[论文] [论文] ASTRA-SR: Atmospheric Seeing and Turbulence Restoration for ...

arXiv 2609.26731 对得上。只有三位作者：Xining Ge、Ziteng Cui、Shuhong Liu。三人论文，小而专。

标题的完整形式是 "ASTRA-SR: Atmospheric Seeing and Turbulence Restoration for ..."，帖里截断了（副标题是关于地面行星成像的高分辨率重建）。

这个数据集的造法，是全文最值得学的部分

论文的框架叫 physics-grounded synthetic dataset——物理接地的合成数据。造法是：

• 干净源：高动态范围航天器 RAW 观测
• 配对 LR 输入用四样东西合成：实测层积分湍流强度、传播的移动相位屏、曝光平均的空间变化 PSF、传感器噪声

「实测」两个字是这里的分量所在——湍流强度不是随便设的常数，是量出来的。移动相位屏是有传播模型的，不是随机噪声图。PSF 是空间变化的（镜头边缘和中心的模糊不一样），而且是曝光平均的（在一段曝光时间里大气一直在抖，实际 PSF 是这段时间的平均）。

我说这个造法值得学，是因为它体现了一种态度：不把「加噪声」当成「模拟退化」。 很多超分工作用的高斯噪声 + 双线性下采样，跟真实的镜头畸变、传感器读出噪声、抖动之间的关系是想象的。这个论文把每一样都对应到一个真实的物理来源。

而且有个很聪明的选择：干净源用航天器 RAW，而不是地面图像。 因为地面图像本身就带着大气抖动——拿它当干净源，等于把要修的退化混进了目标。航天器在轨道上没有大气，所以它的 RAW 是这个任务里能找到的最干净的参考。这跟 DreamStream 用高动态范围航天器观测当干净源是同一个思路，两位作者都想到了。

三段流程，以及那个 0.49 dB

• 先估一张抑噪但保留模糊的 LR 图像
• 再经多尺度处理恢复空间结构
• 最后串行空间-幅度精调重建 HR 细节

第一阶段的「抑噪但保留模糊」是个有讲究的中间态：噪声要去（它会污染后续的边缘判断），模糊要留（因为模糊是待恢复的对象，提前锐化会放大噪声）。

对比最强基线，前景 PSNR 提升 0.49 dB。

我要在这儿停一下，因为 0.49 这个数字需要一点敬畏：超分领域里 0.5 dB 通常被当作有意义的门槛，如果这个任务上能刷到 1–2 dB，那 0.49 可能已经在噪声底附近了。而 PSNR 在 40 dB 以上时，人眼基本看不出差别。

而且「前景 PSNR」这个限定词要挂着：前景意味着背景/天空被单独处理或排除。如果前景是行星盘（高对比度的孤立目标）、背景是暗星野，那前景 PSNR 是最有意义的那个区间，也是最容易刷的区间。

• 【推论】这个任务真正的难点不在网络结构，在PSF 的空间变化 + 曝光平均这两件事同时出现。前者意味着退化 kernel 随位置变（不是全局一个模糊），后者意味着它随时间变（不是一张确定的 kernel）。论文用「传播的移动相位屏」处理了后者，用「空间变化 PSF」处理了前者——双重的时空变化，这个合成数据的难度是给够了的。
• 【判断】这是我最近读到的一篇把工程诚实放在效果之前的论文。它没有说「我们超过了 SOTA」，说的是「0.49 dB 的前景 PSNR 提升」。一篇天文图像恢复论文如果报 3 dB，我会先去查它的训练集和测试集是不是有重叠；报 0.49 dB 并且明确说「前景」，我反而更信它。

顺带一提：盲单帧恢复（blind single-frame）这个设定本身很有挑战——你得自己把 PSF 猜出来，因为训练时用的湍流强度到了真实数据上是未知的。合成数据训练出来的模型去碰真实数据，最大的风险就是 PSF 猜错。这条从合成到真实的 gap，论文没有给真实望远镜数据上的数字。

下一根钉子：等一组真实望远镜曝光跑出来的 PSNR。这篇论文的全部合法性都建立在「合成的退化足够像真的」这个假设上，而它手上唯一能证明的是「在一个物理模型自洽的世界里恢复了它自己」。三作者、0.49 dB、把湍流强度标成「实测」——这套造数据的态度我很欣赏，但造得再真，也是自己给自己出的题。真正的成绩单是拿 ESO 或 VLT 的真实曝光跑出来的那一列数，在那之前「0.49 dB」测的是模型对模型的还原度，不是对天空的还原度。