Velký průlom pro brýle pro AR! Tým ze Shanghai Jiao Tong University navrhl schéma vyvažování masky, které překonává problém přenosu světla v displejích AR schopných okluze.

V roce 2026 společný tým složený z výzkumníků z univerzity Shanghai Jiao Tong, Graz University of Technology (Rakousko), Nara Institute of Science and Technology (Japonsko) a Zhejiang University of Science and Technology zveřejnil přelomovou studii nazvanou 'Vyvažování masek: Vylepšení dynamické viditelnosti řízené vnímáním pro Occlusion-Capable Head Optical See-EE-Thr' v prestižním časopise Display Optical SeeMounted Transakce v oblasti vizualizace a počítačové grafiky . Studie představuje inovativní řešení 'Mask Balancing', které řeší kritickou průmyslovou výzvu – nadměrně nízkou propustnost světla v reálném světě u okluzních optických průhledných AR head-mounted displejů (OC-OSTHMD) – simultánní optimalizací polarizačních optických drah a lidského zrakového vnímání, čímž odstraňuje klíčovou překážku komercializace spotřebitelských a průmyslových AR brýlí.

I. Core Industry Pain Point: Okluze na úrovni pixelů způsobuje nevratnou ztrátu jasu

Optické průhledné AR head-mounted displeje (OC-OSTHMD) schopné vzájemného okluze mezi virtuálními a skutečnými prvky jsou nezbytné pro vykreslování virtuálních objektů s realistickou hloubkou a bezproblémovou integrací do fyzického prostředí. Využívají modulátory prostorového světla (SLM) k dosažení okluze obrazu na úrovni pixelů, čímž řeší problém „plovoucích fantomů“ spojený s virtuálními obrazy v tradičních poloprůhledných systémech AR. Stávající optické architektury však trpí nevyhnutelnou nevýhodou, pokud jde o přenos světla:

1. Aby se dosáhlo okluzního efektu, světlo z reálné scény musí projít polarizací, což má za následek okamžitou 50% ztrátu jasu;

2. Útlum signálu způsobený vrstvením více komponent – ​​jako jsou SLM, rozdělovače polarizačního paprsku (PBS) a optické slučovače – omezuje teoretickou maximální propustnost světla na méně než 20 %, přičemž skutečné prototypy často dosahují méně než 7 %;

3. Vícenásobné odrazy optické dráhy a spektrální ztráty od polarizačních složek dále snižují okolní jas; ve ztemnělém vnitřním prostředí se pohled na reálný svět stává příliš tmavým, což brání uživateli v pozorování a interakci a představuje bezpečnostní riziko.

Předchozí řešení se zaměřovala především na hardwarové iterace – jako je zvýšení propustnosti SLM, přechod na reflexní technologie LCoS/DMD nebo zkoumání fotochromních materiálů. Optické komponenty však čelí fyzikálním omezením prostupu světla a fotochromní přístupy trpí nevýhodami, jako je pomalá doba odezvy a nedostatečná přesnost okluze na úrovni pixelů, což v podstatě nedokáže vyřešit konflikt mezi úrovněmi jasu ve virtuálním a reálném světě. Vyvažování potřeby realistické hloubky okluze pro virtuální objekty s požadavkem na vysokou viditelnost skutečného světa se stalo kritickým úzkým hrdlem pro masovou komercializaci zařízení AR nové generace.

II. Technická inovace: Dual-Polarization Optical Path Fusion + dynamická modulace řízená vnímáním

Tým z Shanghai Jiao Tong University, který překonal přístup pouhého vylepšování jednotlivých hardwarových komponent, navrhl 'metodu vyvažování masek'. Tato metoda kombinuje nízkonákladové modifikace polarizační optické dráhy s kvantitativním modelem lidského vizuálního vnímání, aby dynamicky upravovala poměr přenosu světla mezi scénou v reálném světě a virtuálními snímky. Celé řešení vyžaduje pouze přidání rotačního lineárního polarizátoru (Balancing LP) ke stávajícímu OC-OSTHMD (Optical See-Through Head-Mounted Display), který nabízí vysokou kompatibilitu a nízké náklady na úpravy.

