加州大學洛杉磯分校（UCLA）的工程研究人員開發了一種先進的三維（3D）影像投影系統，能夠在單次光學曝光中同時顯示 28 個不同的深度層。該項目由 UCLA Samueli 工程學院及加州納米系統研究所（CNSI）的奧茲坎（Aydogan Ozcan）教授主導，旨在建立一個緊湊的框架，以提升下一代全息顯示器、醫療影像及虛擬現實介面。研究詳述了一個混合數位-光學架構，有效解決了在密集 3D 影像中常見的視覺失真及串擾問題。
傳統的多層體積投影方法在多個焦平面緊密排列時，經常會導致影像劣化。隨著這些層次的重疊，光場常常會互相滲透，降低深度清晰度，造成嚴重模糊，並減少觀者的視覺鋭利度。
為了克服這些限制，UCLA 的研究團隊利用深度學習來共同優化數位計算編碼器和被動物理光學解碼器。該系統透過將目標視覺數據運行於一個數位神經網絡中，該網絡包含明確的深度及座標指令。此網絡將多層的結構信息壓縮為一個統一的相位模式，代表整個 3D 體積。當光線通過系統時，會碰觸到一系列經過結構優化的衍射表面，這些表面作為類比解碼器，物理上操控光波，將影像的特定組件路由至其指定的深度平面。
這種精確的「光編程」技術使系統能有效抑制鄰近層之間的數據泄漏，即使平面之間的距離接近單一光波長的尺度，仍能保持清晰的視覺分離。
UCLA 研究團隊成功開發先進的 3D 影像投影系統
通過數值建模，團隊展示了該框架能夠有效擴展，以容納被分割為 28 個獨立軸向切片的複雜體積場景。此外，該系統具備動態調整能力，允許操作員在不改變核心物理架構的情況下，根據需求改變投影影像的目標深度位置。為了確認這個數位-光學管道的實際可行性，研究人員建立了一個物理的雙平面硬件原型，使用一個在可見光範圍內運作的單層光學解碼器。實驗測量結果證實，投影的光分佈與目標設計和計算模擬結果非常接近。
該實驗設置的性能顯著超過無輔助的自由空間光學系統，證實了設計在現實世界中的穩定性和準確性。
該編碼器-解碼器架構的緊湊佈局為高解像度體積影像提供了一個能源高效的基礎。除了即時整合進入近眼增強現實（AR）和虛擬現實（VR）頭盔外，這項技術還具備在多深度顯微鏡、實時 3D 醫療可視化及光學計算等應用的潛力。向前推進，研究團隊計劃通過探索多光譜操作來擴展該框架的能力，支持全色投影、多視角全息技術，以及適合商業製造的物理製作多層解碼器的整合。這項研究最初發表於《光：科學與應用》期刊。
