StarNet++: где скачать и как пользоваться

StarNet++ — удаление звёзд с астрофотографии: до и после

StarNet++ отделяет звёзды от туманностей, галактик и фоновых структур, чтобы их можно было обрабатывать независимо. Для начала работы можно скачать StarNet++ бесплатно, а затем выбрать один из трёх практических путей: модуль StarNet2 в PixInsight, отдельную командную утилиту или подключение к Siril. Ниже разберём каждый путь без привязки к устаревшим инструкциям для первой версии.

В 2026 году под названием StarNet++ обычно имеют в виду актуальное семейство StarNet2. У него есть отдельные сборки для PixInsight и командной строки. Командная версия развивается самостоятельно: текущая ветка 2.6.x работает через ONNX Runtime, на Windows использует DirectML с переходом на CPU, а на Apple Silicon выпускается нативная сборка CoreML. Это важно при чтении старых руководств: копирование TensorFlow-файлов в каталог PixInsight относится к прежней схеме установки и для текущего репозитория модуля уже не является основным способом.

Что делает StarNet++ и когда он действительно полезен

Цветное изображение туманности и отделённый слой звёзд в StarNet
Цветной исходник даёт нейросети больше контекста для отделения звёзд от структуры туманности.
StarNet Software / Mikita Misiura

Главная задача StarNet++ — получить из астрономического изображения версию без звёзд и, при необходимости, отдельный звёздный слой. Это не обычная ретушь: программа анализирует форму и контекст светящихся объектов нейросетью, после чего заменяет найденные звёзды восстановленным фоном. Такой результат удобен, когда нужно отдельно усиливать слабую туманность, подавлять шум, корректировать локальный контраст или сдерживать рост звёзд при растяжении гистограммы.

Практически StarNet++ особенно полезен в трёх сценариях. Первый — глубокие снимки туманностей, где звёздное поле мешает оценить слабые волокна и пылевые структуры. Второй — обработка комет, когда движение объекта относительно звёзд требует раздельной работы с фоном и звёздными следами. Третий — художественная или техническая обработка, в которой звёздный слой возвращают после отдельной коррекции. Перед таким этапом полезно привести исходник в аккуратное состояние: не делать агрессивную резкость, не уменьшать звёзды морфологией и не перегружать кадр локальным контрастом.

  • Лучший исходник — интегрированное изображение до тяжёлой художественной обработки и до деформации формы звёзд.
  • Цветной RGB-кадр обычно предпочтительнее обработки каналов по отдельности: цвет даёт модели дополнительный контекст.
  • Линейные данные можно обрабатывать прямо в актуальном StarNet2, используя режим Linear data или параметр --linear в командной версии.
  • Для тесных мелких звёзд предусмотрено промежуточное увеличение 2×, но оно заметно увеличивает вычислительную нагрузку.
  • Результат нужно проверять не только по красивой картинке без звёзд, но и по звёздной маске: в ней сразу видно, не забрала ли модель детали туманности.

Если исходный материал ещё находится на стадии проявки или калибровки, сначала приведите его к предсказуемой геометрии и тональному диапазону. Для общего фотопроцесса пригодится материал Xeon Live о том, как обрабатывать RAW-фотографии: логика контроля экспозиции, шума и диапазона полезна и при подготовке астрофото, хотя сами астрономические FITS-файлы требуют специализированного ПО.

Интерфейс StarNet2: где находятся основные настройки

Окно StarNet2 в PixInsight с параметрами Stride, Create starmask, 2x upsample и Linear data
Классическая компактная панель StarNet2 в PixInsight: основные параметры остаются теми же по смыслу, а новые версии добавляют управление типом звёздного слоя и защитой светов.
masahiko.me

Stride, Linear data и 2× upsampling

Артефакты вокруг тесных ярких звёзд при обычном масштабе StarNet
При сложных мелких звёздах обычный проход может оставлять лучистые следы.
StarNet Software / Mikita Misiura

В PixInsight процесс StarNet2 выглядит компактно. Stride управляет шагом обработки тайлов. Для большинства изображений отправной точкой остаётся 256. В актуальной документации для широкоугольных кадров с мелкими звёздами отдельно упоминается значение 384, но уменьшать шаг ниже 256 без конкретной причины обычно не нужно. Параметр 2× upsampling временно удваивает масштаб изображения, выполняет удаление звёзд и возвращает исходный размер. Его стоит включать тогда, когда мелкие тесные звёзды плохо распознаются или вокруг них образуются радиальные артефакты.

