AutoColor：用于多色全息图的学习型光功率控制

多色全息图依赖于来自多个光源的同时照明。这些多色全息图相比传统的单色全息图能更好地利用光源，并能够提升全息显示的动态范围。在本文中，我们提出 AutoColor，这是首个用于估计照明多色全息图所需最优光源功率的学习型方法。为此，我们利用合成图像及其深度信息建立了首个多色全息图数据集。我们使用结合生成式、大语言与单目深度估计模型的流行流水线生成这些合成图像。最后，我们使用我们的数据集训练学习型模型，并通过实验证明 AutoColor 在保持图像质量不变的前提下，将优化多色全息图所需的步数从 >1000 显著减少到 70 个迭代步。