【图像去噪】论文复现：灵感源自MAE！进一步解决BSN的局限性，破坏真实噪声的空间相关性！AMSNet的Pytorch源码复现，跑通源码，原理详解！

请先看【专栏介绍文章】：【图像去噪（Image Denoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）

完整代码和训练好的模型权重文件下载链接见本文底部，订阅专栏免费获取！

本文亮点：

• 跑通AMSNet源码，包含数据集准备、训练、测试过程的图文展示，详细步骤；
• 解决各种基于lightning库的bug，需要修改的位置等；
• AMSNet网络结构和损失函数梳理和拆解，结构示意图和代码实现对应；

---

前言

论文题目：Asymmetric Mask Scheme for Self-Supervised Real Image Denoising —— 自监督真实图像去噪的非对称掩码方案

论文地址：