Rate-Adaptive Vector-Quantized HoloNet (RAVQ-HoloNet), kompleks qiymətli holoqrafik dalğa sahələrini diskret latent kodlara sıxan, bu kodları ötürmə zolağı tələbinə əsasən müxtəlif kod kitabı ölçüləri ilə ötürə bilən və qəbuledici tərəfdə yalnız fazalı holoqram yaradan dərin öyrənmə çərçivəsidir. Sistem iyerarxik VQ-HoloNet encoder–decoder arxitekturasını Seq2Seq əsaslı kod kitabı uyğunlaşdırılması və ANS entropiya kodlaşdırılması ilə birləşdirir. Beləcə fərqli bit sürətləri üçün ayrı şəbəkələr saxlamaq əvəzinə eyni öyrədilmiş model daxilində bir neçə sıxılma səviyyəsi dəstəklənir.

Tədqiqatda DIV2K verilənlər dəstində iki konfiqurasiya araşdırılmışdır: aşağı bit sürəti üçün VQ-HoloNet (low) və daha da aşağı sürətlər əldə etmək məqsədilə latent fəzanı daha çox kiçildən VQ-HoloNet (ultra low). Set1 nəticələrində low model 1,79 Bpp-də 29,43 dB PSNR əldə etdiyi halda, müqayisə edilən DPRC High Quality modeli 29,67 dB üçün 3,50 Bpp istifadə edir. Low model üçün rate–distortion əyriləri üzrə −%33,91 BD-Rate və +1,02 dB BD-PSNR üstünlüyü bildirilir.

Tədqiqat həmçinin faza naxışlarını real Spatial Light Modulator (SLM) üzərində göstərərək fiziki optik rekonstruksiyalar yaratmışdır. Bu təcrübələrdə model təxminən 0,5 Bpp müqayisəsində SGD+JPEG və DPRC ilə müqayisədə daha yüksək kontrast və daha kəskin obyekt kənarları göstərmişdir. Bununla belə, iş 2D holoqrafiya ilə məhdudlaşır; RGB kanalları ayrı modellərlə işlənmiş və fiziki laboratoriya qurğusunun dalğa uzunluğu ilə yayılma məsafəsi simulyasiya şərtlərindən fərqlənmişdir. Buna görə nəticələr bütün real vaxtlı 3D AR/VR sistemləri üçün birbaşa təsdiqlənmiş performans sayılmamalıdır.

RAVQ-HoloNet Nədir?

RAVQ-HoloNet holoqram yaradılmasını və holoqram sıxılmasını bir öyrənilə bilən emal zəncirində birləşdirən, kod kitabının ölçüsünü dəyişərək eyni öyrədilmiş şəbəkə ilə fərqli bit sürətlərində işləyə bilən iyerarxik vektor-kvantlaşdırmalı holoqrafiya sıxılma sistemidir.

Holoqrafik təsvirlərdə yalnız görüntü parlaqlığı deyil, işıq dalğasının faza quruluşu da vacibdir. Buna görə təbii görüntülər üçün hazırlanmış JPEG, H.264 və ya oxşar ümumi təyinatlı sıxılma üsulları yüksək tezlikli holoqrafik faza naxışlarını ciddi şəkildə poza bilər. Faza naxışındakı kiçik xəta belə yayılmadan sonra rekonstruksiya müstəvisində nəzərəçarpan təhrifə çevrilə bilər.

Bu səbəbdən tədqiqatın məqsədi yalnız “holoqram faylını kiçiltmək” deyil. Sistem giriş təsviri və ya mövcud kompleks holoqramdan başlayaraq fiziki yayılma ilə uyğun yalnız fazalı holoqram yaradılmasını, latent təmsilin kvantlaşdırılmasını, ötürmə bit sürətinin tənzimlənməsini və qəbuledici tərəfdə rekonstruksiyanı eyni arxitekturada nəzərdən keçirir.

Birinci mərhələ: kompleks holoqramın yaradılması

Giriş intensivlik təsviridirsə, təsvir əvvəlcə tərs qamma korreksiyası və kvadrat kök əməliyyatı ilə hədəf amplitudaya \(A_t\) çevrilir. Əvvəlcədən öyrədilmiş U-Net başlanğıc fazanı \(P_t\) yaradır. Hədəf amplituda və başlanğıc faza birlikdə obyekt müstəvisində kompleks işıq sahəsini təşkil edir.

