导读

高分辨率计算生成全息全息（CGH）正在向4K及更高分辨率发展，直接使用高分辨率输入有利于保留更多细节，但图像分辨率提升也同步增加了计算量、显存占用和数据传输压力。而采用低分辨率（LR）输入方法虽然可以减少计算负担，却容易损失全息相位生成所需的高频振幅信息。如何在计算效率与重建质量之间取得平衡，成为实时高分辨率全息显示需要解决的问题。

2026年9月，中国科学院合肥物质科学研究院安徽光学精密机械研究所、中国科学技术大学等单位研究团队在 Optics Letters 发表论文 《LiftHolo：lifted amplitude-guided deep learning for accelerated high-quality computer-generated holography》，提出轻量化深度学习框架LiftHolo。

研究将面向全息任务的振幅超分辨率引入相位生成流程，尝试以较低分辨率输入降低计算与传输负担，同时恢复对高质量全息重建有效的振幅信息。与常规图像超分辨率不同，LiftHolo中的振幅提升模块直接受最终全息重建误差约束，其目标是为后续相位估计补充与CGH任务相关的信息。论文进一步通过数值仿真和真实光学实验验证该方法，并讨论了其在不同类型高分辨率图像上的适用边界。

实验要点丨低分辨率输入生成4K全息相位

LiftHolo由振幅超分辨模块EASNet、初始相位估计模块CPEN和全息相位优化模块HPRN组成。EASNet首先将低分辨率振幅提升至目标分辨率，CPEN预测初始相位，两者组成复光场后通过角谱法传播至SLM平面，再由HPRN结合传播后的振幅与相位信息，输出最终加载至空间光调制器的纯相位全息图。

LiftHolo整体流程 / 图源：Xirun Cheng et al., Optics Letters, Vol. 51, No. 17, 2026, Fig. 1

 整套网络采用端到端训练，使振幅恢复直接受最终光学重建误差约束，从而在降低输入数据规模和计算复杂度的同时保留全息重建所需的有效高频信息。

在DIV2K验证集×2输入条件下，LiftHolo仅含约 4.4万参数，计算量约 18 M FLOPs，PSNR达到 33.72 dB，计算复杂度约为高分辨率CCNN-CGH基准的25%。对于3840×2160目标分辨率，输入可降低至1920×1080，相应输入数据规模约为原始4K图像的四分之一。

DIV2K代表性样本的数值仿真结果。三列依次为目标图像、CCNN-CGH和LiftHolo；前两行为×2输入，后两行为×4输入，局部放大区域用于比较细节重建 / 图源：Xirun Cheng et al., Optics Letters, Vol. 51, No. 17, 2026, Fig. 3

论文同时给出了方法的适用边界，这一优势在具有真实高频结构的高分辨率自然图像上更为明显；对于由低分辨率图像人工放大得到的数据，高分辨率原生输入仍可能具有更好的重建指标。

光学验证丨HDSLM36R

为了验证数值结果在真实光学系统中的有效性，研究团队搭建了532 nm计算全息实验平台。系统设置SLM像素间距为 3.6 μm、传播距离为 150 mm，目标全息分辨率为 3840×2160。

实验采用 UPOLabs HDSLM36R空间光调制器，分辨率为 4096×2240、像素尺寸为 3.6 μm。LiftHolo生成的4K纯相位全息图直接加载至HDSLM36R，对入射激光进行相位调制，调制后的光场经过4f系统，并对+1级衍射光进行空间滤波，最终重建图像由相机记录。

物理光学验证系统 / 图源：Xirun Cheng et al., Optics Letters, Vol. 51, No. 17, 2026, Fig. 2

实验结果表明，LiftHolo在物理系统中保持了与CCNN-CGH相当的视觉重建质量，验证了该方法由数值计算向4K实际全息显示系统落地的可行性。由此，论文完成了从低分辨率输入、深度网络相位生成到4K物理全息重建的完整验证链路。

物理全息重建结果。三列依次为目标图像、CCNN-CGH和LiftHolo；前两行为×2输入，后两行为×4输入 / 图源：Xirun Cheng et al., Optics Letters, Vol. 51, No. 17, 2026, Fig. 4 

在实验端，UPOLabs HDSLM36R负责加载4K纯相位全息图并完成真实波前调制，使算法结果进一步进入物理光学系统接受验证，为4K级CGH算法提供了直接的物理实验平台。

结论

LiftHolo围绕高分辨率CGH中的计算效率与重建质量问题，将任务驱动的振幅超分辨率引入相位生成过程，并通过轻量化网络降低高分辨率计算负担。论文以约4.4万参数的模型规模、较低的计算复杂度以及低分辨率输入需求，为带宽受限条件下的高分辨率全息计算提供了新的实现思路。

 随着AI计算全息逐渐向高分辨率、轻量化和实际显示验证发展，空间光调制器正成为算法设计与真实光场之间的重要实验接口。UPOLabs也将持续围绕高分辨率、精细像素与可编程相位调制需求，为计算全息、三维显示及复杂光场研究提供稳定的实验工具。

本文内容依据论文《LiftHolo：lifted amplitude-guided deep learning for accelerated high-quality computer-generated holography》公开发表信息整理。文中涉及UPOLabs产品的描述仅限于论文披露的实验平台配置，不代表论文作者对相关产品进行性能排名或商业推荐。

原文地址：https://doi.org/10.1364/OL.604078

本文转载自UPOLabs微信公众号