhar.
A holografia gerada por computador contorna esses desafios simulando a configuração a³ptica. Mas o processo pode ser um trabalho a¡rduo computacional. “Como cada ponto da cena tem uma profundidade diferente, vocênão pode aplicar as mesmas operações para todos elesâ€, diz Shi. “Isso aumenta significativamente a complexidade.†Direcionar um supercomputador agrupado para executar essas simulações baseadas em física pode levar segundos ou minutos para uma única imagem hologra¡fica. Além disso, os algoritmos existentes não modelam a oclusão com precisão fotorrealastica. Portanto, a equipe de Shi adotou uma abordagem diferente: deixar o computador ensinar física a si mesmo.
Eles usaram o aprendizado profundo para acelerar a holografia gerada por computador, permitindo a geração de hologramas em tempo real. A equipe projetou uma rede neural convolucional - uma técnica de processamento que usa uma cadeia de tensores treina¡veis ​​para imitar aproximadamente como os humanos processam as informações visuais. O treinamento de uma rede neural normalmente requer um grande conjunto de dados de alta qualidade, que não existia anteriormente para hologramas 3D.
A equipe construiu um banco de dados personalizado de 4.000 pares de imagens geradas por computador. Cada par combinou uma imagem - incluindo informações de cor e profundidade para cada pixel - com seu holograma correspondente. Para criar os hologramas no novo banco de dados, os pesquisadores usaram cenas com formas e cores complexas e varia¡veis, com a profundidade dos pixels distribuada uniformemente do fundo para o primeiro plano, e com um novo conjunto de ca¡lculos baseados na física para lidar com a oclusão. Essa abordagem resultou em dados de treinamento fotorrealasticos. Em seguida, o algoritmo começou a funcionar.
Ao aprender com cada par de imagens, a rede tensorial ajustou os parametros de seus pra³prios ca¡lculos, aumentando sucessivamente sua capacidade de criar hologramas. A rede totalmente otimizada operou ordens de magnitude mais rápido do que os ca¡lculos baseados na física. Essa eficiência surpreendeu a própria equipe.
“Estamos maravilhados com o seu desempenhoâ€, diz Matusik. Em meros milissegundos, a holografia tensorial pode criar hologramas a partir de imagens com informações de profundidade - que são fornecidas por imagens tipicas geradas por computador e podem ser calculadas a partir de uma configuração multica¢mera ou sensor LiDAR (ambos são padrãoem alguns novos smartphones). Este avanço abre caminho para holografia 3D em tempo real. Além do mais, a rede de tensores compactos requer menos de 1 MB de memória. “a‰ insignificante, considerando as dezenas e centenas de gigabytes disponíveis no celular mais recenteâ€, diz ele.
A pesquisa “mostra que os verdadeiros monitores hologra¡ficos 3D são práticos, com apenas requisitos computacionais moderadosâ€, diz Joel Kollin, um dos principais arquitetos a³pticos da Microsoft que não esteve envolvido na pesquisa. Ele acrescenta que “este artigo mostra uma melhora acentuada na qualidade da imagem em relação ao trabalho anteriorâ€, o que “adicionara¡ realismo e conforto para o visualizadorâ€. Kollin também sugere a possibilidade de que telas hologra¡ficas como essa possam ser personalizadas para a prescrição ofta¡lmica do visualizador. “As exibições hologra¡ficas podem corrigir as aberrações no olho. Isso possibilita uma imagem de exibição mais natida do que o que o usua¡rio poderia ver com contatos ou a³culos, o que são corrige aberrações de baixa ordem, como foco e astigmatismo. â€
“Um salto considera¡velâ€
A holografia 3D em tempo real aprimoraria uma sanãrie de sistemas, de VR a impressão 3D. A equipe afirma que o novo sistema pode ajudar a imergir os visualizadores de RV em um cena¡rio mais realista, ao mesmo tempo que elimina o cansaa§o visual e outros efeitos colaterais do uso de RV a longo prazo. A tecnologia poderia ser facilmente implantada em monitores que modulam a fase das ondas de luz. Atualmente, os monitores de consumo mais acessaveis modulam apenas o brilho, embora o custo dos monitores com modulação de fase cairia se fosse amplamente adotado.
A holografia tridimensional também pode impulsionar o desenvolvimento da impressão 3D volumanãtrica, dizem os pesquisadores. Essa tecnologia pode ser mais rápida e precisa do que a impressão 3D tradicional camada por camada, uma vez que a impressão 3D volumanãtrica permite a projeção simulta¢nea de todo o padrão3D. Outras aplicações incluem microscopia, visualização de dados médicos e o design desuperfÍcies com propriedades a³pticas exclusivas.
“a‰ um salto considera¡vel que pode mudar completamente as atitudes das pessoas em relação a holografiaâ€, diz Matusik. “Sentimos que as redes neurais nasceram para essa tarefa.â€
O trabalho foi apoiado, em parte, pela Sony.