정규화할 정보와 남길 정보
복원에서는 특징의 평균과 크기에도 이미지 정보가 담길 수 있다. 모든 채널을 같은 방식으로 정규화하는 대신 일부를 조정하고 나머지 문맥 정보를 유지한다. HINet은 인스턴스 정규화를 복원 블록에 통합하는 방법을 연구한다.
두 부분으로 나누는 블록
합성곱으로 만든 중간 특징을 채널 방향으로 둘로 나눈다. 한쪽은 학습 가능한 아핀 매개변수가 있는 인스턴스 정규화를 적용하고 다른 쪽과 다시 연결한다. 절반이라는 말은 이미지의 왼쪽이나 위쪽 영역만 정규화한다는 뜻이 아니다.
채널 수의 예
설명용으로 중간 특징이 64채널이면 두 부분은 각각 32채널이다. 각 채널의 화면 크기가 20×20이라면 채널 하나는 400개 위치를 가진다. 채널 분할과 공간 위치 분할은 다르며 이 수는 실제 모델의 고정 채널 설정을 뜻하지 않는다.
부분 정규화의 평가
두 하위 네트워크 사이에서 특징과 감독 정보를 연결해 복원에 활용한다. 정규화 범위를 줄였다고 어떤 영상에서도 정보 보존이 보장되는 것은 아니다. 잡음, 흐림과 빗줄기처럼 다른 손상을 나누어 평가하고 채널 수, 해상도 및 전체 실행 비용을 맞춰 비교한다.