1. Duální polarizační optická fúzní architektura

Přirozené světlo je rozděleno rozdělovačem polarizačního paprsku do dvou nezávislých polarizačních cest, z nichž každá plní specifickou funkci:

okluzní dráha s polarizací (maskování vidění): Prochází původním optickým systémem AR a využívá SLM k dosažení okluze skutečného světa na úrovni pixelů virtuálním obsahem, což poskytuje pocit prostorové hloubky, i když s významnou ztrátou světla;

P-polarizace přímá přenosová cesta (nativní vidění v reálném světě): Obchází všechny optické komponenty související s okluzí a plně zachovává původní jas okolní scény bez dodatečného útlumu světla.

Systém využívá otočný modul k nastavení úhlu φ mezi lineárním polarizátorem a polarizačním děličem paprsku, čímž přesně řídí přenosové poměry světla reálného světa a světla virtuálního obrazu. Přenosové rychlosti se řídí následujícími vzorci: přímý přenos v reálném světě (T_{pass} = cos^2φ); a přenos pro okludovaný pohled na reálný svět a virtuální obraz (T_{mask}/T_{obraz} = sin^2φ cdot T_{HMD}/T_{displej}). Nastavení tohoto úhlu umožňuje přepínání vizuálního vážení v reálném čase: v prostředí se slabým osvětlením je proporce přímé přenosové cesty zvýšena, aby se rozjasnil pohled na skutečný svět; v prostředí s vysokým osvětlením je poměr přímého přenosu snížen, aby se zvýšil kontrast virtuálních objektů.

2. Systém modulace v reálném čase řízený vnímáním

Celá logika dynamického vyvažování funguje v reálném čase na základě přístupu se dvěma senzory – kombinující sledování očí s vizuální analýzou scény – a je v souladu s principy lidského vizuálního vnímání spíše než se spoléhat pouze na výpočty založené na specifikacích optického hardwaru:

Posouzení viditelnosti v reálném světě: Scénická kamera zachycuje pohled v reálném světě a obraz je rozložen do sedmi úrovní pásmové propusti pomocí pyramidy Peliho kontrastu. Systém zvolí jako vyhodnocovací metriku kontrast střední kvadratické hodnoty (RMS) středofrekvenčního pásma 4,7 cpd (cyklů na stupeň). Integrací Barten Contrast Sensitivity Function (Barten CSF) s údaji o průměru zornice z kamery pro sledování očí systém vypočítá – v reálném čase – minimální prahovou hodnotu kontrastu, kterou lidské oko potřebuje k tomu, aby vnímalo scénu v reálném světě. Pokud viditelnost klesne pod tento standard, systém automaticky upraví úhel polarizace, aby zvýšil jas přímé optické dráhy.

Posouzení viditelnosti virtuálních objektů: Analýza výkonové spektrální hustoty (PSD) se provádí na virtuálních modelech za účelem rozlišení mezi vysokofrekvenčními texturovanými modely (např. javory, vánoční stromky) a nízkofrekvenčními minimalistickými modely (např. králíci, čajové konvice), přičemž ke kvantifikaci jasnosti virtuálních snímků se používá Weberův kontrast. Tým kalibroval prahy vnímání pomocí dvou sad experimentů s lidskými subjekty: kritický Weberův kontrast pro rozpoznávání virtuálních textur byl stanoven na 0,537, zatímco kritický práh pro rozpoznání světelných a stínových efektů byl 0,443. Když kontrast virtuálního obrazu klesne pod tyto prahové hodnoty, systém automaticky zvýší váhu optické dráhy okluze, aby se zlepšila vnímaná textura a definice virtuálních objektů.

Systém využívá Kalmanův filtr k vyhlazení kolísajících dat zornice zachycených kamerou sledující oči, eliminuje hluk zařízení a zajišťuje plynulé a stabilní nastavení během přechodů mezi různými světelnými podmínkami. Sada algoritmů pracuje pomocí paralelismu dvou vláken, přičemž analýza obrazu scény běží nezávisle na hlavním vykreslovacím vláknu; to má za následek nízkou výpočetní režii, díky čemuž je kompatibilní s běžnými vykreslovacími moduly AR v reálném čase.