Bu sahə daha sonra zolağı məhdudlaşdırılmış Angular Spectrum Method (ASM) ilə holoqram müstəvisinə yayılır. Nəticədə holoqram müstəvisində amplituda \(A_h\) və faza \(P_h\) alınır. VQ-HoloNet yalnız bu holoqramdan deyil, obyekt müstəvisinin amplituda məlumatından da istifadə edərək yayılma zamanı itə biləcək informasiyanı qismən kompensasiya etməyə çalışır.

İyerarxik VQ-HoloNet arxitekturası

VQ-HoloNet iki iyerarxik encoder və iki decoder səviyyəsindən ibarətdir. Aşağı encoder \(E_1\) daha detallı məkan xüsusiyyətlərini, yuxarı encoder \(E_2\) isə daha mücərrəd və aşağı ayırdetməli strukturları təmsil edir. Yuxarı latent əvvəlcə kvantlaşdırılıb dekodlanır; sonra aşağı latentlə birləşdirilib ikinci kvantlaşdırma mərhələsinə daxil edilir.

Bu yanaşmanın məqsədi holoqramdakı həm iri miqyaslı strukturları, həm də yüksək tezlikli detalları ayrı iyerarxik səviyyələrdə saxlamaqdır. Encoder bloklarında konvolyusiya qatları və residual bloklar, decoder tərəfində isə residual bloklar və transposed convolution qatları istifadə olunur. Son decoder qatı miqyaslanmış tanh aktivləşməsi ilə faza qiymətlərini SLM uyğunluğu üçün \([-\pi,\pi]\) intervalına xəritələndirir.

Vektor kvantlaşdırılması

Encoder-in fasiləsiz çıxışını ötürməyə uyğun diskret təmsilə çevirmək üçün vector quantization tətbiq edilir. Giriş holoqramı \(x=(A_h,P_h)\) üçün kvantlaşdırılmış latent:

\[ z_q(x)=Q(E_\theta(x)\mid e) = \underset{0\le i\le K}{\operatorname{argmin}} \left\|E_\theta(x)-e_i\right\|_2 \]

ilə seçilir. \(E_\theta(x)\) encoder çıxışı, \(e_i\) kod kitabındakı \(i\)-ci kod vektoru, \(K\) isə kod vektorlarının ümumi sayıdır. Hər latent vektor Evklid məsafəsinə görə özünə ən yaxın öyrənilə bilən kod vektoru ilə əvəz edilir.

Yalnız fazalı holoqram daha sonra decoder tərəfindən:

\[ \tilde P_h=D_\phi(z_q(x)) \]

şəklində yaradılır. Beləliklə qəbulediciyə böyükölçülü fasiləsiz tensorlar əvəzinə kod kitabı indekslərinin ötürülməsi mümkün olur.

Bir Modeldə Sürət Uyğunlaşdırılması Necə Təmin Edilir?

Sürət uyğunlaşdırılması VQ-HoloNet-in ilkin kod kitabının LSTM əsaslı Seq2Seq encoder–decoder vasitəsilə daha kiçik kod kitablarına çevrilməsi və qəbuledicinin eyni decoder-i müxtəlif kod kitabı ölçüləri ilə işlədə bilməsi hesabına təmin olunur; beləliklə bit sürəti dəyişəndə yeni holoqram sıxılma şəbəkəsini öyrətməyə ehtiyac qalmır.

Əsas kod kitabı \(K=4096\) ədəd, hər biri 128 ölçülü kod vektorundan ibarətdir. Seq2Seq modelinin hədəf kod kitabı ölçüsü \(\tilde K\) öyrətmə zamanı 512 ilə 4096 arasında dəyişə bilər. Tətbiqin qiymətləndirilməsində yaddaş uyğunlaşdırmasına əsasən:

\[ \tilde K\in\{512,1024,2048,4096\} \]

qiymətlərindən istifadə olunmuşdur.

Seq2Seq hissəsi LSTM vahidlərindən ibarətdir. Kod vektorları cümlədəki sözlərə bənzəyən ardıcıl elementlər kimi götürülür: encoder ilkin kod kitabını təmsil vektoruna sıxır, decoder isə tələb olunan ölçüdə yeni kod kitabı yaradır.

Tədqiqatın göndərən–qəbul edən ssenarisində müxtəlif ölçülü yaradılmış kod kitabları əvvəlcədən həm göndərən, həm də qəbul edəndə saxlanıla bilər. Ötürmə zamanı tam 128 ölçülü vektorlar göndərilmir; yalnız seçilmiş kod kitabındakı elementlərə işarə edən indekslər ötürülür. Bu indekslər Asymmetric Numeral Systems (ANS) ilə itkisiz entropiya kodlaşdırılaraq bit axınına çevrilir.

