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，用互信息量化测量对物体的区分能力，并仅从含噪测量与噪声模型估计该指标。在 NeurIPS 2025 论文中，该方法在彩色摄影、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，优化后的设计达到端到端方法水平，同时所需内存和算力更少，且无需任务专用解码器。