Проектирование систем визуализации с использованием теории информации
UC Berkeley
Исследователи из BAIR (Berkeley AI) разработали фреймворк, который оценивает взаимную информацию по зашумленным измерениям для оценки и оптимизации систем визуализации напрямую на основе информационного содержания, без использования сетей-декодеров. Их метод, протестированный в четырех областях визуализации (цветная фотография, радиоастрономия, безлинзовая визуализация, микроскопия), предсказывает производительность декодера и позволяет проектировать системы с помощью градиентного подъема по оценкам информации. Подход, названный IDEAL, соответствует современной сквозной оптимизации, требуя при этом меньше памяти и вычислительных ресурсов.
Прежние информационно-теоретические подходы к формированию изображений страдали от двух проблем: они либо рассматривали системы как неограниченные каналы связи (что давало неточные оценки), либо требовали явных моделей объекта (что ограничивало универсальность метода). Команда Berkeley AI Research решила обе проблемы, научившись оценивать взаимную информацию напрямую по измерениям, используя
Показать ещё ↓
Источник: BAIR (Berkeley AI) —
оригинал