Low və ultra-low konfiqurasiyaları

Mənbənin arxitektura təsvirinə əsasən VQ-HoloNet (low) üçün aşağı və yuxarı latent ayırdetmələri müvafiq olaraq:

\[ \frac{H}{4}\times\frac{W}{4}, \qquad \frac{H}{8}\times\frac{W}{8} \]

olduğu halda, VQ-HoloNet (ultra low) əlavə downsampling qatı istifadə edərək:

\[ \frac{H}{8}\times\frac{W}{8}, \qquad \frac{H}{16}\times\frac{W}{16} \]

ayırdetmələrinə enir. İkinci konfiqurasiya daha az latent elementlə daha aşağı bit sürətini hədəfləyir.

Mənbədaxili uyğunsuzluq: Sonrakı implementation bölməsində 1072×1920 giriş üçün rəqəmsal latent ayırdetmələrin adlandırılması bu təsvirin əksi kimi görünür. Buna görə Verianla izahında arxitektura bölməsinin riyazi \(H/4,H/8,H/16\) tərifi saxlanılmış, rəqəmsal sətir səssizcə düzəldilməmişdir.

Fizikaya Əsaslanan Rekonstruksiya İtkisi Niyə İstifadə Edilir?

Fizikaya əsaslanan rekonstruksiya itkisi decoder-in yaratdığı faza xəritəsini yalnız piksel səviyyəsində müqayisə etmək əvəzinə işığın sərbəst fəzada həqiqi yayılmasını diferensiallana bilən ASM modeli ilə hesablayıb hədəf obyekt müstəvisində amplitudanı birbaşa optimallaşdırmaq üçün istifadə olunur.

VQ-HoloNet-in ilk öyrətmə mərhələsində ümumi məqsəd:

\[ L_{\mathrm{framework}} = L_{\mathrm{LatentVQ}}(e) + L_{\mathrm{VQReconstruct}}(e) \]

şəklindədir.

Vektor kvantlaşdırma itkisi iki hissədən ibarətdir:

\[ L_{\mathrm{LatentVQ}}(e) = \left\| \operatorname{sg}[E_\theta(x)]-z_q(x) \right\|_2^2 + \beta \left\| \operatorname{sg}[z_q(x)]-E_\theta(x) \right\|_2^2 \]

Burada \(\operatorname{sg}[\cdot]\) stop-gradient əməliyyatını, birinci termin codebook loss-u, ikinci termin commitment loss-u, \(\beta\) isə commitment çəkisini göstərir. Tədqiqatda \(\beta=0,25\) istifadə edilmişdir. Kvantlaşdırma əməliyyatı birbaşa diferensiallana bilmədiyindən gradient straight-through estimator vasitəsilə ötürülür.

Angular Spectrum Method

Amplituda \(a(x,y)\) və faza \(\phi(x,y)\) sahəsinin \(d\) məsafəsinə yayılması Fourier fəzasında:

\[ f_p^d(\phi,a) = \mathcal{F}^{-1} \left\{ \mathcal{F} \left[ a(x,y)e^{i\phi(x,y)} \right] H(f_x,f_y,d) \right\} \]

kimi ifadə olunur.

Zolağı məhdudlaşdırılmış yayılma nüvəsi:

\[ H(f_x,f_y,d)= \begin{cases} \exp\left[ i\frac{2\pi d}{\lambda} \sqrt{1-(\lambda f_x)^2-(\lambda f_y)^2} \right], & f_x^2+f_y^2<\frac{1}{\lambda^2} \\ 0, & \text{aksi halde} \end{cases} \]

şəklindədir. \(f_x\) və \(f_y\) məkan tezliklərini, \(\lambda\) dalğa uzunluğunu, \(d\) isə yayılma məsafəsini göstərir. Yüksək məkan tezlikləri fiziki kəsilmə həddinin xaricində sıfırlanır.

