论文标题：HINet: Half Instance Normalization Network for Image Restoration

论文链接：https://arxiv.org/abs/2105.06086

代码链接：https://github.com/megvii-model/HINet

作者单位：旷视科技 & 复旦大学 & 北京大学

在图像去噪、去模糊、去雨等low-level视觉任务中拿下多项第一！性能优于MPRNet、CycleISP等网络，代码刚刚开源！

在本文中，我们探讨了Instance Normalization在low-level视觉任务中的作用。具体来说，我们提出了一个新颖的块：半实例标准化块（HIN块），以提高图像复原网络的性能。基于HIN Block，我们设计了一个简单而强大的多阶段网络HINet，该网络由两个子网组成。在HIN Block的帮助下，HINet在各种图像复原任务方面超越了最新技术（SOTA）。对于图像去噪，我们在SIDD数据集上的PSNR超过0.11 dB和0.28 dB，其乘数累加器运算（MAC）分别只有7.5％和30％，分别是加速的6.8倍和2.9倍。对于图像去模糊，我们获得了可比的性能，其MAC为22.5％，在REDS和GoPro数据集上的速度是其3.3倍。对于图像排水，我们将多个数据集的平均结果的PSNR值提高了0.3 dB，即提高了1.4倍。凭借HINet，我们在NTIRE 2021图像去模糊挑战赛-Track2中获得了第一名。 JPEG伪像，PSNR为29.70。

内容中包含的图片若涉及版权问题，请及时与我们联系删除