[发明专利]图像显示装置、生成训练神经网络模型的方法和计算机程序

说明书

提供了一种使用相位调制技术以高对比度投影图像的图像显示装置。该图像显示装置包括：经训练的神经网络模型，估计与输出目标图像相对应的相位调制分布；相位调制部，基于由经训练的神经网络模型估计的相位调制分布对入射光执行相位调制；亮度调制部，对从相位调制部输出的相位调制光执行亮度调制；以及控制部，将经过相位调制和亮度调制的入射光输出至预定位置。

技术领域

在本文中公开的技术(在下文中称为“本公开”)涉及使用相位调制技术以高对比度投影图像的图像显示装置、用于生成经经训练的神经网络模型的方法以及计算机程序。

背景技术

用于将视频投影到屏幕上的投影技术早已为人所知，并且具有例如允许同时向多个人投影同一视频的优点。最近，如以4K或8K分辨率举例的改善的内容图像质量已引起与HDR(高动态范围)兼容的投影仪的出现。例如，提出了一种投影仪，该投影仪使用空间光调制器(SLM)对从光源辐射的均匀光执行波前控制，以获得其中更多光线聚集在具有高亮度的区域中的期望强度分布，从而实现HDR(例如，参见PTL 1)。自由形式方法已知为用于获得适于驱动空间光调制器的平滑相位分布函数的方法。

[引用列表]

[专利文献]

[PTL 1]

日本专利公开第2017-520022号

[非专利文献]

[NPL 1]

R.T.Frankot和R.Chellapa，“A method for enforcing integrability inshape from shading algorithms”，IEEE Trans.Pattern Anal.Mach.Intelligence，10(4)：439-451，1988。

[NPL 2]

A.Agrawal、R.Raskar和R.Chellapa，“What is the range of surfacereconstructions from a gradient field？”ECCV，2006,pp.578-591。

发明内容

技术问题

本公开的目的是提供利用相位调制技术投影具有高对比度的图像的图像显示装置、用于生成经训练的神经网络模型的方法、以及计算机程序。

问题的解决方案

本公开的第一方面是一种图像显示装置，包括：经训练的神经网络模型，估计与输出目标图像相对应的相位调制分布；相位调制部，参考由经训练的神经网络模型估计的相位调制分布对入射光执行相位调制；亮度调制部，对从相位调制部输出的相位调制光执行亮度调制；以及控制部，将经过相位调制和亮度调制的入射光输出至预定位置。

参考学习数据来训练经训练的神经网络模型，学习数据包括输入神经网络模型的强度分布和用作训练数据的相位调制分布的集合。可替代地，参照输入神经网络模型的强度分布和基于光线光学模型从神经网络模型估计的相位调制分布所计算的强度分布之间的误差，以无监督方式训练神经网络模型。

此外，本公开的第二方面是一种用于生成估计与目标强度分布对应的相位调制分布的经训练的神经网络模型的方法，该方法包括：输入步骤，将强度分布输入到神经网络模型；评价步骤，评价由神经网络模型从强度分布估计的相位调制分布；以及学习步骤，参考评价的结果训练神经网络模型。

此外，本公开的第三方面是一种用于生成经训练的神经网络模型的方法，该经训练的神经网络模型估计与目标强度分布对应的光线的布局，该方法包括：输入步骤，将强度分布输入到神经网络模型；评价步骤，评价由神经网络模型从强度分布估计的光线的布局；以及学习步骤，参考评价的结果训练神经网络模型。