Üçkomponentli rekonstruksiya itkisi

Model hədəf amplituda ilə yayılmadan sonra alınan rekonstruksiya arasındakı xətanı üç ayrı baxımdan qiymətləndirir:

\[ L_{\mathrm{VQReconstruct}} = a_{\mathrm{MSE}}L_{\mathrm{MSE}} + a_{\mathrm{MS-SSIM}} (1-L_{\mathrm{MS-SSIM}}) + a_{\mathrm{WFFT}}L_{\mathrm{WFFT}} \]

MSE piksel səviyyəli rəqəmsal xətanı, MS-SSIM çoxmiqyaslı struktur oxşarlığını, Watson-DFT isə tezlik fəzasındakı qavrayış təhrifini təmsil edir. Müqayisəli təcrübələrdə çəkilər \(w_{\mathrm{MSE}}=1\), \(w_{\mathrm{MS-SSIM}}=0,1\) və \(w_{\mathrm{WFFT}}=0,025\) olmuşdur.

İlk \(N=100\) epoch ərzində VQ-HoloNet warm-up öyrətməsi aparılır. Sonra Seq2Seq hissəsi aktivləşdirilir və itki ilkin kod kitabı \(e\) əvəzinə uyğunlaşdırılmış kod kitabı \(\tilde e\) istifadə edəcək formada:

\[ L_{\mathrm{framework}} = L_{\mathrm{LatentVQ}}(\tilde e) + L_{\mathrm{VQReconstruct}}(\tilde e) \]

halına keçir.

Tədqiqatın təsdiqlədiyi və təsdiqləmədiyi məqamlar

Tədqiqatın dəstəklədiyi: Araşdırılmış DIV2K test dəstləri və göstərilən optik/rəqəmsal şəraitdə RAVQ-HoloNet, DPRC və JPEG əsaslı müqayisələrlə müqayisədə daha aşağı bit sürətində rəqabətədavamlı və ya daha yüksək rate–distortion performansı göstərə bilər. Eyni model ailəsində kod kitabı ölçüsünü dəyişərək müxtəlif bit sürətləri təmin edilə bilər.

Tədqiqatın dəstəkləmədiyi: Nəticələr bütün holoqrafik ekranlarda, bütün 3D səhnələrdə, hər şəbəkə şəraitində və ya kommersiya AR/VR qurğularında eyni qazancın zəmanətli olduğunu göstərmir. 3D, RGB-D, gaze-driven və camera-in-the-loop versiyaları bu işin təsdiqlənmiş nəticələri deyil, gələcək tədqiqat istiqamətləridir.

Tədqiqatın Metodu və Nəticələri

Verilənlər dəsti və optik simulyasiya

Modelin qiymətləndirilməsində DIV2K verilənlər dəstinin 800 təsvirlik təlim mənbəyi istifadə olunmuşdur. Test üçün iki ayrıca dəst müəyyən edilmişdir: əvvəllər DPRC tərəfindən istifadə edilmiş 100 təsvirlik DIV2K validation alt dəsti Set1, DIV2K-nin 50 təsvirlik test alt dəsti isə Set2 adlandırılmışdır.

Simulyasiyada holoqram müstəvisinin piksel addımı 6,4 µm-dir. RGB işıq üçün 450 nm mavi, 520 nm yaşıl və 638 nm qırmızı dalğa uzunluqları istifadə olunmuşdur. Obyekt və holoqram müstəviləri arasındakı yayılma məsafəsi 20 cm-dir. Dalğa uzunluğundan asılı difraksiya səbəbilə hər rəng kanalı üçün ayrı model öyrədilmişdir.

Hesablama infrastrukturu və öyrətmə parametrləri

Set1 kəmiyyət nəticələri

VQ-HoloNet (low) DPRC High Quality ilə təxminən eyni PSNR səviyyəsini təxminən yarı Bpp ilə əldə edir. Bunun əvəzində SSIM təxminən %3 aşağı, LPIPS isə 0,05 yüksəkdir. Ultra-low konfiqurasiyası bit sürətini low modelə görə təxminən %78 azaltdığı halda PSNR təxminən %13 azalır.

Decoding vaxtları yalnız neural decoder-i deyil, entropy decoding-i də əhatə edir. VQ-HoloNet-in kod kitabı indekslərini lookup table vasitəsilə birbaşa kod vektorlarına çevirməsi DPRC-nin hyperprior hesablamaları ilə müqayisədə daha qısa decoding vaxtının əsas arxitektura səbəbidir.

Set2 nəticələri

Set2-də RAVQ-HoloNet (low) DPRC Mid Quality ilə demək olar eyni bit sürətində daha yüksək PSNR əldə edir; DPRC High Quality ilə müqayisədə isə daha aşağı Bpp hesabına oxşar, lakin bir qədər aşağı rekonstruksiya keyfiyyəti verir.

