伯克利 AI 研究提出信息驱动的成像系统设计框架，登 NeurIPS 2025

伯克利 AI 研究团队提出一套基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，并在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证其能预测下游解码性能。该方法优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需针对特定任务设计解码器。相关论文发表于 NeurIPS 2025。