Pytorch图像去噪实战（四十七）：GAN图像去噪实战，让恢复结果更锐利自然一、问题场景：L1训练很稳，但图像总是有点软在图像去噪任务里，L1Loss 是一个非常稳的选择。它能让模型输出干净、稳定，不容易训练崩。但我在做照片增强和老照片修复时发现：L1训练出来的图像经常偏软，不够锐利。表现为：皮肤纹理变平头发细节不足建筑边缘不够锐商品材质不真实图像像被轻微磨皮这时可以引入 GAN，让判别器帮助生成更自然的细节。二、GAN去噪的核心思路普通去噪：Generator(noisy) - cleanGAN去噪增加一个判别器：Discriminator(clean) - real Discriminator(generator_output) - fake生成器不仅要接近 GT，还要骗过判别器。损失：