أدوات خفض الضوضاء بالذكاء الاصطناعي: NXT وDeepSNR وأصدقاؤهما

في السنوات الأخيرة، انتقل عمل إزالة النجوم وخفض الضوضاء في صور التصوير الفلكي إلى أدوات الذكاء الاصطناعي بشكل شبه كامل. يستعرض هذا المقال عددًا من أدوات خفض الضوضاء بالذكاء الاصطناعي السائدة، إلى جانب ما لاحظته في اختباراتي العملية من مزايا وعيوب وتطوّر بين إصدار وآخر.

لماذا يبلغ خفض الضوضاء بالذكاء الاصطناعي هذه القوة؟

يرجى إلقاء نظرة أولًا على مجموعة من الأرقام لتكوين إحساس بحجم النماذج القائمة خلف هذه الأدوات (مقيسة بعدد المعاملات):

• StarXTerminator: 21 مليون
• StarNet++: 54 مليون
• StarNet V2: 30 مليون
• NoiseXTerminator: 24 مليون
• Topaz Denoise AI: 14 مليون

تقوم هذه النماذج جميعها على مفاهيم محورية هي الالتفاف (convolution) وتعدد المقاييس (multiscale) والعتبة (threshold). أما استخدامها الرئيسي حاليًا في صور الفضاء السحيق فينحصر في أمرين: إزالة النجوم وخفض الضوضاء.

والنقطة الجوهرية هي التالية — من دون الاستعانة بالتعلّم الآلي، ومن دون تحسين المعاملات اعتمادًا على بيانات تدريب موجّهة لأنواع مختلفة من صور الأجرام السماوية، يصعب فعليًا جدًا الحصول على أفضل نتيجة مع كل أصناف الأجرام بالطرق التقليدية وحدها. وهنا بالضبط تكمن قيمة أدوات الذكاء الاصطناعي.

حتى فك الالتفاف يمكنه الاتكاء على الذكاء الاصطناعي: BlurXTerminator

في عام 2022، صار حتى فك الالتفاف (Deconvolution) قابلًا لأن يُوكَل إلى الذكاء الاصطناعي. فقد اكتشف Russell Croman (RC) تطبيقًا آخر للذكاء الاصطناعي في معالجة الصور، وأنجز BlurXTerminator.

اخترت حينها تنزيل النسخة التجريبية لمدة 30 يومًا، وجرّبتها على صورة لسديم السرطان M1 كنت قد التقطتها قبل عشر سنوات: الصورة اليسرى هي الملف الأصلي بعد تطبيق DBE فقط، والوسطى نتيجة كنت قد أنجزتها سابقًا بفك الالتفاف الأصلي في PixInsight، وأقصى اليمين هو ما حقّقه BXT بنقرة واحدة. جاءت النتيجة جيدة إلى حدّ أنّ فك الالتفاف الذي أنجزته بيدي بدا بالمقارنة من النوع الذي لم يُوفَّق؛ ومع ذلك كنت قد أنفقت 20 دقيقة على الأقل في ضبط المعاملات، بينما أنهى BXT المهمة في أقل من دقيقة. الخلاصة بسيطة: ما يستحق الدفع، يُدفَع ثمنه — يوفّر الوقت والنتيجة ممتازة.

(هناك مقال مخصّص يتناول مدخلًا كاملًا إلى BXT وما ينبغي الانتباه إليه، فلن أتوسّع فيه هنا.)

جولة بين أدوات خفض الضوضاء

NoiseXTerminator (NXT)

NXT هو أداة خفض الضوضاء بالذكاء الاصطناعي المدفوعة السائدة حاليًا، وهو أيضًا المرجع الذي أعود إليه مرارًا في هذا المقال أساسًا للمقارنة. ويوضّح تطوّره عبر الإصدارات خير توضيح خاصية «التكرار المستمر» في أدوات الذكاء الاصطناعي.

مشكلة النجوم (حقبة AI1): في البدايات مع NXT، إن لم يُضَف قناع، كانت نوى نجوم RGB تتضرّر، وكان يظهر في مراكز نجوم قناة اللمعان أثر Star Fade خفيف. لم يكن لهذه المشكلة حلّ آنذاك؛ وقد ذكر Russell أنّ منصة Mac تعاني وضعًا مشابهًا، ومن الواضح أنّ Windows لم تنجُ منه هي الأخرى. لذا كان استعمال NXT في تلك المرحلة يعني الالتزام المطيع بقناع النجوم.

