Berkeley AI Research 提出信息驱动的成像系统设计方法 IDEAL

Berkeley AI Research 在 NeurIPS 2025 论文中提出用互信息直接评估和优化成像系统信息量的框架。该方法从噪声测量和噪声模型估计信息，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下游性能。IDEAL 通过信息估计的梯度反馈优化成像参数，无需训练解码器，在彩色滤光片设计中匹配端到端优化性能并降低内存和计算需求。