Pytorch图像去噪实战（十七）：混合损失函数图像去噪实战，解决MSE导致图像发糊的问题

Pytorch图像去噪实战（十七）：混合损失函数图像去噪实战，解决MSE导致图像发糊的问题一、问题场景：loss很低，但图像看起来还是糊做图像去噪时，我遇到过一个很反直觉的问题：训练loss下降得很好，PSNR也不低，但输出图像看起来不够清晰。尤其在文字、边缘、纹理区域，经常出现：文字边缘发虚头发纹理消失布料纹理变平图像有塑料感看起来干净但不真实最开始我以为是模型不够强，于是换了UNet、ResUNet、Attention UNet。效果有提升，但问题仍然存在。后来发现核心原因之一是：损失函数设计太单一。很多入门代码默认使用 MSELoss。但 MSELoss 在图像恢复任务中很容易导致过度平滑。二、为什么MSE会导致图像发糊？MSE公式本质上对大误差惩罚更强。在不确定区域，模型倾向输出平均值。举个例子：同一个位置可能是细纹理，也可能是噪点。如果模型不确定，MSE会鼓励它输出一个平均结果。这个平均结果在数值上可能不错，但视觉上就是：糊。