星空超分辨率基准：STAR
计算机视觉与模式识别
2025-10-14 v2
摘要
超分辨率 (SR) 通过实现成本效益高的高分辨率捕获，推动了天文成像的发展，这对于检测遥远天体对象和进行精确结构分析至关重要。然而，现有的天文 SR (ASR) 数据集存在三个关键局限：通量不一致、对象裁剪设置和数据样本性质不足，显著阻碍了 ASR 的发展。我们提出了 STAR，一个包含 54,738 对通量一致星场图像对的大型天文 SR 数据集，覆盖广阔的天文区域。这些图像对将联合核太空望远镜的高分辨率观测与通过保持通量的物理可靠低分辨率副本构成，通过一种通量保存数据生成管道，使开发面向字段水平的 ASR 模型成为可能。为进一步赋能 ASR 社区，STAR 提供了一种新颖的通量误差 (FE) 来从物理视角评估 SR 模型。利用这一基准，我们提出了一种通量不变超分辨率 (FISR) 模型，能够准确推断输入光度学的通量一致高分辨率图像，显著优于我们设计的通量一致性指标上的多个 SR SOTA 方法，显示出在天文学中优先的地位。广泛的实验表明，我们提出的方法和数据集的有效性。代码和模型均可在 https://github.com/GuoCheng12/STAR 获取。
引用
@article{arxiv.2507.16385,
title = {STAR: A Benchmark for Astronomical Star Fields Super-Resolution},
author = {Kuo-Cheng Wu and Guohang Zhuang and Jinyang Huang and Xiang Zhang and Wanli Ouyang and Yan Lu},
journal= {arXiv preprint arXiv:2507.16385},
year = {2025}
}