在数字影像飞速发展的今天，如何让普通的二维图像“跃然于眼前”，呈现出逼真的三维立体观看效果，是全息显示领域的重要挑战。近日，在庄松林院士指导下，上海理工大学张大伟教授领衔的超精密光学制造团队常琛亮特聘教授指导硕士研究生赵陈洲，提出了一种全新的端到端卷积神经网络方法，可直接将二维图片转换为全彩三维全息图像。相关研究成果以“二维图像到彩色三维全息的端到端卷积神经网络方法”（Conversion of 2D picture to color 3D holography using end-to-end convolutional neural network）为题，发表在高影响力光学期刊《PhotoniX》（中科院1区期刊，影响因子19.1）上。常琛亮教授与硕士生赵陈洲为论文的第一作者，张大伟教授为论文的通讯作者。

基于神经网络的从2D到3D全彩全息显示系统示意图

长期以来，计算机生成全息图（CGH）的计算过程需要三维模型或深度信息作为输入，这不仅增加了数据获取的难度，也使实时计算成为瓶颈。针对这一问题，团队提出的端到端神经网络方法彻底跳过了深度估计步骤，直接学习从二维图像到三维全息波前的映射关系。网络训练采用大规模合成数据集，经过优化后能够以毫秒级速度生成高质量的全彩色相位全息图，从而实现二维到三维的直接跨维度转换。实验结果表明，该方法重建的三维图像具有清晰的层次感和自然的聚焦效果，重建质量与传统深度估计+全息生成的两步法相当，但速度提升了一个数量级。在实验平台上，研究团队利用空间光调制器（SLM）成功实现了多类二维图片的三维全彩全息再现，包括合成图像、自然图像以及实拍照片，均展现出稳定的立体重建效果。

该研究突破了二维图像生成三维全息的传统技术瓶颈，为全息显示的全彩、实时化、低成本化提供了新的解决方案。未来，这一技术有望应用于虚拟现实、增强现实、裸眼3D显示等前沿领域，推动元宇宙和沉浸式显示的发展。

论文链接：https://photonix.springeropen.com/articles/10.1186/s43074-025-00186-3