Linear data нужен для линейного изображения. StarNet2 применяет временное MTF-растяжение, использует текущий STF PixInsight, а при отсутствии настроенного STF рассчитывает автоматический вариант. После нейросетевой обработки преобразование обращается обратно, поэтому итог остаётся линейным. В новых сборках есть Restore clipped pixels: режим возвращает исходные значения там, где временное растяжение обрезало тени, но не способен восстановить информацию, которая уже была клиппирована в самом исходнике.

Starmask, Unscreen stars и Protect highlights

Изображение без звёзд и звёздная маска StarNet для туманности Вуаль
Сравнение starless и star mask помогает заметить, не попала ли структура туманности в слой звёзд.
StarNet Software / Mikita Misiura

Starmask создаёт вычитаемый звёздный слой — фактически положительную разницу между исходником и starless-изображением. Он удобен для классического сложения после раздельной обработки. Unscreen stars формирует другой звёздный слой, рассчитанный на обратное смешивание по модели Screen. Эти два варианта не эквивалентны и не обязаны идеально восстановить исходник после сильной коррекции: насыщенные света, округление и изменение размера вносят расхождения.

Protect highlights защищает яркие области starless-результата и в текущем модуле включён по умолчанию. Отключать защиту разумно только для диагностики: так проще понять, откуда возникли изменения в ярких ядрах и насыщенных участках. После каждого прохода проверяйте три окна: исходник, результат без звёзд и созданный звёздный слой. Если в маске видны волокна туманности, ядро кометы или мелкие галактики, настройку нужно корректировать до дальнейшей обработки.

Как установить StarNet2 в PixInsight через репозиторий

Меню PixInsight Resources — Updates — Manage Repositories
Начало установки StarNet2 через менеджер репозиториев PixInsight.
StarNet Software / Mikita Misiura

Добавление репозитория

Окно Manage Update Repositories в PixInsight с кнопкой Add
Кнопка Add добавляет адрес репозитория StarNet в список обновлений PixInsight.
StarNet Software / Mikita Misiura

Для текущих сборок не копируйте вручную старые TensorFlow-библиотеки. Установка строится через репозиторий PixInsight. Работайте в такой последовательности: откройте Resources → Updates → Manage Repositories; в окне управления нажмите Add; введите адрес репозитория StarNet, указанный разработчиком; подтвердите список; затем запустите проверку обновлений PixInsight и установите найденный модуль. После завершения обновления полностью перезапустите PixInsight — одного закрытия окна менеджера недостаточно.

  • Шаг 1. Проверьте версию PixInsight. Текущая страница установки StarNet указывает поддержку PixInsight 1.9.4 и 1.9.5; для Intel Mac модуль остаётся на ветке 1.9.4.
  • Шаг 2. Откройте Resources → Updates → Manage Repositories. Не ищите модуль через старую команду Install Modules — это относится к прежнему ручному способу.
  • Шаг 3. Нажмите Add и добавьте репозиторий StarNet. После добавления убедитесь, что запись осталась в списке и не содержит случайных пробелов.
  • Шаг 4. Вернитесь в Resources → Updates и выполните проверку обновлений. Установите предложенные файлы StarNet2 вместе с зависимостями.
  • Шаг 5. Перезапустите PixInsight. Откройте Process и найдите StarNet2 среди доступных процессов. Если его нет, повторно проверьте адрес репозитория и журнал обновления.
  • Шаг 6. Откройте небольшой тестовый RGB-кадр и запустите StarNet2 с настройками по умолчанию. Успешный проход должен заменить активное изображение версией без звёзд и, при включённом Starmask, создать дополнительный звёздный слой.

Проверка после установки важнее самого факта появления пункта меню. Откройте Process Console и сохраните его вывод при первом запуске: в журнале видны версия модуля, выбранный вычислительный backend, переход на CPU при проблеме с GPU и общее время обработки. Если модуль виден, но запуск завершается ошибкой, этот журнал даёт больше информации, чем повторная переустановка наугад.