III. Experimenty lidského vnímání: Kvantifikace vizuálních prahů a validace navrženého schématu

Aby tým vytvořil přesnou základní linii pro rovnováhu vnímání, provedl tři sady standardizovaných uživatelských experimentů – všechny schválené Etickým výborem pro lidský výzkum na univerzitě Shanghai Jiao Tong – a najal celkem 36 účastníků se zkušenostmi s AR nebo počítačovou grafikou.

1. Experiment s vnímáním virtuální textury (12 účastníků): Textury velkých, středních a malých velikostí byly použity k simulaci virtuálních objektů s různými prostorovými frekvencemi pokrývajícími čtyři úrovně vnitřního okolního osvětlení (29–626 cd/m²). Výsledky ukázaly, že vysokofrekvenční jemné textury vyžadovaly vyšší kontrast pro vizuální rozpoznání, zatímco prahy rozpoznávání pro středně a nízkofrekvenční modely se lišily minimálně. Faktory, jako je pohlaví, zkušenost s používáním AR a velikost žáků, neměly žádný významný vliv na prahy vnímání, což ukazuje na vysoce konzistentní vzorce vnímání napříč skupinou účastníků.

2. Experiment s virtuálním osvětlením a vnímáním stínů (24 účastníků): Byly porovnány spárované virtuální modely (např. čajová konvice, robot, vánoční stromeček) – jeden s odrazy osvětlení/stínů a jeden bez. Účastníci upravovali úhel polarizace, dokud se oba modely nezdály vizuálně identické. Experiment ukázal, že světelné a stínové efekty neodmyslitelně obsahují vysokofrekvenční detaily, což umožňuje jejich snadné rozlišení i na nízkofrekvenčních geometrických modelech; prostorová frekvence nevykazovala žádný statisticky významný vliv na prahy vnímání pro osvětlení a stíny.

3. Komplexní srovnávací experiment ve scénářích s více osvětlením (12 účastníků): Byl zkonstruován stolní prototyp pro simulaci čtyř skutečných světelných podmínek: vnitřní osvětlení vypnuté (8 cd/m²), vnitřní osvětlení zapnuté (135 cd/m²), venkovní zastíněné (287 cd/m²) a venkovní jasné světlo; (414 cm2; Bylo provedeno slepé srovnání mezi třemi podmínkami: navrhované řešení (MB), tradiční neokluzivní AR (AR) a náhlavní soupravy se statickou okluzí (OC).

· Vnitřní prostředí se slabým osvětlením: Tradiční AR si držela prvenství (47 %), těsně následovaná tímto řešením (44 %), zatímco tradiční okluzní pomůcky zaostávaly pouze s 8 %;

· Světlé vnitřní prostředí: Toto řešení vedlo s 42% preferenční sazbou;

· Scénáře venkovního jasného světla / stínu: Toto řešení dosáhlo míry preferencí 58 % a 53 %, což výrazně překonalo tradiční řešení;

· Celkové hodnocení: 50 % účastníků preferovalo balanční systém založený na masce, 36 % zvolilo tradiční okluzní náhlavní soupravy a pouze 14 % zvolilo standardní průhlednou AR.

Záběry ze skutečného světa jasně demonstrují rozdíly: s tradiční AR založenou na okluzi se pohled na reálný svět jeví ve všech prostředích silně vybledlý; se standardní neokluzivní AR virtuální obsah v jasném venkovním světle prakticky zmizí; naproti tomu technologie vyvažování masek adaptivně upravuje jas – zachovává jasný pohled na skutečný svět v interiéru a zároveň plně zachovává textury, osvětlení a stíny virtuálních objektů v jasných venkovních podmínkách – a zajišťuje tak optimální vizuální zážitek v obou scénářích.

