AI शोर न्यूनीकरण टूल: NXT, DeepSNR और उनके दोस्त

पिछले कुछ वर्षों में खगोलीय छवियों से तारे हटाने और शोर घटाने का काम लगभग पूरी तरह AI टूल के हाथ में चला गया है। इस लेख में मैं कुछ मुख्यधारा के AI शोर न्यूनीकरण टूल, और अपने असली परीक्षणों में देखे गए उनके गुण-दोष तथा संस्करण-दर-संस्करण विकास को एक जगह समेट रहा हूँ।

AI शोर न्यूनीकरण इतना दमदार क्यों है?

पहले आँकड़ों का एक समूह देख लीजिए, ताकि इन टूल के पीछे खड़े मॉडलों के पैमाने का अंदाज़ा लग जाए (पैरामीटर संख्या के हिसाब से):

• StarXTerminator: 2.1 करोड़
• StarNet++: 5.4 करोड़
• StarNet V2: 3 करोड़
• NoiseXTerminator: 2.4 करोड़
• Topaz Denoise AI: 1.4 करोड़

इन सभी मॉडलों की केंद्रीय अवधारणाएँ हैं — कनवोल्यूशन (convolution), मल्टीस्केल (multiscale) और थ्रेशोल्ड (threshold)। गहन आकाश की छवियों में फ़िलहाल इनका मुख्य उपयोग दो ही कामों तक सिमटता है: तारे हटाना और शोर घटाना।

असली बात यहाँ है — अगर मशीन लर्निंग का सहारा न लिया जाए, और भाँति-भाँति के खगोलीय पिंडों की छवियों के प्रशिक्षण डेटा पर पैरामीटर अनुकूलित न किए जाएँ, तो केवल पारंपरिक तरीक़ों से हर तरह के पिंड पर सर्वोत्तम परिणाम पाना दरअसल बेहद कठिन है। AI टूल का मूल्य ठीक यहीं है।

डीकनवोल्यूशन भी AI के भरोसे: BlurXTerminator

2022 में तो डीकनवोल्यूशन (Deconvolution) तक AI को सौंपा जा सकने लगा। Russell Croman (RC) ने इमेज प्रोसेसिंग में AI का एक और उपयोग खोज निकाला और BlurXTerminator बनाकर तैयार कर दिया।

मैंने उस समय 30 दिन का ट्रायल डाउनलोड करने का रास्ता चुना, और दस साल पहले खींची गई M1 क्रैब नीहारिका की एक तस्वीर उठाकर उस पर आज़माया: बाईं छवि सिर्फ़ DBE की हुई मूल फ़ाइल है, बीच वाली वह है जो मैंने पहले PixInsight के अपने मूल डीकनवोल्यूशन से बनाई थी, और सबसे दाईं वह है जो BXT ने एक ही क्लिक में कर दिखाया। नतीजा इतना अच्छा था कि तुलना में मेरा हाथ से किया हुआ डीकनवोल्यूशन ऐसा लगने लगा जैसे ठीक से चला ही न हो — और वह भी तब, जब मैंने पैरामीटर टटोलने में कम से कम 20 मिनट लगाए थे, जबकि BXT एक मिनट से भी कम में निपटा गया। निष्कर्ष बहुत सीधा है: जिस पर पैसे लगाने लायक़ हो, उस पर लगा ही दीजिए — समय भी बचता है और नतीजा भी बढ़िया आता है।

(BXT का पूरा परिचय और उससे जुड़ी सावधानियाँ एक अलग लेख में हैं, इसलिए यहाँ उन्हें नहीं खोलूँगा।)

शोर न्यूनीकरण टूल की सैर

NoiseXTerminator (NXT)

NXT इस समय मुख्यधारा का सशुल्क AI शोर न्यूनीकरण टूल है, और इस लेख में बार-बार तुलना की कसौटी के तौर पर भी यही आता है। इसका संस्करण-दर-संस्करण विकास AI टूल की “लगातार पुनरावृत्ति” वाली प्रकृति को बख़ूबी दर्शाता है।

तारों की समस्या (AI1 का दौर): शुरुआती दिनों में NXT इस्तेमाल करते समय, अगर मास्क न लगाया जाए तो RGB तारों के कोर को नुक़सान पहुँचता था, और ल्यूमिनेंस तारों के केंद्र में भी हल्का Star Fade दिखाई देता था। उस समय इस समस्या का कोई हल नहीं था; Russell ने बताया था कि Mac प्लेटफ़ॉर्म पर भी ऐसी ही स्थिति है, और Windows भी ज़ाहिर तौर पर बच नहीं पाया। इसलिए उस दौर में NXT इस्तेमाल करना हो तो चुपचाप स्टार मास्क के साथ ही करना पड़ता था।

