Computational Holographie als ein Verfahren zur dreidimensionalen Darstellung kann das Ziellichtfeld basierend auf Beugungsberechnungen präzise rekonstruieren und findet wichtige Anwendungen in Bereichen wie Metaversum-Kommunikation, AR/VR-Headsets, Head-up-Displays im Fahrzeug und weiteren. Wie eine schnelle und hochqualitative Erzeugung von Phasenhologrammen realisiert werden kann, ist eine Schlüsselherausforderung in der Entwicklung der Computational Holographie und ein aktuelles wichtiges Forschungsthema. In den letzten Jahren hat die sprunghafte Entwicklung der Deep-Learning-Technologien einen neuen technischen Weg zur Lösung dieses Problems eröffnet. Dieser Artikel führt die grundlegenden Prinzipien und Algorithmuskategorien der Computational Holographie ein, gibt einen Überblick über neu vorgeschlagene Deep-Learning-basierte Lösungen, vergleicht deren Vor- und Nachteile und skizziert die Entwicklung und Herausforderungen von Deep Learning im Bereich der Computational Holographie.

computationale holographie; deep learning; dreidimensionale darstellung; konvolutionale neuronale netze; flüssigkristall-raumlichtmodulator