Как отличить текущую установку от старых инструкций

Старые руководства для StarNet++ часто предлагают распаковать DLL и веса прямо в каталог bin PixInsight, затем открыть Process → Modules → Install Modules и выполнить Search. Такой способ характерен для TensorFlow-эпохи и архивных сборок. В 2026 году эти пакеты сохранены на странице Legacy именно для восстановления старых установок. Для новой системы проще и безопаснее использовать отдельный репозиторий: так обновления приходят через штатный механизм PixInsight и не смешиваются с архивными библиотеками.

Как удалить звёзды в PixInsight и получить управляемые слои

Тесные яркие звёзды после обработки StarNet с 2× upsampling
2× upsampling помогает на мелких тесных звёздах, когда обычный проход оставляет артефакты.
StarNet Software / Mikita Misiura

Линейное изображение: базовый безопасный проход

Мелкие звёзды, частично пропущенные StarNet в сложной области
После первого прохода важно проверить мелкие звёзды на сложном фоне.
StarNet Software / Mikita Misiura

На линейном интегрированном кадре начните с максимально простого прохода. Откройте изображение, выполните фоновую и цветовую подготовку, но не применяйте окончательное нелинейное растяжение. Включите ScreenTransferFunction только для удобства просмотра. Откройте StarNet2, активируйте Linear data и Starmask, оставьте Stride 256. 2× upsampling сначала не включайте: он нужен для проблемных звёзд, а не как обязательная настройка.

  • Шаг 1. Увеличьте несколько контрольных участков до 100–200%: плотное звёздное поле, яркая звезда с ореолом, край туманности и участок слабого фона. Эти точки станут эталоном проверки.
  • Шаг 2. Если на изображении уже настроен STF, оставьте его. StarNet2 использует текущее временное растяжение для линейных данных; при тождественном STF будет применён автоматический вариант.
  • Шаг 3. Включите Linear data. В актуальной версии оставьте Restore clipped pixels включённым, чтобы вернуть значения теней, обрезанные временным MTF.
  • Шаг 4. Включите Starmask. Первый проход нужен не только ради starless-кадра: маска показывает ошибки классификации.
  • Шаг 5. Запустите процесс и дождитесь завершения. Не оценивайте результат только в уменьшенном масштабе.
  • Шаг 6. Сравните исходник и starless в одинаковом STF. Проверьте контуры туманности, маленькие галактики и яркие компактные детали.
  • Шаг 7. Откройте Starmask и убедитесь, что в ней преобладают звёзды. Яркие нити туманности или протяжённый объект в маске означают, что нужно менять подготовку.
  • Шаг 8. Если проблема ограничена тесными мелкими звёздами, повторите проход с 2× upsampling. Если модель забирает структуру туманности, сначала корректируйте STF, а не повышайте масштаб без разбора.

После удачного отделения продолжайте обработку starless-слоя: шумоподавление, кривые, локальный контраст и цвет можно применять без риска раздуть звёзды. При работе с шумом не пытайтесь одновременно усилить мелкую структуру и агрессивно сгладить фон. Подробные принципы описаны в инструкции Xeon Live о том, как убрать шум на фотографии. Для астрофото сохраняйте приоритет структуры: если шумоподавление начинает стирать слабые пылевые волокна, уменьшите силу обработки.

Нелинейный кадр: когда Linear data выключен

Мелкие звёзды после StarNet с промежуточным увеличением 2×
Повторный проход с увеличением 2× улучшает отделение мелких звёзд в сложной структуре.
StarNet Software / Mikita Misiura

Если изображение уже физически растянуто HistogramTransformation, GeneralizedHyperbolicStretch или другим инструментом, Linear data не включайте. Проверьте, что света не клиппированы и звёзды ещё имеют естественный профиль. Затем создайте starmask и выполните обычный проход. На очень агрессивно обработанном исходнике результат обычно хуже: StarNet ожидает узнаваемую форму звёзд и может путать пересвеченные компактные детали с точечными источниками.

Для повторной проверки сравните границы крупных звёзд и фон вокруг них. При радиальных следах используйте 2× upsampling. При единичных пропущенных звёздах не обязательно перестраивать весь процесс: разработчик прямо советует в таких случаях исправить несколько мест клонированием или healing-инструментом, вместо того чтобы подбирать экстремальные параметры для всего изображения.

