AI 降噪工具：NXT、DeepSNR 与它们的朋友们
近几年，天文图像的去星与降噪工作，几乎全面被 AI 工具接手。这篇整理几款主流的 AI 降噪工具，以及我在实测中观察到的优缺点与版本演进。
为什么 AI 降噪这么强？
先看一组数字，感受一下这些工具背后的模型规模（以参数量计）：
- StarXTerminator：2100 万
- StarNet++：5400 万
- StarNet V2：3000 万
- NoiseXTerminator：2400 万
- Topaz Denoise AI：1400 万
这些模型都以卷积（convolution）、多尺度（multiscale）与阈值（threshold）为核心概念。目前在深空图像上的主要用途就是两件事：去星与降噪。
关键在于——如果不借助机器学习、针对各类型天体图像的训练数据去优化参数，光靠传统方式，其实非常难以对各种天体都取得最佳结果。这正是 AI 工具的价值所在。
反卷积也能靠 AI：BlurXTerminator
2022 年，连反卷积（Deconvolution）都能交给 AI 了。Russell Croman（RC）发现了 AI 在图像处理上的又一个应用，实现 BlurXTerminator。
我当时选择下载试用 30 天，拿一张十年前拍摄的 M1 蟹状星云来实际操作：左图是仅做过 DBE 的原始文件，中间是我先前用 PixInsight 原生反卷积做的成果，最右边是 BXT 一键完成的结果。效果好到相比之下，我自己手动做的反卷积看起来像没成功的那种——而且我还花了至少 20 分钟测参数，BXT 则在不到一分钟就完成。结论很简单：该课金的就课，省时间、效果又好。
（关于 BXT 的完整入门与注意事项，另有专文，这里就不展开。）
降噪工具巡礼
NoiseXTerminator（NXT）
NXT 是目前主流的付费 AI 降噪工具，也是本篇多次拿来当比较基准的对象。它一路的版本演进，正好说明了 AI 工具“持续迭代”的特性。
星点问题（AI1 时期）：早期使用 NXT 时，若不加蒙版，会让 RGB 星点核心受损，明度星点中心也会出现轻微的 Star Fade。这个问题当时无解，Russell 提到 Mac 平台也有类似状况，Windows 显然也逃不掉。所以那个阶段用 NXT，就乖乖地配合星点蒙版。
更新到 AI2（程序 1.1.4）：在把问题反馈给 Russell 之后，这一版更新后的新模型，RGB 星点核心只剩轻微变色，而明度星点核心的 Star Fade 已经消失。有在用 NXT 的朋友，我当时就建议尽快更新。
再进化到 AI3：新版 AI3 在高频的降噪上确实有改善，不过中频与彩噪看来就普通；线性状态下对亮星的影响仍在，但已大幅减轻。小结是——有买 NXT 的朋友记得升级，AI3 整体表现确实优于 AI2。
DeepSNR
由 StarNet 作者 Nikita Misiura 开发的新一代天文图像 AI 降噪工具。它目前仅支持彩色图像，且必须在 PixInsight 中运行，市面上的直接竞争对手就是 NXT。
我做了一个小比较：以线性状态下的结果来看，由左至右依序是原始图像、NXT 结果、DeepSNR 结果。看起来 DeepSNR 的表现相当优秀。另外一个很大的优势是——DeepSNR 目前免费。
到了后来的实测，NXT 与 DeepSNR 其实都做得很好，两张成果 Blink 比对已经看不太出具体差别。这也带出一个实务判断：明度通道还需要开更高的强度吗？我认为不必——在这样的 SNR 下，线性阶段差不多就是个甜蜜点。RGB 可以再多一点，但我倾向留点空间给非线性阶段。
Adobe CRF Denoise 的一个特殊优势
最后补充一个一般摄影的情境。我从硬盘挖出一张 DSLR 的星空原始文件（30 秒曝光），原图有很多 hot pixel（那些红红绿绿的点）。通常我们靠扣除暗场与 Cosmetic Correction 来消除它们，但套用 Adobe 的 CRF Denoise 后，hot pixel 直接被消掉了；反观 NXT，只消除了噪点，却留下 hot pixel。
因此，对于一般摄影、不会拍暗场的朋友来说，CRF Denoise 的这个优点就展现出来了。
小结
AI 降噪这几年进步飞快，工具也不只一款：NXT 成熟且持续迭代、DeepSNR 免费又好用、CRF 在无暗场情境下另有巧用。与其执著于哪一款“最强”，不如记住两个原则——善用蒙版，以及在线性阶段留点空间给后面。降噪不是愈重愈好，找到那个甜蜜点才是功夫。