虚拟实景全息成像系统，为用户提供更逼真的虚拟实景全息成像

全息技术原来越多的被应用于医疗、卫生、教育、可视化、虚拟制造、建筑设计、远程操控、空间技术、娱乐等领域。虚拟现实、增强现实和混合现实正在改变人们对数字世界的感知方式。然而，现实世界中的环境场景都是动态的，为了能够更好地将世界的真实性在数字世界中模拟出来，WIMI微美全息(NASDAQ:WIMI)基于人工智能技术开发了交互性虚拟实景全息成像系统，该系统采用人工智能技术赋能虚拟现实，提高内容质量、优化和推进个性化用户体验、促进用户和技术之间更有效地交互，为用户提供更逼真的虚拟实景全息成像。

WIMI全息成像系统采用人工智能技术应用于全息成像过程。人工智能大大提高了全息成像的操作效率，如跟踪物体、创建三维世界模型、学习模型特征，并对它们做出判断。利用人工智能的深度学习模型可以帮助全息成像系统解释复杂的环境，在全息成像系统中使用更加逼真的模型，并赋予用户更强的情景互动能力，从而优化全息成像的沉浸式体验。人工智能将有助于推动沉浸式技术在消费者和商业领域的应用。

基于人工智能的WIMI虚拟实景全息成像通过将人工智能的深度学习方法应用于全息成像模式上，不仅能规避很多相干成像系统存在的问题，同时还能充分利用其本身全息成像模式的优势。该系统通过使用准确配准的图像数据对深度卷积神经网络(CNN)进行监督优化来实现全息图像相位恢复、相位展开、超分辨率和传感等功能。深度卷积神经网络CNN通常包含数十到数百层的卷积核（滤波器）、偏置项和非线性激活函数。先通过对卷积神经网络中的卷积核、偏置项和非线性激活函数进行训练，然后使用该神经网络用于执行预定义的图像重建任务，通过网络进行一次前向传递，从而重建经过人工智能计算的全息图。该重建过程在使用GPU时通常只需要几分之一秒完成，无需任何迭代、手动调整任何超参数或改进关于图像重建模型所做的物理假设。这种非迭代的单一前向传播重建能力构成了基于深度学习的成像解决方案的主要优势之一。

在人工智能驱动的全息成像系统中，采集的数据量越多，重建的虚拟环境就可能越真实；而更高质量的数据则可以产生同样更高质量的环境，甚至可以为用户创建更个性化的环境。“元宇宙”中所描绘的虚拟世界是复杂的，而构建虚拟世界并不是一项简单的任务。卷积神经网络CNN具有处理复杂图像的能力，并具有学习能力和预测的能力，通过设置可扩展数据管道，可帮助人工智能深度学习模型不断训练、改进模型并优化用户体验。

未来，人工智能有望成为推动全息行业向前发展的引擎，WIMI微美全息(NASDAQ:WIMI)研发团队将进一步研究利用人工智能技术应用于交互性虚拟实景全息成像系统，同时融合全息交互技术，将虚拟物体呈现在真实场景中或在虚拟场景中投入真实物体，让全息成像更真实。