Pancake把光路折叠了,为什么亮度也明显下降?
近几年Pancake逐渐成为VR近眼显示中极具代表性的光学架构。它最直观的优势是“薄”。通过让光线在有限空间内多次折返Pancake能够把较长的有效光程压缩进更短的机械厚度从而减小头显前端的体积。也正因为如此它被广泛用于追求轻薄化的VR与MR设备。但是当工程师真正开始设计Pancake系统时通常很快就会遇到另一个问题光路确实变短了为什么画面也明显变暗了很多人会把亮度下降归因于镜片透过率不够高。于是继续优化材料、镀膜和显示亮度。这些工作当然有价值。但Pancake的效率问题首先并不是普通镜头意义上的“透过损耗”。它来自整个折叠架构的工作方式。Pancake并不是简单地把镜头折起来普通折射式镜头主要依靠透射和折射完成成像。光从显示屏出发经过镜组后进入人眼。只要不考虑少量表面反射、吸收和口径截断大部分光能沿着一条相对明确的主路径传播。Pancake则不同。典型Pancake系统通常包含部分反射面四分之一波片反射偏振器一个或多个具有光焦度的曲面。光线必须依靠偏振状态的变化在这些元件之间完成特定的反射和透射循环最后才能从折叠腔中输出并进入人眼。所以Pancake不是一个“加入偏振元件的镜头”。更准确地说它是一套依靠偏振选择建立主光路的折叠成像系统。这也是理解它效率问题的第一步。光线为什么要经历两次能量选择为了看清这个问题可以先考虑一个理想化的经典Pancake结构。假设显示源发出的目标偏振光功率为100%。第一次到达半反半透面时只有一部分光进入折返路径。如果采用理想的50:50能量分配那么大约一半的光继续参与后续传播另一半已经离开目标路径。光经过波片和反射偏振器完成一次折返后再次到达部分反射面。此时为了射向人眼它还需要再通过一次能量分配。在这一理想化模型中100%↓第一次50:50分配↓50%↓第二次50:50分配↓25%因此经典半反半透式Pancake架构的理论光效率上限通常只有约25%。如果光源最初是非偏振的而系统还需要先筛选出一个线偏振分量那么基础效率还可能进一步下降到约12.5%。这些数字描述的是特定经典架构的理想能量分配并不代表所有Pancake产品都具有相同效率。这意味着即使所有元件都是理想的Pancake也可能在结构层面损失大量光能。这不是材料不够透明。也不是镜片加工不够好。而是利用部分反射和偏振选择换取折叠光程时系统必须支付的基础能量代价。但真实系统的损失远不止25%如果只用两次50:50分配解释Pancake效率仍然过于简单。真实系统中的每个元件都不是一个与条件无关的固定数字。其反射率、透射率和偏振响应可能同时依赖波长入射角光线方位s、p偏振分量曲面局部法线膜层结构元件制造误差。因此Pancake的真实能量链并不是总功率 × 若干固定透过率。它更像是一个随空间位置、传播方向、波长和偏振状态不断变化的矢量能量传递过程。真正的效率损失通常发生在多个节点。第一处损失光还没进入折叠镜组Pancake需要特定的输入偏振态。如果显示源本身输出的是非偏振光或者偏振纯度不足系统首先就要通过输入偏振器建立所需的线偏振态。不满足要求的偏振分量会被吸收或排除。因此显示源即使具有很高的总亮度也不代表这些光全部能够进入Pancake的有效路径。近年的高效率Pancake研究开始尝试从发光源本身提高偏振发射比例正是为了减少传统结构在初始偏振筛选阶段的能量损失。这提示我们Pancake的效率问题可能在光进入镜头以前就已经开始。评价显示源时不能只看总亮度。还要看它输出了多少符合系统要求的偏振光。第二处损失部分反射面不是一个固定的50:50在示意图中部分反射面经常被画成一个简单的半反半透面。但在真实系统中它的反射和透射可能随波长、角度及偏振发生变化。Pancake通常需要覆盖RGB三个颜色通道也需要支持一定的视场范围。这意味着中心视场的绿光和边缘视场的红光看到的可能并不是同一个“50:50”。更重要的是这个表面同时参与多段光路。提高某一次传播中的透射率可能会降低另一次传播中的目标反射率。它还可能改变主光路能量非目标往返路径鬼像强度系统色彩平衡。所以部分反射面的设计目标不能只是让透过率更高。它真正需要回答的是在整个偏振循环中如何把更多能量送入最终目标通道同时控制寄生通道第三处损失四分之一波片并不总能产生理想圆偏振四分之一波片在Pancake中承担着非常关键的任务。理想情况下线偏振光经过它后变成圆偏振光完成反射后圆偏振的手性发生改变再次经过波片时它被转换成与原来正交的线偏振态。