級聯光場傳播突破 3D 全像限制，未經訓練的神經框架將串擾轉為有用訊號

一項發表於 Nature 系列期刊的研究，提出以級聯光場傳播（cascaded light-field propagation）實現體積連續的 3D 動態全像顯示。這項技術的核心突破在於，透過一個未經訓練的神經框架，將傳統全像顯示中長期被視為雜訊來源的串擾（crosstalk）轉化為建設性訊號，讓三維全像影像在整個體積範圍內都能維持連續且清晰的呈現。

全像顯示長期被視為終極的 3D 顯示技術，因為它能重建光場的完整資訊，讓觀看者無需配戴任何裝置就能看到具有真實深度感的立體影像。然而，動態 3D 全像在實務上面臨一個根本性的難題：當多個深度層面的影像同時呈現時，不同層面之間的光學訊號會互相干擾，產生串擾，導致影像模糊或出現偽影。過去的解決方式多半是想辦法抑制或消除串擾，但這往往以犧牲影像亮度或深度連續性為代價。

這項研究採取了截然不同的思路。研究團隊不再試圖消除串擾，而是設計了級聯式的光場傳播模型，讓光在多個階段依序傳播，並以神經網路框架來優化每個階段的光場分布。關鍵在於這個神經框架不需要預先訓練，而是針對每個目標影像直接進行優化，將原本會造成干擾的串擾訊號重新引導，使其成為建構目標影像的一部分。這種「化敵為友」的做法，讓全像影像在整個三維體積內都能達到連續的品質。

業界分析人士指出，這項成果對於擴增實境、虛擬實境與裸視 3D 顯示等應用具有重要意義。目前的 AR 與 VR 頭戴裝置多數仍以雙眼視差模擬立體感，長時間使用容易造成視覺疲勞；真正的全像顯示能提供符合人眼自然聚焦的深度線索，是解決這一問題的理想方案。此外，未經訓練的神經框架也意味著這項方法不依賴大量的訓練資料，具有較好的通用性。

從產業應用來看，動態 3D 全像技術的成熟將影響顯示器、光學元件與運算晶片等多個供應鏈環節。台灣在顯示器與光學元件領域具備深厚基礎，相關業者可持續關注全像顯示技術的演進。

展望後續，這項技術從實驗室走向商業化仍需克服運算效率、顯示元件解析度與系統體積等挑戰。研究團隊的方法是否能與現有的空間光調變器等硬體整合，將是決定其實用化速度的關鍵。