सूचना सिद्धांत का उपयोग कर इमेजिंग सिस्टम डिजाइन करना

पिछले सूचना-सैद्धांतिक इमेजिंग दृष्टिकोणों में दो समस्याएँ बाधक थीं: सिस्टम को अनियंत्रित चैनल के रूप में मानना (गलत अनुमान) या स्पष्ट ऑब्जेक्ट मॉडल की आवश्यकता (सीमित सामान्यता)। बर्कले ए.आई. रिसर्च टीम ने मापों से सीधे पारस्परिक सूचना का अनुमान लगाकर, इमेजिंग सिस्टम के ज्ञात शोर मॉडल का लाभ उठाकर, दोनों समस्याओं को हल किया। वे पारस्परिक सूचना को कुल माप भिन्नता में से शोर-केवल भिन्नता घटाकर विघटित करते हैं; बाद की गणना शोर भौतिकी से विश्लेषणात्मक रूप से की जाती है, जबकि पूर्व को प्रोबेबिलिस्टिक मॉडल (गाउसियन प्रक्रिया, पूर्ण गाउसियन, या पिक्सेलसीएनएन) का उपयोग करके डेटा से सीखा जाता है। रंगीन फोटोग्राफी, रेडियो खगोल विज्ञान, लेंसलेस इमेजिंग, और माइक्रोस्कोपी में सत्यापन से पता चला कि उच्च सूचना अनुमान डाउनस्ट्रीम पुनर्निर्माण कार्यों पर लगातार बेहतर प्रदर्शन की भविष्यवाणी करते हैं। इस पर आधारित, वे इंफॉर्मेशन-ड्रिवन एनकोडर एनालिसिस लर्निंग (आइडियल) प्रस्तुत करते हैं, जो बिना डिकोडर नेटवर्क के इमेजिंग सिस्टम पैरामीटर को अनुकूलित करने के लिए सूचना अनुमानों पर ग्रेडिएंट एसेंट का उपयोग करता है। रंग फिल्टर डिजाइन में, आइडियल ने एंड-टू-एंड ऑप्टिमाइजेशन से मेल खाती सूचना और पुनर्निर्माण गुणवत्ता दी, जबकि कम मेमोरी और कम्प्यूट की आवश्यकता हुई। यह ढाँचा ज्ञात शोर विशेषताओं वाले अन्य संवेदी डोमेन तक इमेजिंग से परे विस्तार का वादा करता है।