为什么全息显示不只是“更立体的图片”
人眼观看真实空间时，近处与远处物体会在不同距离对焦；被遮挡的表面会随着视点移动重新出现；玻璃、金属和亮面材质的高光也会持续变化。传统显示把场景压成平面图像，再用双眼视差模拟立体感，容易在焦点、遮挡和材质反馈之间出现割裂。全息显示则直接重建光波，希望把这些视觉线索一并送到眼前。
港大团队由工程学院彭禕帆教授带领，研究通过计算机模拟和实验室显示原型验证。团队把计算机图形学熟悉的三维模型、波动光学的传播计算和基于相机测量的AI校准放进同一条链路，目标是让数字场景进入VR/AR显示时，仍然保留原本的空间结构和光学关系。
网格方法怎样保住几何、深度与视角
第一项方法从动画、工业设计和科学可视化常用的多边形网格出发，不再把场景先切成若干深度平面或固定视点图像。网格直接描述物体表面和深度，因此全息图计算可以持续知道“哪一块表面在哪里”“哪些部分彼此遮挡”，并在观察位置变化时生成相应内容。
算法同时优化光波的振幅与相位，并用相机测量训练校准模型，吸收真实光学系统里的误差。实验结果呈现出更连续的焦点变化、更清晰的细节以及随视点重新显现的表面。对近眼显示而言，这条路线意味着现有三维资产不必先被压扁成一组图片，工业模型、数字展品和空间内容能够以更完整的结构进入显示管线。
HoloPathTracer怎样把材质与光照带进全息图
第二项HoloPathTracer处理的是材质和光照。路径追踪擅长计算光线如何在场景中反射、折射和间接传播，波动光学负责保留形成全息图所需的相位信息。两者结合后，镜面反射、玻璃折射、移动高光、间接照明和不同焦距可以在同一套结果中出现。
团队还通过复用光线路径和缓存部分照明结果，减少连续生成多张全息图时的重复计算。面向动态VR/AR画面，这类优化非常关键：显示系统不仅要算出一帧漂亮画面，还要随着视点、焦点和内容变化持续更新。研究把“真实材质”和“可连续生成”放在一起，为下一代显示管线提供了更清晰的工程方向。
视+AR观察
这项工作最值得应用团队关注的是资产链变化。未来全息近眼显示逐步成熟后，内容制作不再只提交贴图和左右眼画面，而需要保留模型网格、真实尺寸、材质参数、光照关系和语义标签。博物馆数字文物、工业设备、医院空间和商业展陈如果从今天起就按这一结构建立资产库，后续进入手机AR、AR眼镜、数字孪生和全息显示会更顺畅。
EasyAR提供图像识别、空间追踪和多终端开发能力，视+AR可把高质量三维资产组织成导览、培训、维护和互动体验。项目实施时同步管理高精母版、移动端轻量版、材质版本与真实比例，并在不同显示终端上验证焦点、遮挡、亮度和舒适度，就能让同一套内容持续适配新的空间显示形态。
常见问题 FAQ
港大团队发布了哪两项全息显示方法？
一项是基于网格并结合学习校准的全息图合成方法，另一项是把路径追踪与波动光学结合的HoloPathTracer。
为什么网格比深度平面更适合全息图生成？
网格直接保留物体表面、三维几何和深度关系，能够更好处理遮挡与随视点变化的可见内容。
HoloPathTracer主要改善什么？
它重点计算反射、折射、高光、间接照明和焦点变化，让复杂材质在全息重建中更自然。
这些方法已经用什么方式验证？
官方介绍显示，团队通过计算机模拟和实验室显示原型进行了验证。
AR内容团队现在可以做什么准备？
建立保留网格、真实尺寸、材质、语义和版本信息的三维资产库，并持续做跨终端显示测试。
相关生态与进一步了解
外部资料：香港大学：更逼真自然的全息VR/AR显示技术、Nature Communications：Mesh-represented hologram synthesis、HoloPathTracer项目页。
