تصميم أنظمة التصوير باستخدام نظرية المعلومات

مشكلتان عانت منهما المنهجيات السابقة القائمة على نظرية المعلومات في التصوير: معالجة الأنظمة كقنوات غير مقيدة (تقديرات غير دقيقة) أو اشتراط نماذج صريحة للجسم (عمومية محدودة). قام فريق أبحاث الذكاء الاصطناعي في بيركلي بحل كلتا المشكلتين من خلال تقدير المعلومات المتبادلة مباشرة من القياسات، مستفيدين من نماذج الضوضاء المعروفة لأنظمة التصوير. يقومون بتفكيك المعلومات المتبادلة إلى إجمالي تباين القياس مطروحًا منه تباين الضوضاء فقط؛ حيث يُحسب الأخير تحليليًا من فيزياء الضوضاء، بينما يُتعلم الأول من البيانات باستخدام نماذج احتمالية (عملية غاوسية، غاوسية كاملة، أو PixelCNN). أظهر التحقق عبر التصوير الفوتوغرافي الملون وعلم الفلك الراديوي والتصوير بدون عدسات والمجهر أن تقديرات المعلومات الأعلى تتنبأ بأداء أفضل في مهام إعادة البناء اللاحقة. بناءً على ذلك، يقدمون تحليل تعلم المشفر القائم على المعلومات (IDEAL)، الذي يستخدم الصعود التدرجي على تقديرات المعلومات لتحسين معلمات نظام التصوير دون شبكة مفكك تشفير. في تصميم مرشحات الألوان، طابق IDEAL التحسين الشامل من البداية إلى النهاية في كل من المعلومات وجودة إعادة البناء، مع تطلب ذاكرة وحساب أقل. يعد الإطار بالامتداد إلى ما وراء التصوير إلى مجالات استشعار أخرى ذات خصائص ضوضاء معروفة.