Pytorch图像去噪实战（四十二）：真实噪声数据集训练实战，解决合成噪声模型落地效果差问题

Pytorch图像去噪实战（四十二）：真实噪声数据集训练实战，解决合成噪声模型落地效果差问题

一、问题场景：合成噪声指标很好，真实图片效果很差

很多图像去噪入门项目都会这样构造训练数据：

noisy=clean+torch.randn_like(clean)*sigma

这种方式能快速训练模型，也方便复现论文实验。

但在真实项目里，我遇到过一个很典型的问题：

模型在合成高斯噪声上 PSNR 很高，但处理真实手机照片、截图、扫描件时效果很差。

表现为：

• 真实噪声去不干净
• 局部出现油画感
• 暗部噪点残留
• JPEG伪影无法去除
• 细节被错误抹掉

原因很直接：

真实噪声不是简单高斯噪声。<