伯克利提出信息驱动的成像系统设计框架，可跨四类成像任务预测性能

伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量所含信息量，无需重建算法或任务专用解码器。该框架在彩色摄影、射电天文、无透镜成像和显微镜四个领域预测了解码器性能，优化后的设计达到端到端方法水平，且内存与算力需求更低。相关成果发表于 NeurIPS 2025 论文。