【技术实现步骤摘要】
【国外来华专利技术】图像显示装置、生成训练神经网络模型的方法和计算机程序
[0001]在本文中公开的技术(在下文中称为“本公开”)涉及使用相位调制技术以高对比度投影图像的图像显示装置、用于生成经经训练的神经网络模型的方法以及计算机程序。
技术介绍
[0002]用于将视频投影到屏幕上的投影技术早已为人所知,并且具有例如允许同时向多个人投影同一视频的优点。最近,如以4K或8K分辨率举例的改善的内容图像质量已引起与HDR(高动态范围)兼容的投影仪的出现。例如,提出了一种投影仪,该投影仪使用空间光调制器(SLM)对从光源辐射的均匀光执行波前控制,以获得其中更多光线聚集在具有高亮度的区域中的期望强度分布,从而实现HDR(例如,参见PTL 1)。自由形式方法已知为用于获得适于驱动空间光调制器的平滑相位分布函数的方法。
[0003][引用列表][0004][专利文献][0005][PTL 1][0006]日本专利公开第2017
‑
520022号
[0007][非专利文献][0008][NPL 1][0009]R.T.Frankot和R.Chellapa,“A method for enforcing integrability in shape from shading algorithms”,IEEE Trans.Pattern Anal.Mach.Intelligence,10(4):439
‑
451,1988。
[0010][NPL 2][0011]A.Agrawal、R.Raskar ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种照明装置,包括:经训练的神经网络模型,估计对应于目标强度分布的相位调制分布;以及相位调制部,参照由所述经训练的神经网络模型所估计的所述相位调制分布对入射光执行相位调制。2.根据权利要求1所述的照明装置,其中,所述经训练的神经网络模型直接估计实现与所述目标强度分布对应的光线密度分布的相位调制分布。3.根据权利要求1所述的照明装置,进一步包括:亮度调制部,对来自所述相位调制部的发射光执行亮度调制,其中,所述目标强度分布包括参考通过来自所述亮度调制部的发射光显示的目标图像所计算的目标强度分布,以及所述亮度调制部使用参考所述目标图像计算的亮度调制分布和所述相位调制分布执行亮度调制。4.根据权利要求1所述的照明装置,进一步包括:光接收部,从所述相位调制部接收发射光,其中,参考对所述光接收部的光接收信号的处理结果来设置所述目标强度分布。5.根据权利要求2所述的照明装置,其中,参考学习数据来训练所述经训练的神经网络模型,所述学习数据包括由输入神经网络模型的强度分布和用作训练数据的相位调制分布组成的集合。6.根据权利要求2所述的照明装置,其中,根据输入所述神经网络模型的强度分布和参照传播计算从所述神经网络模型估计的所述相位调制分布计算的强度分布之间的误差,以无监督的方式训练所述神经网络模型。7.根据权利要求2所述的照明装置,其中,根据输入所述神经网络模型的强度分布的倒数与参照传播计算从所述神经网络模型估计的所述相位调制分布计算的强度分布的倒数之间的误差,以无监督的方式训练所述神经网络模型。8.根据权利要求1所述的照明装置,其中,所述经训练的神经网络模型估计对应于所述目标强度分布的光线的布局,以及所述照明装置进一步包括计算部,所述计算部参考所述光线的布局计算相位调制分布。9.根据权利要求8所述的照明装置,其中,所述计算部利用用于从梯度场重构曲面的算法从所述光线的所述布局计算所述相位调制分布。10.根据权利要求8所述的照明装置,其中,参考学习数据来训练所述经训练的神经网络模型,所述学习数据包括由输入所述神经网络模型的强度分布和用作训练数据的所述光线的所述布局组成的集合。11.根据权利要求8所述的照明装置,其中,根据输入所述神经网络模型的强度分布和参照光线光学模型从由所述神经网络模型估计的所述光线的所述布局计算出的强度分布之间的误差,以无监督的方式训练所述经训
练的神经网络模型。12.根据权利要求8所述的照明装置,其中,根据输入所述神经网络模型的强度分布的倒数与参照光线光学模型从由所述神经网络模型估计的所述光线的所述布局计算出的强度分布的倒数之间的误差,以无监督的方式训练所述经训练的神经网络模型。13.一种用于生成经训练的神经网络模型的方法,所述经训练的神经网络模型估计对应于目标强度分布的相位调制分布,所述方法包括:输入步骤,将强度分布输入神经网络模型;评价步骤,评价通过所述神经网络模型从所述强度分布估计的相位调制分布;以及学习步骤,参考所述评价的结果来训练所述神经网络模型。14.根据权利要求13所述的用于生成经训练的神经网络模型的方法,其中,所述评价步骤包括计算基于通过所述神经网络模型从所述强度分布估计的所述相位调制分布与对应于所述强度分布并用作训练数据的相位调制分布之间的误差的损失函数,以及所述学习步骤包括使用所述损失函数来训练所述神经网络模型。15.根据权利要求13所述的用于生成经训练的神经网络模型的方法,其中,所述评价步骤包括计算输入所述神经网络模型的所述强度分布与参考传播计算根据由所述神经网络模型从所述强度分布估计的相位调制分布计算出的强度分布之间的误差,以及所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。