Возврат звёзд после отдельной обработки

Итоговая версия туманности Вуаль без звёзд после подбора параметров
Чистый starless-слой удобен для отдельной работы с контрастом и слабой структурой.
StarNet Software / Mikita Misiura

Перед возвратом звёзд сохраните копии обоих слоёв. Если вы создали обычный Starmask, работайте через аддитивное восстановление в том же цветовом пространстве и без скрытых преобразований гаммы. Если создавали Unscreen stars, используйте совместимый режим Screen. Не пытайтесь смешать один тип звёздного слоя формулой, рассчитанной на другой: яркость и цвет звёзд изменятся.

  • Шаг 1. Обработайте starless-слой отдельно и остановитесь до клиппинга светов. Сравните фон с исходником по нескольким контрольным областям.
  • Шаг 2. Обработайте звёздный слой отдельно. Допустимо слегка изменить насыщенность и размер звёзд, но избегайте сильной резкости, создающей тёмные ореолы.
  • Шаг 3. Приведите оба слоя к одинаковой геометрии. Любое кадрирование, поворот или ресэмплинг должен быть идентичен.
  • Шаг 4. Выполните сложение подходящим способом для выбранного типа слоя. Сразу сравните яркие звёзды и область слабого фона с исходником.
  • Шаг 5. Проверьте цветные ореолы и насыщенные ядра. Starless и stars не обязаны восстанавливать исходник побитово, особенно после растяжения и квантования.
  • Шаг 6. Сохраните промежуточный результат в высокоразрядном формате и только затем делайте финальную версию для публикации.

Как использовать StarNet2 из командной строки

Проверка starless-результата и звёздного слоя после настройки растяжения
Командная версия создаёт те же логические результаты: starless, mask и unscreen stars.
StarNet Software / Mikita Misiura

Один файл: starless, mask и unscreen

Командная сборка удобна для автоматизации и для программ, которые умеют вызывать внешний исполняемый файл. Установщик размещает executable и модель в системных каталогах, а portable-архив можно просто распаковать, сохранив структуру папок. Для первого теста используйте TIFF или PNG 8/16 бит либо поддерживаемый FITS. Изображение должно быть не меньше 512×512 пикселей; с --upsample допускается 256×256.

  • Шаг 1. Откройте терминал в каталоге, где доступна команда starnet2, либо укажите полный путь к executable.
  • Шаг 2. Для обычного результата выполните starnet2 --input input.tif --output starless.tif. После завершения откройте файл и проверьте края ярких звёзд.
  • Шаг 3. Чтобы одновременно получить разностный звёздный слой, добавьте --mask starmask.tif.
  • Шаг 4. Для слоя, предназначенного для Screen-смешивания, добавьте --unscreen stars.tif. Mask и unscreen можно получить в одном запуске.
  • Шаг 5. На трудном изображении добавьте --upsample. Выход сохранит исходный размер, но обработка потребует больше времени и памяти.
  • Шаг 6. Для автоматизации добавьте --quiet, если не нужны обычные сообщения, однако предупреждения и ошибки всё равно останутся видимыми.
  • Шаг 7. Для диагностики версии используйте --version и --machine-info. Эти данные вместе с журналом полезны при несовместимости backend или ошибке модели.

Линейный FITS и тонкая настройка временного растяжения

Туманность после уменьшения яркости STF перед удалением звёзд
Управление временным растяжением помогает сохранить яркие волокна туманности.
StarNet Software / Mikita Misiura

Для линейного FITS включайте --linear. StarNet2 временно осветляет данные поканальным MTF, выполняет нейросетевую обработку, затем обращает растяжение. Если автоматический MTF забирает структуру туманности, доступны два параметра: --shadows-clipping задаёт отрицательный коэффициент отсечения теней в нормализованных единицах MAD, а --target-background задаёт целевой уровень фона от 0 до 1.