反射偏振器正是通过识别这种偏振变化决定光应该反射还是透射。但真实波片的相位延迟量不会在所有条件下都精确等于90°。它可能受到RGB波长差异斜入射材料色散厚度误差快轴方向误差温度与装配应力等因素影响。一旦转换不完全原来的光就不会全部进入正确偏振通道。一部分光继续沿主光路传播。另一部分则成为偏振泄漏。近年来针对VR Pancake的Mueller矩阵分析和综合测量方法正是在研究这种超越简单轴上透过率的偏振行为。因此波片误差不会只表现为“偏振不够纯”。它会直接表现为亮度损失。并且还可能制造新的寄生光路。第四处损失反射偏振器不可能无限选择反射偏振器的理想工作状态是一种偏振几乎全部反射。与其正交的偏振几乎全部透射。但真实器件的消光比是有限的。应该反射的光会有一部分错误透过。应该透射的光也会有一部分再次反射。这意味着系统中出现了两类结果第一类是目标光少了。表现为亮度下降。第二类是错误光没有消失而是进入新的往返路径。表现为背景光、对比度下降或鬼像。所以在Pancake系统中反射偏振器的泄漏不能只被记作“损耗”。它还必须被追踪这些光最后去了哪里第五处损失通过镜头不等于进入眼睛即使偏振循环完全正确光也不一定全部被用户看到。它还必须经过有限口径镜片表面光阑出瞳Eye Box用户瞳孔。在大视场和瞳孔偏移条件下一部分光可能被口径截断或者落在用户瞳孔之外。因此轴上测量得到的总透过率与真实佩戴状态下用户感受到的亮度可能并不相同。针对Pancake的研究已经把瞳孔转动、出瞳和大视场下的性能变化作为专门优化问题这说明固定眼位下的单点效率不能完整代表实际体验。损失的光并没有全部消失这是Pancake效率问题中最容易被忽略的一点。当一部分光没有进入主像通道时它可能被材料吸收被光阑截断返回显示源进入错误偏振通道再次被表面反射经过多次往返后进入人眼。前几类主要表现为效率下降。最后几类则可能形成鬼像。2024年的Pancake鬼像研究系统分析了多个寄生光路并指出系统中的剩余光会在偏振元件和显示侧之间继续传播从而形成可见的鬼像。这就产生了一个非常重要的工程结论Pancake的亮度与鬼像往往不是两个独立问题。它们可能是同一份能量在不同通道中的两种结果。进入主通道的能量减少亮度下降。进入泄漏通道的能量增加鬼像增强。所以单独追求最高透过率并不一定能够获得最好的视觉表现。为什么提高显示亮度不是最终答案面对Pancake亮度不足一个很直接的解决方法是提高显示源亮度。这种方法确实可以提升人眼接收到的主像亮度。但它不会自动改善系统效率。它还可能带来更高功耗更大散热压力显示器件寿命压力泄漏光同步增强鬼像和背景光更加明显。因此提高显示亮度解决的是输出结果。而不是光学系统内部的能量分配问题。真正的优化需要继续区分哪部分光被吸收哪部分光被偏振器排除哪部分光落在Eye Box之外哪部分光进入了鬼像路径哪部分损失可以通过器件优化恢复哪部分属于架构的基础限制。只有知道能量去了哪里才能选择正确的工程路线。Pancake的效率不能用一个数字概括在普通元件评价中我们常用一个透过率数字表示其能量性能。但对于Pancake系统更完整的问题应该是哪个波长的效率哪个视场的效率哪个瞳孔位置的效率哪种输入偏振的效率主像效率还是全部到达人眼的总能量Eye Box平均效率还是轴上峰值效率是否把鬼像能量计算在内两个Pancake系统可能具有相同的轴上总透过率。但其中一个系统将更多能量集中在主像和有效Eye Box内。另一个系统则将更多能量分布在背景和寄生路径中。用户看到的效果会完全不同。因此Pancake效率更应该被理解为目标光能在整个偏振折叠链路中的有效传递能力。而不是一个孤立的透过率数值。写在最后Pancake用多次折返缩短了机械厚度。但光路折叠不会免费发生。为了让光在正确的时间反射、在正确的时间透射系统必须依赖部分反射面、波片和反射偏振器共同完成偏振选择。每一次能量分配。每一次偏振转换。每一次非理想反射。都会重新决定光进入主像、被吸收还是进入寄生路径。所以Pancake真正压缩的是空间。它没有消除光学代价。亮度下降并不是某一片镜片不够透明而是整个偏振折叠系统对光能进行多次选择后的结果。这也意味着Pancake不能只作为一支紧凑镜头进行评价。它需要被作为一套包含显示源、偏振、薄膜、多次反射、成像镜组、Eye Box和人眼的完整系统来研究。工程师思考当Pancake亮度不足时团队首先应该提高显示源亮度还是先追踪每一部分光能最终去了哪里如果无法区分吸收、偏振泄漏、口径截断和鬼像通道那么“提高透过率”很可能仍然只是一个过于笼统的目标。

