何时简单更优：针对受物理约束的 InSAR 相位展开，简单性优于复杂性

相位展开是基于 InSAR volcanic 和 seismic 监测中的主要计算瓶颈。我们挑战着色业界采用高复杂度计算机视觉架构（如注意力机制）而不验证其适合性的趋势，以物理约束的地理学回归为例。我们进行首次大规模架构消除实验，基于全球 LiCSAR 基准（20 帧、39,724 个切片、6510 万像素）。我们的结果揭示了显著的 "complexity penalty"：一个 vanilla U-Net（776 万参数）达到 $R^2=0.834$ 和 RMSE $= 1.01$ cm，显著优于 1137 万参数的注意力模型，在 $R^2$ 提升 34%，在 RMSE 中改善 51%。功率谱密度（PSD）分析提供了物理依据：虽然注意力在捕获自然图像中锐利语义边缘方面出色，但会将非物理的高频杂波（$>0.3$ cycles/pixel）注入地理学场中，违反弹性表面变形的基本平滑约束。具有 2.92ms 的推理延迟（加快 2.5 倍），vanilla U-Net 是唯一能够轻松满足 operational early-warning 系统中子 100ms 要求的候选方案。这项工作填补了 "publication-to-practice" 之间的鸿沟，证明卷积局部性在光滑场回归中优于现代复杂性，主张在 ML4RS 中采用物理感知的简单性。代码可在 https://github.com/prabhjotschugh/When-Less-is-More-InSAR-Phase-Unwrapping 查阅。