  • Шаг 1. Сначала запустите линейный кадр без ручной коррекции: starnet2 --input linear.fits --output starless.fits --linear.
  • Шаг 2. Сохраните mask или unscreen и проверьте, не оказались ли в звёздном слое волокна, ядро объекта или другие протяжённые детали.
  • Шаг 3. Если структура удаляется вместе со звёздами, уменьшите визуальную агрессивность временного растяжения. Документация приводит пример с --shadows-clipping -3.0 --target-background 0.2.
  • Шаг 4. Меняйте только один параметр за проход и сравнивайте одинаковый участок. Так проще понять, какая настройка действительно влияет на ошибку.
  • Шаг 5. Не подавайте в --linear ненормализованные float-FITS с физическими ADU уровнями. Текущая командная версия не нормализует диапазон автоматически; значения выше 1 обрезаются с предупреждением.
  • Шаг 6. Отрицательные калибровочные значения в линейных FITS поддерживаются, но нечисловые и бесконечные выборки отклоняются. Перед запуском проверьте файл на NaN и Inf.

Пакетная обработка и контроль результата

У StarNet2 нет обязательного встроенного пакетного интерфейса командной строки, зато один и тот же вызов легко повторять из PowerShell, Bash или Python. Для каждой картинки используйте уникальные имена starless и mask, не перезаписывайте исходники и сохраняйте журнал. В автоматическом конвейере полезен --machine-progress: он выводит машинно-читаемые события JSON Lines и подходит для оболочек, которые показывают собственный прогресс.

При массовой обработке сначала прогоните три характерных кадра: самый плотный по звёздам, самый слабый по сигналу и самый яркий по туманности. Если они проходят чисто, запускайте остальную серию. Такой тест экономит время: 2× upsampling на сотнях файлов увеличивает вычислительную стоимость примерно в четыре раза, поэтому включать его без проверки нерационально.

Как подключить StarNet2 к Siril и не перепутать старый и новый способ

Диалог удаления звёзд StarNet в Siril 1.4.x
Старый встроенный диалог Siril 1.4.x остаётся полезным для понимания параметров, но новая ветка переходит на Python-скрипт StarNet.py.
Siril documentation

Актуальная ветка Siril: запуск через StarNet.py

В новых сборках Siril встроенный C-интерфейс StarNet выводится из эксплуатации. Поддержка современных StarNet переносится в Python-скрипт. Логика такая: сначала отдельно установите командную версию StarNet2, затем в Siril откройте Scripts → Get Scripts, установите StarNet.py и запускайте его через меню Scripts. Такой подход отделяет обновление интеграции от релизного цикла Siril и позволяет скрипту работать с новыми CLI-возможностями без ожидания следующей версии программы.

  • Шаг 1. Установите именно командную сборку StarNet2. GUI-оболочка не заменяет executable, который вызывает Siril.
  • Шаг 2. Проверьте StarNet2 вне Siril на одном тестовом TIFF или FITS. Если он не стартует самостоятельно, интеграция в Siril проблему не исправит.
  • Шаг 3. В Siril откройте Scripts → Get Scripts и найдите StarNet.py. Установите скрипт через встроенный менеджер.
  • Шаг 4. Откройте изображение, которое собираетесь разделить на звёзды и фон. Для первого теста используйте уже откалиброванный и интегрированный кадр.
  • Шаг 5. Запустите StarNet.py из меню Scripts. Укажите путь к установленной командной версии, если скрипт не нашёл её автоматически.
  • Шаг 6. Сформируйте starless и звёздный слой. После обработки проверьте файлы в рабочей папке и откройте маску отдельно.
  • Шаг 7. При переходе со старых команд starnet/seqstarnet перепишите сценарии на pyscript StarNet.py: в Siril 1.6 старый встроенный интерфейс удаляется.

Siril 1.4.x: что означают параметры старого диалога

В стабильной ветке Siril 1.4.4 старый диалог ещё показывает пять основных опций: Pre-stretch linear image, Recompose stars on completion, Generate star mask, Upsample x2 и Use custom stride, плюс Apply to sequence. Эти названия помогают понять процесс даже при переходе на скрипт. Pre-stretch временно применяет MTF к линейному кадру; Generate star mask создаёт разностный звёздный слой; Upsample x2 полезен для очень тесных звёзд; custom stride обычно оставляют равным 256.

Если вы обрабатываете последовательность в старом диалоге, Apply to sequence создаёт отдельную последовательность starless-кадров и, при включённой маске, вторую последовательность звёзд. Для комет это особенно полезно: звёзды можно убрать до интеграции по ядру кометы и затем отдельно собрать звёздный фон. Но для новой ветки лучше строить сценарий вокруг StarNet.py, чтобы не привязываться к удаляемому C-интерфейсу.

