伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能

伯克利 AI 研究团队提出一种直接基于信息量评估和优化成像系统的框架，用互信息统一衡量分辨率、噪声与采样等因素，并仅从含噪测量和已知噪声模型中估计信息量。该框架在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化出的设计可媲美端到端方法，且内存与算力需求更低、无需任务专用解码器。相关成果发表于 NeurIPS 2025 论文。