论文地址：AAAI 2020. https://arxiv.org/pdf/1911.10375v1.pdf
motivation：传统的image inpainting的方式利用FN(feature normalization)来帮助网络训练，但是他们往往是在整个图像上进行，没有考虑到corrupted region的像素对于mean/variance的影响，这篇文章通过RN(regional normalization)把空间像素根据mask分别不同的区域，然后在不同的区域上分别计算mean和variance。
key idea： 设计了两种RN用于图像的inpaint，两种方法都是区域归一化：
(1) Basic RN(RN-B)，它基于输入的mask对corrupted区域和uncorrupted区域分别进行归一化，解决了均值和方差的偏移问题;（前者是基础版，需要输入mask）
(2) Learnable RN(RN-L)，自动检测潜在的损坏和未损坏的区域进行单独的归一化，并执行全局仿射变换来增强它们的融合。最终在网络的浅层使用RN-B在深层使用RN-L。（后者是可学习版，只需要输入feature maps即可。）
网络整体结构:
由Encoder、Residual Block、Decoder三部分组成。其中Encoder采用RN-B方法，Residual Block和Decoder采用RN-L方法。
判别器： 照搬 PatchGAN (Isola et al. 2017; Zhu et al. 2017) 的结构。同时采用了其损失函数，共包括四部分：reconstruction loss，adversarial loss，perceptual loss and style loss。
网络结构和损失函数上并没有创新的地方，将不同的已有的优秀方法拼凑而成。
4、文中创新点的地方：Region Normalization 的定义
对于每一个输入的feature map 其都有四个维度：N,C,H,W。分别代表batch size（批数量），channels（通道数），height（特征图的高），weith（特征宽）。既然是区域（region）归一化，就肯定有不同的区域，作者给出如下表示：
除了n,c还有H,W，所以每一批次feature maps 根据H,W两个维度来划分成若干块区域。RN算法的思想比较容易懂，绿色部分代表损坏的数据、红色部分代表未损坏的数据，两部分数据分别归一化。如下图：
以n,c为索引确定待处理区域。将待处理区域分割为若干子区域。分别对若干region进行normalization然后合并。
对不同region分别进行normalization的操作时相同的：
就是一个减去均值然后除以标准差的过程。均值和标准差的计算也是传统的方法，只是注意对统一region内像素进行计算。
这儿作者说明此方法其实是对Instance Normalization (IN)方法的一个拓展，当划分的region数量为1时，就是IN方法。 在图像修复领域，就把region数量设为2，一类完好区域，一类masked区域。
5、作者通过两种方式RN-B和RN-L运用RN方法
1）RN-B(Basic Region Normalization）
此方法根据输入的mask来划分original image 为两个区域（masked/unmasked），具体规则如下：
就是对于mask像素值为255的地方，判定为masked。将划分出的两个region分别用上述方法进行normalization，单独计算mean和varian然后合并得到完整的feature map。但是对于每个通道的feature，就有两组网络参数需要学习，不再是一个通道一组权重和偏差。
2）RN-L(Learnable Region Normalization)
在深层的网络里，各个corrupted area和uncorrupted area越发难以区分，相应的mask难以获得，这样RN-L对于corrupted区域进行预测，并且通过一个全局的放射系数帮助两个区域的融合。以下是RN-L的结构图：
此方法不再需要手动输入mask来划分region。如上图所示，首先对输入的feature maps进行最大池化和均值池化（对channel axis）获得两个1×H×W的map，原文说 The two pooling operations are able to obtain an efficient feature descriptor.
将得到的两个池化层卷积后施加Sigmod激活函数得到 a spatial response map：
然后对 设置一个t=0.8的阈值来判断是否是masked区域（这儿我没太明白这么做的原理是什么，可能在上面提到的两个池化层操作的文章里面有解释）：
这儿0.8的阈值只在前向传播推断的过程发挥作用，不会影响反向传播中梯度的更新。（这句话的具体效果包括其此操作可能产生的影响我暂且没想明白，需要看代码理解这个地方）
在学习γ（scale）和β(shift) 参数时，文中说也是通过卷积操作得到：
这儿的卷积和上面对两个池化层的卷积需要去看代码来理解。γ和β在仿射变换的过程中会沿着channel 维度膨胀？
Thoughts
- 浅层的网络corrupted area和uncorrupted area分别normalization之后直接融合的话可能会在boundary的部分不平滑，可以借助上一Prior中提到的spatial adaptive loss作为最后的损失帮助网络平滑，但是这是在网络的输出，至于RN-B中如何平滑融合，我觉得可以在normalization并融合的模块里加一个boundary区域，也就是corrupted/uncorrupted/boundary，boundary的区域可以用三个的平均代替。
- 关于feature map的mask的获得，单纯地用阈值获得的方式是不够具有说服力的，最简单的方法是原图的mask内外阈值不应该一样。
- 关于深层的放射系数进行pixel-wise的计算这一点，我存在一定的疑问，仿射系数的作用是对归一化之后的像素进行缩放，因此在local的区域内我想这些系数应当是共享的，但是至于到底哪些区域应当共享确实是需要“分割确定”的。