相关新闻

ICCV 2021 Oral论文解读:ContrastiveSeg如何通过跨图像像素对比革新语义分割?

ICCV 2021 Oral论文解读:ContrastiveSeg如何通过跨图像像素对比革新语义分割?

ICCV 2021 Oral论文解读:ContrastiveSeg如何通过跨图像像素对比革新语义分割? 【免费下载链接】ContrastiveSeg ICCV2021 (Oral) - Exploring Cross-Image Pixel Contrast for Semantic Segmentation 项目地址: https://gitcode.com/gh_mirrors/co/Con…

2026/8/4 21:07:27 阅读更多 →
DavMail安全加固:TLS配置/访问控制/日志审计,企业级部署最佳实践

DavMail安全加固:TLS配置/访问控制/日志审计,企业级部署最佳实践

DavMail安全加固:TLS配置/访问控制/日志审计,企业级部署最佳实践 【免费下载链接】davmail DavMail POP/IMAP/SMTP/Caldav/Carddav/LDAP Exchange and Office 365 Gateway - Synced with main subversion repository at 项目地址: https://gitcode.com…

2026/8/4 21:07:27 阅读更多 →
Unlimited-OCR-4bit常见问题解答:从安装到使用的全方位解决方案

Unlimited-OCR-4bit常见问题解答:从安装到使用的全方位解决方案

Unlimited-OCR-4bit常见问题解答:从安装到使用的全方位解决方案 【免费下载链接】Unlimited-OCR-4bit 项目地址: https://ai.gitcode.com/hf_mirrors/mlx-community/Unlimited-OCR-4bit Unlimited-OCR-4bit是一款高效的OCR工具,专为处理各类文本…

