伯克利 AI 研究提出基于信息量的成像系统设计框架，NeurIPS 2025 论文验证四大成像领域

伯克利 AI 研究团队提出一种直接评估和优化成像系统信息量的框架，仅用含噪测量和噪声模型估计互信息，无需任务专用解码器。该信息指标在彩色摄影、射电天文、无镜头成像和显微镜四个领域均能预测解码器性能，优化后的设计可媲美端到端方法，且内存和计算需求更低。相关成果发表于 NeurIPS 2025 论文。