一、contribution
（1）我们开发了一种多隐藏空间感知（MHSP）损失模型，该模型可以提取更适合和多样化的语义知识边缘用于图像修复任务。
（2）我们提出了一种自适应迭代推理（AIR）模块，该模块不仅保留了处理大孔洞的能力，同时也避免了对小孔的冗余计算。
（3）我们注意到，在高饱和度下，色差更加明显，并设计了一种新的间隔最大饱和度（IMS）损耗，该损耗将修复生成器限制在最大饱和度域内，以减少色差
二、method
1、包含两个阶段，边缘修复和图像修复，第一阶段的输出作为第二阶段的输入。
2、adaptive iterative reasoning mechanism:
3、MHSP loss
4、IMS loss
5、total loss：由于彩色图像修复阶段比较困难，该阶段的损失函数也比较复杂。总损失函数包括对抗性损失、L1损失、多隐藏空间感知（MHSP）损失和间隔最大饱和（IMS）损失
三、evaluation metric
1、qualitative定性的
2、quantitative定量的:我们使用PSNR、MAE（平均值1）、SSIM[42]和FID[10]对不同方法的修复结果进行了定量评估。