基于生成式人工智能的计算光学成像进展（特邀）

计算光学成像作为一种新兴技术，凭借其高自由度、高维信息获取能力以及智能化特性，在成像领域展现出显著优势。其核心问题在于如何通过逆问题求解实现高质量图像重建。传统正则化方法虽在一定程度上提升了重建质量，但其鲁棒性和普适性有限，难以应对复杂成像场景。生成式人工智能通过学习数据分布，能够提供更通用且自适应的先验信息，为高质量图像重建提供新的可能性。本文从计算光学成像的基本原理与生成式人工智能的理论基础出发，关注调制照明、环境干扰、光场编码、压缩采样四个关键问题，探讨生成式先验学习在单像素成像、透过散射介质成像、无透镜成像以及单曝光压缩成像等领域的应用，旨在为计算光学成像技术提供新的思路与方法。