近年来，市场上出现了各种各样的全息产品，如全息镜框窥镜、全息游戏机/显示器voxon、3D全息投影设备warpe等。然而，在当前的全息技术下，仍有许多问题需要解决。例如，高度依赖性、昂贵的计算硬件、难以普及的功能等。

，麻省理工学院发表的论文“利用深度神经网络的近实时三维全息显示”提出了一种也可用于智能手机的三维建模方法。张量全息用于VR/AR、3D打印、超表面设计、全息、医学成像等镜头。除了全息图，麻省理工学院和索尼公司的研究还可以解决AR/VR动态变焦的问题。

麻省理工学院认为，虚拟现实不如电视和电脑显示器受欢迎的原因之一是它使用2D显示器模拟3D视觉，因此长时间观看会造成视觉冲突和其他不便。为了解决这个问题，麻省理工学院决定使用激光技术来改善三维可视化的感觉，从而减轻人眼的不便。

为什么激光可以解决3D图片和2D显示设备之间的冲突？visa信用卡上的全息贴纸是平的，但如果你改变视角，图片会动态变化。同时，人们的眼睛可以实时调整眼球的聚焦深度。换句话说，激光成像是将光学图像加密成具有不同相位和振幅的干涉图案的过程。

麻省理工学院表示，支持动态深度调整的3D场景效果对于AR/VR、人机交互、教育和教育非常重要。通过多次衍射和干涉模拟，计算全息图可以提供高空间分辨率的三维投影效果。

通常，使用全息图模拟三维物理效应需要以下三个阶段：三维建模、成像点云数据中的RGB-D、生成深度数据，包括光衍射和干涉效应模拟，这可以由超级计算机使用，并且需要很长时间，但这是事实。但现在科学家们已经开发出一种支持实时3D生成和计算的深度学习算法，这种算法可以在笔记本电脑上高速运行。

总之，大容量全息算法的目标是在消费硬件上实时执行三维全息计算。它不仅可以实现全息显示技术的商业化，还可以应用于AR/VR、3D打印等领域。目前，3D全息图产品（如窥镜）的硬件要求非常高，需要gtx1060以上的图形卡才能运行。此外，voxon市场上的激光设备需要集成大型计算机支持，便于携带，并且很难制作出可穿戴的显示设备。

通过这项研究，科研人员解决了以下问题：

1.三维全息屏蔽：在模拟衍射之前重建表面网格，在计算亚全息之前识别前景屏蔽，防止背景透光，实现更真实的屏蔽效果。

2.加速激光计算过程。训练神经网络弯曲，自动物理模拟。

3.编码前对复全息图进行预模糊处理，有效避免图像噪声点和相位封装，有效降低三维图像的假像。

4.研制了一种台式激光圆形投影装置。

更详细地说，全息算法的原理是基于全息技术中包含的光波的亮度、视差和深度信息，而二维图像只能捕获光波的亮度和颜色，而没有深度信息，因此只能输出平面图。换句话说，用照片拍摄的油画只能记录颜色匹配，而用激光拍摄的油画甚至可以显示画笔的3D图案。

与基于visa信用卡激光光束分离原理的静态全息图相比，计算机生成的全息图可以模拟物理光学设备，支持更多的实时和动态显示效果。但是，三维场景中每个点的深度不同，因此计算复杂。用超级计算机渲染需要几秒钟或几分钟。此外，现有的三维全息算法通过搜索表模拟复杂的物理效果。因为它不支持正确的屏蔽效果（背景光传输），所以图片不是真实的。

使用查询表生成全息图就像使用普通的大型全息图元素生成全息图一样。它的精度较低，需要另一个合成程序。科学研究