Berkeley AI Research (BAIR)T1·基座大模型
68 分
BAIR 团队在 NeurIPS 2025 提出一种基于信息论的成像系统评估框架,直接量化噪声测量数据中的有用信息量。该方法摒弃传统分辨率或信噪比指标,通过估计器从原始数据中评估物体区分能力,适用于自动驾驶、MRI 等 AI 主导的非可视成像场景。代码已开源。
SNR
信号功率与噪声功率的比值,衡量信号质量
BAIR 团队在 NeurIPS 2025 提出一种基于信息论的成像系统评估框架,直接量化噪声测量数据中的有用信息量。该方法摒弃传统分辨率或信噪比指标,通过估计器从原始数据中评估物体区分能力,适用于自动驾驶、MRI 等 AI 主导的非可视成像场景。代码已开源。