Почему батч-нормализация в CNN работает по-другому?

В полносвязном слое происходит усреднение по объектам в батче.

В сверточном слое происходит усреднение по объектам в батче + усреднение по ширине и высоте картинки.

мне причина такого усреднения не очень понятна. Я полазил по английскому SO с таким же вопросом, но так и не смог понять, видимо, из-за языкового порога и немного различающихся терминов. пример :

because filter weights are shared across the input image