2026/8/4 21:07:27 阅读更多 →

最新新闻

如何快速配置大麦自动化抢票系统:面向新手的完整指南

如何快速配置大麦自动化抢票系统:面向新手的完整指南

如何快速配置大麦自动化抢票系统:面向新手的完整指南 【免费下载链接】ticket-purchase 大麦自动抢票,支持人员、城市、日期场次、价格选择 项目地址: https://gitcode.com/GitHub_Trending/ti/ticket-purchase 还在为热门演唱会门票秒光而焦虑吗…

2026/8/4 21:59:49 阅读更多 →
终极指南:3步轻松部署ONNX预训练模型,从零到一实战教程

终极指南:3步轻松部署ONNX预训练模型,从零到一实战教程

终极指南:3步轻松部署ONNX预训练模型,从零到一实战教程 【免费下载链接】models A collection of pre-trained, state-of-the-art models in the ONNX format 项目地址: https://gitcode.com/gh_mirrors/model/models 你是否曾经为深度学习模型部…

2026/8/4 21:59:49 阅读更多 →
HumanML3D技术架构深度解析:3D人体动作生成的数据基石与性能优化

HumanML3D技术架构深度解析:3D人体动作生成的数据基石与性能优化

HumanML3D技术架构深度解析:3D人体动作生成的数据基石与性能优化 【免费下载链接】HumanML3D HumanML3D: A large and diverse 3d human motion-language dataset. 项目地址: https://gitcode.com/gh_mirrors/hu/HumanML3D HumanML3D作为当前最全面的3D人体运…

2026/8/4 21:59:49 阅读更多 →
如何构建高效语言学习应用:ECDICT开源英汉词典数据库的完整指南

如何构建高效语言学习应用:ECDICT开源英汉词典数据库的完整指南

如何构建高效语言学习应用:ECDICT开源英汉词典数据库的完整指南 【免费下载链接】ECDICT Free English to Chinese Dictionary Database 项目地址: https://gitcode.com/gh_mirrors/ec/ECDICT ECDICT开源英汉词典数据库为开发者和产品经理提供了构建专业语言…

2026/8/4 21:59:49 阅读更多 →
163MusicLyrics:一站式歌词下载解决方案,轻松获取网易云音乐和QQ音乐歌词

163MusicLyrics:一站式歌词下载解决方案,轻松获取网易云音乐和QQ音乐歌词

163MusicLyrics:一站式歌词下载解决方案,轻松获取网易云音乐和QQ音乐歌词 【免费下载链接】163MusicLyrics 云音乐歌词获取处理工具【网易云、QQ音乐】 项目地址: https://gitcode.com/GitHub_Trending/16/163MusicLyrics 还在为找不到歌词而烦恼…

2026/8/4 21:59:49 阅读更多 →
OpenAI推出下一代Astra大模型 重点突破数学和理论计算机科学难题

OpenAI推出下一代Astra大模型 重点突破数学和理论计算机科学难题

OpenAI今日正式发布代号为Astra的下一代大型语言模型,定位为公司的"主要任务模型"。新模型在数学与理论计算机科学方面取得突破,成功解决了一连串至少在过去十年中未取得实质性进展的难题,其中一些研究课题甚至困扰学界更长时间。突…

2026/8/4 21:58:48 阅读更多 →

日新闻

AI Agent白手起家26: 使用标准事件驱动大模型实践

AI Agent白手起家26: 使用标准事件驱动大模型实践

纲要 练习目标:掌握大模型标准事件的调用回顾 LangChain 中的核心标准事件 invokestreambatchastream_eventswith_structured_output 环境准备实战代码:多种事件调用对比 同步调用与流式输出批量处理异步事件流监听结构化输出 运行说明与预期结果总结与扩…

2026/8/4 0:00:40 阅读更多 →
dealsea是什么?跨境卖家必知的美国deal站入门指南

dealsea是什么?跨境卖家必知的美国deal站入门指南

说实话,第一次听说美国这个老牌折扣网站的跨境卖家,十个有八个会问同一个问题:这个平台到底是干嘛的?我见过一个做家居出口的朋友,他在亚马逊上月销二十万美金,却从来没用过它。我给他看了首页——一屏一屏…

2026/8/4 0:01:40 阅读更多 →
清华大学重磅EST:植物自导电闪蒸焦耳热600°C/2600°C两步法!稀土超积累植物秒级转化为CeO₂-石墨烯电催化剂!

