PNGAN

生成真实噪声图像，让去噪模型更抗打

PNGAN是一个基于像素级噪声感知对抗训练的真实噪声图像生成工具，源自NeurIPS 2021论文。它解决的是真实图像去噪领域缺乏真实噪声数据的问题，核心能力是通过对抗训练学习真实噪声的分布，生成与真实相机噪声高度一致的带噪图像，从而为去噪模型提供高质量训练数据。项目支持多种噪声类型模拟，并可与主流去噪网络（如DnCNN）配合使用，提升模型在真实场景下的泛化性能。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 146
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队caiyuanhao1998
所属国家
官网地址
GitHubhttps://github.com/caiyuanhao1998/PNGAN
定价模式free
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型denoising,image-denoising,image-generation,image-processing,image-restoration,noise-modelling
GitHub 星标★ 146
30天Star增速
HF 下载量
上线时间2022-01-14 00:00:00
最近更新2026-05-16 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 基于NeurIPS 2021论文，算法有理论保障
  • 生成的噪声图像更接近真实相机噪声，提升去噪模型实际效果
  • 提供完整训练和测试代码，便于复现和二次开发

不足之处

  • 文档/社区待观察

适用场景

  • 为图像去噪模型生成训练数据
  • 模拟不同相机传感器的噪声特性
  • 图像增强和复原任务的数据增强

替代项目

Noise2Noise、DnCNN、CBDNet

项目介绍

PNGAN 是图像领域的开源项目，由 caiyuanhao1998 开发，2022 年首次发布。

它收录于图像分类，该分类目前共有 840 个项目，GitHub 星标数为 146。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-05-16。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：为图像去噪模型生成训练数据。同类可对比的替代方案包括 Noise2Noise、DnCNN、CBDNet。

上一篇：interactdiffusion

下一篇：h-edit

同类项目推荐

satori 开源

网页代码一键变高清图，放大不糊，不用截图

Enlightened library to convert HTML and CSS to SVG

★ 13967 2026-08-09
C2GAN 开源

用关键点精准控制图像生成，让AI画出你想要的结构

[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···

★ 70 2026-08-09
imagen-pytorch 开源

说句话生成高清图，放大也不糊

Implementation of Imagen, Google's Text-to-Image Neural Network, in Pytorch

★ 8427 2026-08-09