Rate–distortion performansı

Set1 üzrə PSNR, SSIM və LPIPS-in Bpp-yə qarşı qurulduğu rate–distortion əyrilərində RAVQ-HoloNet SGD+JPEG, WirtingerSGD+JPEG və HoloNet+JPEG kombinasiyalarından nəzərəçarpacaq dərəcədə yaxşı nəticə göstərir. Mənbə xüsusilə JPEG-in DCT əsaslı kvantlaşdırılmasının yüksək tezlikli phase-only naxışlar üçün problemli olduğunu qeyd edir.

DPRC ilə müqayisədə Bjøntegaard qiymətləndirməsində low konfiqurasiyası üçün:

BD-Rate: −%33,91

BD-PSNR: +1,02 dB

bildirilmişdir. Mənfi BD-Rate qiyməti müqayisə edilən rate–distortion intervalında oxşar keyfiyyət üçün orta bit sürətinin daha aşağı olduğunu göstərir.

Keyfiyyət baxımından rekonstruksiyalar

Rəqəmsal nümunələrdə aslan xəzi, insan üzündəki incə qırışlar, tutuquşu lələkləri və az işıqlı səhnə detalları qiymətləndirilmişdir. Məsələn, tutuquşu təsvirində RAVQ-HoloNet təxminən 34,400 dB PSNR-ni 1,630 Bpp ilə əldə etdiyi halda, DPRC oxşar PSNR üçün 2,620 Bpp istifadə edir. Digər qaranlıq səhnədə RAVQ-HoloNet 32,654 dB səviyyəsində rekonstruksiyanı 1,740 Bpp ilə yaradır, DPRC-nin müqayisə edilən çıxışı isə 3,120 Bpp istifadə etmişdir.

Kod kitabının ölçüsü 512-dən 4096-ya yüksəldikcə həm low, həm də ultra-low konfiqurasiyalarında rekonstruksiya detallarının və kənar kəskinliyinin yaxşılaşdığı vizual nümunələrdə göstərilmişdir. Bu, kod kitabı ölçüsünün bit sürəti–keyfiyyət kompromisini birbaşa idarə etdiyini dəstəkləyir.

Fiziki SLM təcrübə qurğusu

Laboratoriya təcrübəsində 813 nm dalğa uzunluqlu güclü M2 Titanium Sapphire lazerindən istifadə olunmuşdur. Elliptik və astiqmatik ilkin şüa silindrik linzalardan ibarət beam-shaping modulu ilə 6 mm diametrli dairəvi Gaussian şüasına çevrilmiş; L1–L2 2:3 teleskopu ilə təxminən 9 mm-ə genişləndirilmişdir.

Yarım dalğa lövhələri və PBS1 polyarizasiyanı Meadowlark P1920 maye-kristal SLM oxuna uyğunlaşdırır. SLM-ə yüklənən faza naxışından sonra holoqram 13,5 mm məsafədə yaranır. L3–L4 4f sistemi sıfırıncı tərtib işığının Fourier müstəvisində süzülməsinə imkan verir. PBS2 qalıq sıfırıncı-tərtib komponentlərini azaldır; L5–L6 2:1 teleskopu təsviri Basler a2A2840-48umBAS CMOS kameraya ötürür.

Kamera təsvirlərində lazer koherentliyi və kamera sensoru ilə qoruyucu şüşə arasındakı əksolunmalar səbəbilə Fabry–Perot saçaqları yaranmışdır. Mənbə SLM-ə vahid faza yükləməklə Gaussian profilini qiymətləndirərək və ölçülmüş dövri modulyasiyanı bölmə əməliyyatı ilə çıxararaq bu təsiri kompensasiya etmişdir.

Fiziki rekonstruksiya nəticəsi

Təxminən 0,5 Bpp səviyyəsində fiziki SLM müqayisələrində RAVQ-HoloNet çıxışları SGD+JPEG və DPRC ilə müqayisədə daha yüksək kontrast və daha kəskin obyekt kənarları göstərmişdir. Bununla yanaşı, mənbə xüsusilə hamar və parlaq bölgələrdə — pinqvin nümunəsinin gövdəsi kimi — RAVQ-HoloNet rekonstruksiyasında təhrif müşahidə oluna bildiyini açıq bildirir.