Как исправлять типичные артефакты и проверять качество

Фрагмент туманности, ошибочно попавший в звёздную маску StarNet
Звёздная маска показывает, когда модель принимает яркие волокна туманности за звёзды.
StarNet Software / Mikita Misiura

Мелкие звёзды и радиальные следы

Самая простая ошибка — считать, что единичный starless-кадр без видимых звёзд автоматически хорош. Увеличьте участки с яркими и мелкими звёздами. Если вокруг удалённых источников остаются лучи, кресты или неровные кольца, повторите проход с 2× upsampling. Этот режим создан именно для сложных тесных звёзд и обычно лучше, чем бесконечное уменьшение Stride.

  • Шаг 1. Сделайте базовый проход с Stride 256 без 2× и сохраните результат как контрольный.
  • Шаг 2. Отметьте два-три проблемных участка и повторите процесс с 2× upsampling.
  • Шаг 3. Сравните одинаковые области в масштабе 100–200%. Смотрите на фон вокруг звезды, а не только на её исчезновение.
  • Шаг 4. Если 2× исправил мелкие звёзды, но ухудшил очень крупные, используйте локальную ретушь для нескольких ярких объектов вместо глобального усложнения.
  • Шаг 5. Если пропущены лишь единичные звёзды, аккуратно уберите их CloneStamp или healing-инструментом после starless-прохода.

Яркие волокна туманности попадают в маску

На узкополосных и монохромных изображениях яркие высокочастотные волокна иногда выглядят для сети как звёздные структуры. Исправление начинайте не со Stride, а с входного представления. Если есть цветная версия, попробуйте её: RGB даёт больше информации. Если цветного варианта нет, сделайте 2× проход и отдельно попробуйте более тёмный STF, чтобы яркие нити не доминировали во временно растянутом изображении.

  • Шаг 1. Откройте star mask. Найдите протяжённые светлые нити, которые явно относятся к туманности.
  • Шаг 2. Вернитесь к исходному линейному кадру и уменьшите яркость STF, особенно для наиболее ярких не-звёздных структур.
  • Шаг 3. Повторите StarNet2 с Linear data, сохранив тот же Stride. Сравните маску с предыдущей.
  • Шаг 4. Если проблема сохраняется, добавьте 2× upsampling и снова оцените маску.
  • Шаг 5. Выберите вариант, где в маске остаются звёзды, а волокна туманности минимальны. Только после этого продолжайте усиление контраста.

При дальнейшей доводке starless-слоя контролируйте резкость отдельно от удаления звёзд. Чрезмерное повышение микроконтраста способно превратить остаточные артефакты в заметные дефекты. Общие приёмы собраны в материале Xeon Live о том, как увеличить резкость фотографии; для астрофото применяйте их умеренно и обязательно сравнивайте результат с исходным фоном.

Производительность, форматы и автоматизация рабочего процесса

Обработка туманности с 2× upsampling в StarNet
Увеличение 2× повышает вычислительную нагрузку, поэтому его стоит включать только для проблемных кадров.
StarNet Software / Mikita Misiura

DirectML, CUDA и проверка фактического backend

В актуальных Windows-сборках StarNet2 с ONNX Runtime предусмотрено DirectML-ускорение с автоматическим переходом на CPU. Это удобный базовый путь: отдельная установка CUDA не требуется для обычного использования. Ручная CUDA-схема остаётся продвинутым вариантом для тех, кто контролирует версии ONNX Runtime, CUDA и cuDNN и готов проверять совместимость библиотек.

  • Шаг 1. Запустите StarNet2 на типичном изображении и откройте Process Console или вывод CLI.
  • Шаг 2. Найдите строку с backend. Для DirectML или CUDA должна быть явно указана соответствующая execution provider; при сбое будет отмечен переход на CPU.
  • Шаг 3. Сравните время двух одинаковых запусков. Первый старт после установки runtime может быть длиннее из-за инициализации.
  • Шаг 4. Не оценивайте ускорение только по загрузке GPU в диспетчере задач: главным подтверждением остаётся журнал StarNet2 и повторяемое сокращение времени обработки.
  • Шаг 5. Если GPU не запускается, сначала оставьте CPU и завершите рабочий проект. Затем отдельно диагностируйте ускорение, не смешивая проблему качества изображения с проблемой runtime.

