CV-HoloSR: 体積サンプリングによる 3 次元シーンからホログラムへホログラムの超解像

arXiv:2604.10393v1 Announce Type: new 抽象: 既存のホログラム超解像 (HSR) 手法は主にアングル・オブ・ビューの拡大に焦点を当てています。これらを体積空間のアップサンプリングに適応させると、嚴重的二次的な深度歪みが発生し、3 次元の焦点精度が劣化します。我々は、体積アップサンプリング中の物理的に一貫した線形深度スケールを保持するように設計された複素数値 HSR フレームワーク「CV-HoloSR」を提案します。複素数値残差濃密ネットワーク (CV-RDN) 上に構築し、新しい深度感知の能感知的構築損失で最適化されたこのモデルは、過剰な平滑化を抑制し、鋭い高周波数干渉パターンを回復させます。この支援のために、最大 4K の解像度を持つ包括的な大深度範囲データセットを導入しました。さらに、大規模な目標体積へスケーリングする際の事前学習エンコーダーに内在する深度バイアスを克服するため、複素数値低ランク適応 (LoRA) を利用したパラメータ効率的な微調整戦略を統合しました。広範な数値的および物理的光学的実験は、我々の手法の優位性を示唆しました。CV-HoloSR は、最先进的基準と比較して 32% の可視的現実性 (LPIPS 0.2001) の向上を達成しました。さらに、我々のカスタム LoRA 戦略はわずか 200 サンプルを必要とし、トレーニング時間を 22.5 時間の 5.2 時間に短縮し、未見の深度範囲と新しいディスプレイ構成に事前学習されたバックボーンを成功裏に適応させました。

arXiv:2604.10393v1 Announce Type: new Abstract: Existing hologram super-resolution (HSR) methods primarily focus on angle-of-view expansion. Adapting them for volumetric spatial up-sampling introduces severe quadratic depth distortion, degrading 3D focal accuracy. We propose CV-HoloSR, a complex-valued HSR framework specifically designed to preserve physically consistent linear depth scaling during volume up-sampling. Built upon a Complex-Valued Residual Dense Network (CV-RDN) and optimized with a novel depth-aware perceptual reconstruction loss, our model effectively suppresses over-smoothing to recover sharp, high-frequency interference patterns. To support this, we introduce a comprehensive large-depth-range dataset with resolutions up to 4K. Furthermore, to overcome the inherent depth bias of pre-trained encoders when scaling to massive target volumes, we integrate a parameter-efficient fine-tuning strategy utilizing complex-valued Low-Rank Adaptation (LoRA). Extensive numerical and physical optical experiments demonstrate our method's superiority. CV-HoloSR achieves a 32% improvement in perceptual realism (LPIPS of 0.2001) over state-of-the-art baselines. Additionally, our tailored LoRA strategy requires merely 200 samples, reducing training time by over 75% (from 22.5 to 5.2 hours) while successfully adapting the pre-trained backbone to unseen depth ranges and novel display configurations.