加州大学洛杉矶分校（UCLA）的研究团队开发了一种新型混合投影系统，能够在扩大景深的同时提供超分辨率图像。该研究由 Aydogan Ozcan 和 Mona Jarrahi 教授以及研究生 Hanlong Chen 共同领导，成果已发表在《Light: Science & Applications》期刊上。 该系统由两部分组成：数字编码器和全光学衍射解码器。首先，基于神经网络的数字编码器将输入图像压缩为高度紧凑的相位表示，大幅降低数据传输需求。随后，低分辨率相位投影仪展示这些压缩图案。关键创新在于第二阶段的模拟衍射解码器，它利用被动静态光学层处理相位图案，无需额外电力即可重构出高分辨率图像。这种“混合”设计有效结合了数字处理的灵活性与光学衍射的高效性。 团队在太赫兹和可见光波段均进行了概念验证实验。结果显示，该系统不仅能在宽景深内实现高保真图像合成，还在每个横向平面上实现了最高达 16 倍的空间带宽积提升，突破了传统输入显示设备的限制。此外，测试证明了系统具备强大的外部泛化能力，即使面对未见过的物体类别、结构对准偏差、实验误差或相位量化限制，仍能保持高质量的投影效果。 这项技术显著降低了数据存储和传输要求，且解码端无需功耗，为下一代虚拟现实和增强现实显示系统提供了极具潜力的技术路径。通过被动光学解码，该架构在提升图像质量的同时，有效解决了传统显示技术在数据量和能耗方面的瓶颈问题。