Форматы входа и выхода

Командная версия 2.6.2 рекомендует TIFF/TIF, PNG и поддерживаемые FITS. Для обычных не-FITS изображений принимаются 8- и 16-битные целые данные, RGB или grayscale. Альфа-канал и произвольные многоканальные массивы не поддерживаются. TIFF и PNG сохраняют глубину 8 или 16 бит исходного не-FITS файла; FITS при экспорте в TIFF/PNG переводится в 16 бит. TIFF записывается с LZW-сжатием.

  • Шаг 1. Для научного или длинного рабочего процесса оставляйте данные в FITS либо высокоразрядном TIFF, не переводя промежуточные слои в JPEG.
  • Шаг 2. При FITS → FITS проверяйте сохранённые заголовки. StarNet переносит применимые WCS, наблюдательные и инструментальные метаданные, но создаёт новый одиночный image HDU и не копирует произвольные дополнительные HDU.
  • Шаг 3. Не меняйте геометрию starless и stars по-разному. Любое масштабирование до обратного сложения должно быть синхронным.
  • Шаг 4. Для публикационной копии выполняйте окончательное преобразование в JPEG или PNG только после обратного объединения и финальной цветокоррекции.
  • Шаг 5. Если нужно подготовить несколько вариантов вывода, сначала сохраните мастер без потерь, затем делайте отдельные экспортные копии. Общая логика неразрушающего процесса разобрана в материале Xeon Live о том, как правильно редактировать фотографии.
Starless и star mask до корректировки
Первый проход: часть структуры туманности попала в маску.
StarNet Software / Mikita Misiura
Увеличенный участок ошибочно удалённых волокон
Проверка маски крупным планом показывает ложное удаление структуры.
StarNet Software / Mikita Misiura
Проверка результата после корректировки STF
После изменения временного растяжения маска становится чище.
StarNet Software / Mikita Misiura
Финальный starless-кадр Вуали
Финальный результат после подбора масштаба и растяжения.
StarNet Software / Mikita Misiura

Плюсы, минусы и ограничения StarNet++

Туманность Wizard до и после удаления звёзд StarNet2
Пользовательский пример StarNet2 показывает практическую ценность starless-слоя для работы с туманностью.
Автор публикации Cloudy Nights

Плюсы

  • Узкая специализация: инструмент решает именно задачу удаления звёзд, а не пытается быть универсальным фоторедактором.
  • Есть модуль PixInsight и самостоятельный CLI, поэтому StarNet2 можно встроить как в ручной, так и в автоматизированный процесс.
  • Поддерживаются линейные изображения, отдельный star mask и unscreen-слой, что упрощает раздельную обработку.
  • 2× upsampling помогает на тесных мелких звёздах без необходимости вручную увеличивать и затем уменьшать весь проект.
  • Текущие Windows-сборки используют DirectML с переходом на CPU, а Apple Silicon получает нативную CoreML-сборку.
  • Разработчик публикует подробную техническую документацию по форматам, backend и проблемным случаям.

Минусы

  • Нейросеть иногда принимает яркие тонкие детали туманности за звёзды, особенно на монохромных и узкополосных данных.
  • Очень яркие или необычные звёзды могут оставлять ореолы, лучи и другие артефакты, требующие локальной ретуши.
  • 2× upsampling существенно увеличивает время и расход памяти, поэтому не подходит как безусловный режим для больших серий.
  • Starless и звёздный слой не гарантируют точное обратное восстановление исходника после клиппинга, ресэмплинга и сильной обработки.
  • Командная версия требует понимания диапазонов FITS и нормализации: ненормализованный float ADU нельзя бездумно подавать в режим --linear.
  • Инструкции для старых TensorFlow-сборок до сих пор широко встречаются в сети и легко приводят к путанице при установке.

Кому подойдёт

  • Астрофотографам, которые обрабатывают туманности и хотят независимо контролировать фон и звёздное поле.
  • Пользователям PixInsight, которым нужен бесплатный специализированный модуль с управляемыми параметрами.
  • Пользователям Siril, готовым подключить внешний CLI через актуальный скрипт.
  • Тем, кто строит автоматические конвейеры и хочет вызывать удаление звёзд из сценариев.