清华大学重磅EST:植物自导电闪蒸焦耳热600°C/2600°C两步法!稀土超积累植物秒级转化为CeO₂-石墨烯电催化剂!

通讯作者:邓兵、刘建国通讯单位:清华大学DOI:https://doi.org/10.1021/acs.est.6c00603研究背景稀土元素(REEs)是清洁能源技术与电子器件不可或缺的核心原料,然而传统提取方式依赖能耗高、排放大的采矿与强…

2026/8/4 0:01:40 阅读更多 →

周新闻

最大流算法详解:从水管网络到Ford-Fulkerson与Dinic实战

最大流算法详解:从水管网络到Ford-Fulkerson与Dinic实战

1. 从水管网络到最大流:一个核心问题的诞生想象一下,你是一个城市供水系统的总工程师。你的城市有多个水源(水库),需要通过一个复杂的地下管道网络,将水输送到各个居民区。每条管道都有其最大通水能力&…

2026/8/4 13:24:41 阅读更多 →
基于Springboot的企业门户网站(源码+LW+调试文档+讲解)

基于Springboot的企业门户网站(源码+LW+调试文档+讲解)

温馨提示:本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片! 温馨提示:本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片! 温馨提示:本人主页置顶文章(点我)开头有 CSDN 平台…

2026/8/4 11:41:39 阅读更多 →
MATLAB xcorr函数详解:从互相关原理到四大实战应用

MATLAB xcorr函数详解:从互相关原理到四大实战应用

1. 从一次信号“找茬”说起:为什么我们需要互相关几年前,我在处理一组声学传感器数据时遇到了一个棘手的问题。我有两个麦克风记录了一段相同的音频信号,理论上它们接收到的声音波形应该非常相似,只是由于麦克风位置不同&#xff…

2026/8/4 5:26:40 阅读更多 →

月新闻

免费解锁百度网盘SVIP加速:macOS用户必备的下载提速终极指南

免费解锁百度网盘SVIP加速:macOS用户必备的下载提速终极指南

免费解锁百度网盘SVIP加速:macOS用户必备的下载提速终极指南 【免费下载链接】BaiduNetdiskPlugin-macOS For macOS.百度网盘 破解SVIP、下载速度限制~ 项目地址: https://gitcode.com/gh_mirrors/ba/BaiduNetdiskPlugin-macOS 还在为百度网盘macOS版的龟速下…

2026/8/4 13:38:24 阅读更多 →
终极ncmdump指南:3分钟实现网易云NCM音乐解密与格式转换

终极ncmdump指南:3分钟实现网易云NCM音乐解密与格式转换

终极ncmdump指南:3分钟实现网易云NCM音乐解密与格式转换 【免费下载链接】ncmdump 项目地址: https://gitcode.com/gh_mirrors/ncmd/ncmdump 还在为网易云音乐下载的NCM格式文件无法在其他播放器播放而烦恼吗?ncmdump解密工具帮你轻松解决这个困…

2026/8/4 11:09:16 阅读更多 →
HarmonyOS 应用开发《掌上英语》第81篇: 智能体卡片:为英语学习 App 打造桌面级学习助手

HarmonyOS 应用开发《掌上英语》第81篇: 智能体卡片:为英语学习 App 打造桌面级学习助手

AgentCard 智能体卡片:为英语学习 App 打造桌面级学习助手适用平台:HarmonyOS 7.0 (API 26 Beta)一、引言 HarmonyOS 7.0(API 26 Beta)新增了 AgentCard 智能体卡片能力,这是继 HMAF(鸿蒙智能体框架&#x…

2026/8/4 13:38:40 阅读更多 →