IV. Hodnota aplikace a změna paradigmatu v celém odvětví

1. Různé scénáře implementace

Tento technologický průlom přesahuje spotřebitelské brýle AR a nabízí nesmírnou praktickou hodnotu v profesionálním průmyslovém prostředí:

· Průmyslové O&M: Překrývání plánů a poznámek během údržby zařízení při zachování jasného pohledu na fyzickou mechanickou strukturu;

· Lékařská pomoc: Intraoperační překrývání snímků a rehabilitační trénink, kombinující reálný pohled na lidské tělo s digitálními anotacemi;

· Aplikace, jako je vzdělávání a školení, navigace ve vozidle, vzdálená spolupráce a architektonický design, výrazně zvyšují použitelnost zařízení AR ve složitých světelných prostředích.

2. Nový přístup k designu displeje AR

Tento výzkum navrhuje změnu paradigmatu v tomto odvětví: zatímco optický design AR se dříve zaměřoval především na optimalizaci fyzických parametrů, jako je hardwarová propustnost světla a rozlišení, tato studie ukazuje, že lidské vizuální vnímání je kritickou dimenzí designu, kterou nelze přehlédnout. Předchozí výzkum týmu potvrdil významný rozpor mezi skutečným lidským vizuálním vnímáním a měřeními provedenými optickými přístroji, což naznačuje, že samotná optimalizace hardwaru nemůže dosáhnout nejlepšího vizuálního zážitku. Schéma řízení založené na vnímání může překonat fyzická omezení optického hardwaru; současně zvyšuje kvalitu zobrazení ve virtuálním i reálném světě – aniž by byla ohrožena velikost zařízení nebo náklady – a zároveň zajišťuje uživateli vizuální komfort a provozní bezpečnost.

V. Současná omezení a budoucí směry výzkumu

V současném prototypu desktopu je stále prostor pro optimalizaci a tým naplánoval následující směry pro budoucí iterace:

Optimalizace přesnosti okluze: Zjasnění v reálném světě může způsobit mírný únik světla na hranicích okluze; budoucí vylepšení to zmírní integrací mikro-OLED s vysokým jasem, algoritmů kompenzace barev a strategií vyvažování zaměřených na úkoly (upřednostňující přesnost virtuální okluze ve vysoce přesných modelovaných scénách).

Plynulé nastavení jasu: Současné rychlosti rotace polarizace jsou vysoké, což vede k náhlým změnám jasu, které mohou způsobit zrakové nepohodlí; budoucí vývoj se zaměří na algoritmy pro plynulé, postupné přechody jasu.

Prototyp binokulární adaptace: Současný přístroj je monokulární; další krok zahrnuje vybudování systému vyvažování binokulární masky a začlenění binokulárního modelu vnímání vizuálního kontrastu.

Automatická spektrální klasifikace objektů: Umožňuje automatické rozpoznání vysokofrekvenčních a nízkofrekvenčních vlastností virtuálních objektů v reálném čase, čímž eliminuje potřebu ruční konfigurace prahů vnímání.

Technologie vyvažování masek navržená týmem na Shanghai Jiao Tong University řeší dlouhodobý konflikt jasu, který brání širokému přijetí optické průhledné AR. Díky kombinaci hardwarových vylepšení pro optické cesty s duální polarizací s algoritmem dynamického vyvažování řízeným vnímáním je řešení snadné implementovat a je kompatibilní s běžnými optickými architekturami AR. Ověřeno prostřednictvím rozsáhlých experimentů na lidských subjektech a různých scénářů osvětlení, současně zlepšuje viditelnost skutečného prostředí a realistickou texturu virtuálních objektů za všech podmínek – od tmavého vnitřního prostředí po světlá venkovní prostředí. Hlubokou integrací vědy o vizuálním vnímání s inženýrstvím zobrazování na blízkém oku tato technologie dláždí novou cestu optimalizace pro AR brýle nové generace a nabízí životaschopné řešení pro celodenní nasazení AR zařízení v reálném světě ve spotřebitelském, průmyslovém a lékařském sektoru, čímž posouvá optickou průhlednou AR od laboratorních prototypů k praktickým produktům.

Zdroj: CINNO