Təcrübə ilə simulyasiya arasındakı fərqlər

Fiziki qurğuda RoI və məntiqi piksel addımı proqram modelinə mümkün qədər uyğun saxlanılmışdır. Lakin laboratoriya lazerinin mövcud dalğa uzunluğu və optik masanın mexaniki məhdudiyyətləri səbəbilə fiziki yayılma məsafəsi simulyasiyadan fərqlidir. Bundan əlavə kamera FOV-u tam rekonstruksiya sahəsindən kiçik olduğu üçün yalnız müəyyən hissə ölçülmüşdür.

Məhdudiyyətlər və gələcək tədqiqatlar

İşin cari versiyası əsasən 2D holoqrafiyaya aiddir. RGB kanalları dalğa uzunluğuna görə ayrı şəbəkələrdə işlənmişdir. Müəlliflər gələcəkdə ortaq kompleks RGB sıxılmasını, saliency və ya gaze-driven bit bölgüsünü, RGB-D və 2.5D/full-3D holoqrafiyanı, depth-aware yayılmanı və camera-in-the-loop kalibrləməsini araşdırmağı təklif edirlər.

Mənbə həmçinin metodun sürətli holoqrafik yenilənmə tələb edən optik pinset sistemləri və neytral atom massivlərinin manipulyasiyası kimi daha qabaqcıl optik tətbiqlərdə tədqiq edilə biləcəyini müzakirə edir. Bunlar işin eksperimental sübut olunmuş tətbiqləri deyil, gələcək istifadə istiqamətləridir.

Mənbə və Metod Qeydi

Orijinal tədqiqat: RAVQ-HoloNet: Rate-Adaptive Vector-Quantized Hologram Compression.

PDF-də müəllif sırası: Shima Rafiei, Zahra Nabizadeh Shahr-Babak, Soroush Khoubyarian, Alexandre Cooper, Shadrokh Samavi, Shahram Shirani.

Əlaqələndirici müəllif: Zahra Nabizadeh Shahr-Babak.

Qurumlar: Department of Electrical and Computer Engineering, McMaster University; Institute for Quantum Computing ve Department of Physics and Astronomy, University of Waterloo; Computer Science Department, Seattle University.

Platforma: SSRN.

SSRN Abstract ID: 6946746.

DOI: 10.2139/ssrn.6946746.

Rəsmi qeyd tarixi: 15 iyun 2026.

Mənbə növü: Dərin öyrənməyə əsaslanan holoqram sıxılma araşdırması; rəqəmsal simulyasiya və laboratoriya SLM yoxlaması daxil olan preprint.

Rəyçilik vəziyyəti: PDF açıq şəkildə tədqiqatın hələ rəyçi qiymətləndirməsindən keçmədiyini bildirir.

Biblioqrafik metadata fərqi: Mənbə PDF-də altı müəllif olduğu halda cari SSRN metadata səhifəsində Shadrokh Samavi görünmür. Bu fərq həll olunmuş sayılmayıb; Verianla məqaləsində PDF-dəki tam müəllif sırası saxlanılıb.

Lisenziya: Araşdırılan PDF və yoxlanılmış rəsmi qeyddə açıq Creative Commons lisenziyası təsdiqlənməmişdir. Buna görə orijinal şəkillər və qrafik dizaynlar yenidən dərc olunmamışdır.

Maliyyələşdirmə, maraqlar toqquşması və verilənlərin əlçatanlığı: Mənbə PDF-də ayrıca maliyyələşdirmə, maraqlar toqquşması və ya verilənlərin əlçatanlığı bəyanatı müəyyən edilməmişdir. Çatışmayan sahələr ehtimalla doldurulmamışdır.

AI istifadəsi bəyanatı: Müəlliflər yazı prosesində dil redaktəsi və cümlələrin yaxşılaşdırılması üçün ChatGPT istifadə etdiklərini; bütün məzmunun müəlliflər tərəfindən nəzərdən keçirilib redaktə edildiyini əlavə olaraq bildirirlər.

Mənbədaxili texniki uyğunsuzluq: Arxitektura bölməsindəki low/ultra-low latent ayırdetmə tərifi ilə implementation bölməsində 1072×1920 üçün verilmiş rəqəmsal latent ölçülərin adlandırılması bir-birinin əksi kimi görünür. Bu uyğunsuzluq səssizcə düzəldilməmişdir.

Şərh sərhədi: Modelin simulyasiyadakı rate–distortion performansı və laboratoriya SLM təsvirləri metodun göstərilən eksperimental şəraitdə uğurunu dəstəkləyir; lakin tam rəngli 3D holoqrafik sistemlərdə, dinamik AR/VR rabitəsində və ya məhsul səviyyəli edge avadanlığında eyni performansa zəmanət vermir.