AI2 पर अपडेट (प्रोग्राम 1.1.4): समस्या Russell को बता देने के बाद, इस अपडेट के नए मॉडल में RGB तारों के कोर में सिर्फ़ हल्का रंग-बदलाव बचा, और ल्यूमिनेंस तारों के कोर का Star Fade ग़ायब हो गया। जो मित्र NXT इस्तेमाल कर रहे थे, उन्हें मैंने उस समय जल्द से जल्द अपडेट कर लेने की सलाह दी थी।

फिर आगे बढ़कर AI3: नए AI3 में उच्च आवृत्ति के शोर पर सुधार वाक़ई दिखता है, पर मध्य आवृत्ति और रंगीन शोर पर वह मामूली ही लगता है; रैखिक अवस्था में चमकीले तारों पर उसका असर अब भी बना हुआ है, हालाँकि काफ़ी हद तक हल्का पड़ गया है। संक्षेप में — जिन मित्रों ने NXT ख़रीदा है, वे अपग्रेड करना न भूलें, AI3 का समग्र प्रदर्शन सचमुच AI2 से बेहतर है।

DeepSNR

StarNet के रचयिता Nikita Misiura का बनाया हुआ, खगोलीय छवियों के लिए नई पीढ़ी का AI शोर न्यूनीकरण टूल। फ़िलहाल यह सिर्फ़ रंगीन छवियों को सँभालता है और इसे PixInsight के भीतर ही चलाना पड़ता है; बाज़ार में इसका सीधा प्रतिद्वंद्वी NXT ही है।

मैंने एक छोटी-सी तुलना की: रैखिक अवस्था के परिणाम देखें तो बाएँ से दाएँ क्रमशः मूल छवि, NXT का परिणाम और DeepSNR का परिणाम है। देखने में DeepSNR का प्रदर्शन काफ़ी उम्दा लगता है। एक और बड़ा फ़ायदा यह है — DeepSNR फ़िलहाल मुफ़्त है।

बाद के असली परीक्षणों में NXT और DeepSNR दोनों ने दरअसल बहुत अच्छा काम किया; दोनों परिणामों को Blink में आमने-सामने रखने पर अब कोई ठोस अंतर लगभग दिखता ही नहीं। इससे एक व्यावहारिक निर्णय भी निकल आता है: क्या ल्यूमिनेंस चैनल पर और ऊँची स्ट्रेंथ लगाने की ज़रूरत है? मेरे ख़्याल से नहीं — इस तरह के S/N अनुपात पर रैखिक चरण क़रीब-क़रीब स्वीट स्पॉट पर ही है। RGB पर थोड़ा और बढ़ाया जा सकता है, पर मेरा झुकाव अरैखिक चरण के लिए कुछ गुंजाइश छोड़ रखने का रहता है।

Adobe CRF Denoise का एक ख़ास फ़ायदा

आख़िर में सामान्य फ़ोटोग्राफ़ी का एक परिदृश्य जोड़ देता हूँ। मैंने हार्ड डिस्क से DSLR की एक तारों भरे आकाश वाली मूल फ़ाइल खोद निकाली (30 सेकंड का एक्सपोज़र), और मूल छवि में बहुत सारे हॉट पिक्सेल थे (वही लाल-हरे बिंदु)। आम तौर पर हम डार्क घटाकर और Cosmetic Correction चलाकर उन्हें मिटाते हैं, पर Adobe का CRF Denoise लगाते ही हॉट पिक्सेल सीधे साफ़ हो गए; इसके उलट NXT ने सिर्फ़ शोर मिटाया और हॉट पिक्सेल जस के तस छोड़ दिए।

इसलिए जो मित्र सामान्य फ़ोटोग्राफ़ी करते हैं और डार्क नहीं खींचते, उनके लिए CRF Denoise का यह गुण ख़ूब काम आता है।

संक्षेप में

AI शोर न्यूनीकरण ने पिछले कुछ वर्षों में तेज़ रफ़्तार से तरक़्क़ी की है, और टूल भी एक ही नहीं है: NXT परिपक्व है और लगातार आगे बढ़ रहा है, DeepSNR मुफ़्त है और इस्तेमाल में आसान, तथा CRF का डार्क-रहित परिदृश्य में अपना एक चतुर उपयोग है। कौन-सा “सबसे दमदार” है, इस पर अड़े रहने से बेहतर है दो सिद्धांत याद रख लेना — मास्क का सूझबूझ से इस्तेमाल करें, और रैखिक चरण में आगे आने वाले कामों के लिए थोड़ी गुंजाइश छोड़ दें। शोर न्यूनीकरण में जितना भारी उतना अच्छा वाला हिसाब नहीं चलता; उस स्वीट स्पॉट को ढूँढ़ लेना ही असली हुनर है।