التحديث إلى AI2 (البرنامج 1.1.4): بعد أن أبلغت Russell بالمشكلة، لم يُبقِ النموذج الجديد في هذا التحديث سوى تغيّر لوني خفيف في نوى نجوم RGB، أما أثر Star Fade في نوى نجوم قناة اللمعان فقد اختفى. وقد نصحت حينها كل من يستعمل NXT بالتحديث في أسرع وقت.

تطوّر إضافي إلى AI3: يحقّق الإصدار الجديد AI3 تحسّنًا فعليًا في خفض الضوضاء عند الترددات العالية، غير أنّ أداءه عند الترددات المتوسطة ومع الضوضاء اللونية يبدو عاديًا؛ وتأثيره على النجوم الساطعة في الحالة الخطية ما زال قائمًا، لكنه خفّ كثيرًا. والخلاصة — على من اشترى NXT أن يتذكّر الترقية، فأداء AI3 الإجمالي يتفوّق فعلًا على AI2.

DeepSNR

أداة جيل جديد لخفض الضوضاء بالذكاء الاصطناعي في صور التصوير الفلكي، طوّرها Nikita Misiura مؤلف StarNet. وهي تدعم حاليًا الصور الملوّنة فقط، ولا بدّ من تشغيلها داخل PixInsight؛ ومنافسها المباشر في السوق هو NXT.

أجريت مقارنة صغيرة: بالنظر إلى النتائج في الحالة الخطية، نجد من اليسار إلى اليمين الصورة الأصلية، ثم نتيجة NXT، ثم نتيجة DeepSNR. ويبدو أنّ أداء DeepSNR ممتاز إلى حدّ بعيد. وثمة ميزة كبيرة أخرى — DeepSNR مجاني في الوقت الحالي.

وفي الاختبارات اللاحقة، أدّى NXT وDeepSNR كلاهما أداءً جيدًا جدًا في الواقع؛ فعند مقارنة النتيجتين بأداة Blink يكاد الفارق الملموس لا يُرى. ومن هنا يبرز حكم عملي: هل تحتاج قناة اللمعان إلى شدّة أعلى من ذلك؟ لا أظنّ ذلك — فعند نسبة الإشارة إلى الضوضاء بهذا المستوى، تكون المرحلة الخطية عند النقطة المثلى تقريبًا. أما RGB فيمكن الدفع بها أكثر قليلًا، لكنني أميل إلى ترك بعض المجال للمرحلة غير الخطية.

ميزة خاصة في Adobe CRF Denoise

وأختم بإضافة سيناريو من التصوير العام. نبشت من القرص الصلب ملفًا أصليًا لسماء نجمية ملتقطًا بكاميرا DSLR (تعريض 30 ثانية)، وكانت الصورة الأصلية تحوي كثيرًا من البكسلات الساخنة (تلك النقاط الحمراء والخضراء). عادةً نتخلّص منها بطرح إطارات Dark وتشغيل Cosmetic Correction، لكن بعد تطبيق CRF Denoise من Adobe اختفت البكسلات الساخنة مباشرة؛ في المقابل، أزال NXT الضوضاء فقط وأبقى البكسلات الساخنة.

ولذلك، بالنسبة إلى من يمارسون التصوير العام ولا يلتقطون إطارات Dark، تظهر هذه الميزة في CRF Denoise بوضوح.

خلاصة

شهد خفض الضوضاء بالذكاء الاصطناعي في السنوات الأخيرة تقدّمًا سريعًا، والأدوات ليست واحدة فقط: NXT ناضج ويواصل التحسين المتكرر، وDeepSNR مجاني وسهل الاستعمال، ولدى CRF استخدام بارع خاص به في حالة انعدام إطارات Dark. وبدل التمسّك بمعرفة أيّها «الأقوى»، من الأفضل تذكّر مبدأين — يرجى إحسان استعمال القناع، ويرجى ترك بعض المجال في المرحلة الخطية لما يأتي بعدها. فخفض الضوضاء ليس كلما ازداد ثقلًا كان أفضل؛ العثور على تلك النقطة المثلى هو المهارة الحقيقية.