面向6G全息通信的深度学习光场图像压缩与视点合成系统设计.docxVIP

  • 2
  • 0
  • 约1.58万字
  • 约 21页
  • 2026-11-15 发布于北京
  • 举报

面向6G全息通信的深度学习光场图像压缩与视点合成系统设计.docx

PAGE2

面向6G全息通信的深度学习光场图像压缩与视点合成系统设计

摘要

随着6G全息通信对沉浸式体验需求的急剧增长,光场图像因其同时捕获空间与角度信息的能力,成为支撑自由视点显示的核心数据形式。然而,光场数据量庞大,传统压缩方法难以在极低带宽和实时性约束下实现高效传输。

本课题针对光场图像的时空冗余特性,设计并实现了一套端到端轻量化压缩与虚拟视点合成系统,以期将全息通信的传输带宽降低一个数量级。

本文首先分析6G全息通信场景下光场数据传输的瓶颈,梳理功能与非功能需求;进而提出基于深度学习的系统总体架构,将发送端的稀疏视点压缩与接收端的密集视点合成解耦。

在详细设计中,构建了基于可分离卷积的轻量化编解码网络,并引入光流引导的时空上下文聚合模块,以消除空间、角度与时间维度的冗余;视点合成模块则采用多平面图像(MPI)融合与自适应合成网络,由稀疏解码视点生成高质量的虚拟视点。

系统基于PyTorch实现,并在HCI光场数据集上完成测试,实验结果表明,在同等重建质量下,本系统较传统HEVC压缩方案节省约60%的带宽,同时模型参数量仅4.2MB,可满足6G毫秒级传输与终端轻量化部署需求。

第一章绪论

1.1研究背景

全息通信被视为6G网络的标志性应用,它要求实时传输并重建三维场景,使用户获得身临其境的视觉体验。光场图像通过记录光线在空间和角度上的分布,完整保留场景的几何与外观

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档