StarNet++ не заменяет полный пакет обработки астрофото. Он не выполняет калибровку кадров, интеграцию, фоновые модели, цветовую калибровку, шумоподавление или финальную художественную доводку. Его место — между подготовкой исходника и последующей раздельной обработкой. Чем аккуратнее изображение до StarNet, тем меньше времени уйдёт на исправление ложных срабатываний после него.

Альтернативы StarNet++ и практические рекомендации

Сравнение результата StarNet2 и StarXTerminator на туманности
Сравнивать альтернативы стоит на одинаковом исходнике: разные модели по-разному сохраняют слабую туманность и остатки звёзд.
Автор публикации Stargazers Lounge

У StarNet2 есть реальные альтернативы, но они отличаются не одной условной шкалой качества, а рабочим процессом. StarXTerminator от RC Astro ориентирован на автоматическое удаление звёзд и доступен как отдельный инструмент с интеграциями, включая Siril. SyQon Starless в экосистеме Siril использует другую модель и позиционируется как способ уменьшить остаточные артефакты в сложных областях. Для бесплатного процесса внутри Siril доступен собственный скрипт SyQon Zenith/Starless в зависимости от актуального пакета скриптов. Сравнивать их разумно на своих данных: разные оптические системы, размер звёзд и тип туманности дают разные ошибки.

StarNet++ остаётся особенно логичным выбором, когда уже используется PixInsight и важны прозрачные параметры Stride, Linear data, 2× upsampling и несколько вариантов звёздного слоя. Для Siril стоит ориентироваться на текущий Python-скрипт, а не на устаревший встроенный диалог. Для автоматизации удобнее CLI 2.6.x: он документирует форматы, машинный прогресс, диагностику и работает без графической оболочки.

StarNet2 удалил часть туманности вместе со звёздами. Что делать?

Сначала проверьте star mask. Для линейного кадра скорректируйте STF так, чтобы яркие волокна были менее доминирующими, и повторите проход. Затем попробуйте цветной вход и только после этого 2× upsampling.

Нужно ли всегда включать 2× upsampling?

Нет. Начинайте без него. Включайте 2× при тесных мелких звёздах, радиальных остатках или пропусках. Режим заметно увеличивает вычислительную стоимость.

Какой Stride выбрать?

Для большинства изображений отправная точка — 256. Для широкоугольных кадров с мелкими звёздами текущая документация допускает более высокий шаг, например 384. Уменьшать ниже 256 без конкретной проблемы обычно не требуется.

Можно ли работать с линейным FITS?

Да. В PixInsight используется Linear data, в CLI — --linear. Float-FITS должен иметь корректный нормализованный диапазон; автоматической нормализации физических ADU нет.

Почему StarNet2 работает на CPU, хотя есть видеокарта?

Проверьте Process Console или вывод CLI. Windows-сборка использует DirectML и при недоступности GPU переходит на CPU. Журнал показывает фактически выбранный backend.

Чем mask отличается от unscreen stars?

Mask — положительная разница между исходником и starless для аддитивного восстановления. Unscreen stars рассчитан на обратное смешивание Screen. Формулы объединения для них различаются.

Можно ли использовать старые инструкции с копированием DLL в PixInsight?

Для актуального модуля предпочтителен репозиторий PixInsight. Архивные TensorFlow-пакеты сохранены как legacy и нужны прежде всего для старых установок.

Для большинства пользователей безопасная схема выглядит так: подготовить линейный цветной мастер, запустить StarNet2 с Linear data и Starmask, оценить маску, при необходимости скорректировать STF или включить 2×, затем отдельно обработать фон и звёзды и вернуть их подходящим способом. Если задача шире и нужен полный набор инструментов обработки, можно дополнительно посмотреть рейтинг графических редакторов Xeon Live, но StarNet++ в таком процессе остаётся специализированным этапом именно для астрофотографии.

Главный критерий качественного результата — не абсолютное отсутствие звёзд, а сохранность того, что звёздами не является. Поэтому каждый серьёзный проход заканчивайте проверкой star mask, а не только просмотром starless-картинки. Такой контроль быстро показывает, когда нейросеть удалила нужную структуру, и позволяет исправить входные параметры до того, как ошибка усилится дальнейшей обработкой.

xeonlive.ru
Профиль автора на Sostav