在本文中，我们探讨了实例归一化在低级视觉任务中的作用。 具体来说，我们提出了一个新颖的块：半实例归一化块（HIN 块），以提高图像恢复网络的性能。基于HINBlock，我们设计了一个简单而强大的多级网络，名为HINet，它由两个子网络组成。 在HIN Block的帮助下，HINet在各种图像恢复任务上超越了最先进的技术（SOTA）。对于图像去噪，我们在 SIDD 数据集上的 PSNR 超过了它 0.11dB 和 0.28dB，其乘法累加器运算 (MAC) 仅为 7.5% 和 30%，加速分别为 6.8 倍和 2.9 倍。对于图像去模糊，我们在 REDS 和 GoPro 数据集上获得了相当的性能，其 MAC 为 22.5%，加速率为 3.3 倍。 对于图像去雨，我们在多个数据集的平均结果上超过了 0.3 dB，加速比为 1.4 倍。 借助 HINet，我们在 NTIRE 2021 图像去模糊挑战赛 - Track2 中获得了第一名。 JPEG 伪影，PSNR 为 29.70。 代码可在 https://github.com/megviimodel/HINet 获取。