AI 降噪工具：NXT、DeepSNR 與它們的朋友們
近幾年，天文影像的去星與降噪工作，幾乎全面被 AI 工具接手。這篇整理幾款主流的 AI 降噪工具，以及我在實測中觀察到的優缺點與版本演進。
為什麼 AI 降噪這麼強？
先看一組數字，感受一下這些工具背後的模型規模（以參數量計）：
- StarXTerminator：2100 萬
- StarNet++：5400 萬
- StarNet V2：3000 萬
- NoiseXTerminator：2400 萬
- Topaz Denoise AI：1400 萬
這些模型都以卷積（convolution）、多尺度（multiscale）與閾值（threshold）為核心概念。目前在深空影像上的主要用途就是兩件事：去星與降噪。
關鍵在於——如果不借助機器學習、針對各類型天體影像的訓練資料去最佳化參數，光靠傳統方式，其實非常難以對各種天體都取得最佳結果。這正是 AI 工具的價值所在。
反捲積也能靠 AI：BlurXTerminator
2022 年，連反捲積（Deconvolution）都能交給 AI 了。Russell Croman（RC）發現了 AI 在影像處理上的又一個應用，實作出 BlurXTerminator。
我當時選擇下載試用 30 天，拿一張十年前拍攝的 M1 蟹狀星雲來施做：左圖是僅做過 DBE 的原始檔，中間是我先前用 PixInsight 原生反捲積做的成果，最右邊是 BXT 一鍵完成的結果。效果好到相比之下，我自己手動做的反捲積看起來像沒成功的那種——而且我還花了至少 20 分鐘測參數，BXT 則在不到一分鐘就完成。結論很簡單：該課金的就課，省時間、效果又好。
（關於 BXT 的完整入門與注意事項，另有專文，這裡就不展開。）
降噪工具巡禮
NoiseXTerminator（NXT）
NXT 是目前主流的付費 AI 降噪工具，也是本篇多次拿來當比較基準的對象。它一路的版本演進，正好說明了 AI 工具「持續迭代」的特性。
星點問題（AI1 時期）：早期使用 NXT 時，若不加遮罩，會讓 RGB 星點核心受損，明度星點中心也會出現輕微的 Star Fade。這個問題當時無解，Russell 提到 Mac 平台也有類似狀況，Windows 顯然也逃不掉。所以那個階段用 NXT，就乖乖地配合星點遮罩。
更新到 AI2（程式 1.1.4）：在把問題回報給 Russell 之後，這一版更新後的新模型，RGB 星點核心只剩輕微變色，而明度星點核心的 Star Fade 已經消失。有在用 NXT 的朋友，我當時就建議盡快更新。
再進化到 AI3：新版 AI3 在高頻的降噪上確實有改善，不過中頻與彩噪看來就普通；線性狀態下對亮星的影響仍在，但已大幅減輕。小結是——有買 NXT 的朋友記得升級，AI3 整體表現確實優於 AI2。
DeepSNR
由 StarNet 作者 Nikita Misiura 開發的新一代天文影像 AI 降噪工具。它目前僅支援彩色影像，且必須在 PixInsight 中執行，市面上的直接競爭對手就是 NXT。
我做了一個小比較：以線性狀態下的結果來看，由左至右依序是原始影像、NXT 結果、DeepSNR 結果。看起來 DeepSNR 的表現相當優秀。另外一個很大的優勢是——DeepSNR 目前免費。
到了後來的實測，NXT 與 DeepSNR 其實都做得很好，兩張成果 Blink 比對已經看不太出具體差別。這也帶出一個實務判斷：明度通道還需要開更高的強度嗎？我認為不必——在這樣的 SNR 下，線性階段差不多就是個甜蜜點。RGB 可以再多一點，但我傾向留點空間給非線性階段。
Adobe CRF Denoise 的一個特殊優勢
最後補充一個一般攝影的情境。我從硬碟挖出一張 DSLR 的星空原始檔（30 秒曝光），原圖有很多 hot pixel（那些紅紅綠綠的點）。通常我們靠扣除暗場與 Cosmetic Correction 來消除它們，但套用 Adobe 的 CRF Denoise 後，hot pixel 直接被消掉了；反觀 NXT，只消除了噪點，卻留下 hot pixel。
因此，對於一般攝影、不會拍暗場的朋友來說，CRF Denoise 的這個優點就展現出來了。
小結
AI 降噪這幾年進步飛快，工具也不只一款：NXT 成熟且持續迭代、DeepSNR 免費又好用、CRF 在無暗場情境下另有巧用。與其執著於哪一款「最強」，不如記住兩個原則——善用遮罩，以及在線性階段留點空間給後面。降噪不是愈重愈好，找到那個甜蜜點才是功夫。