単一画像の雨除去は、雨の画像がサイズ、方向、密度が異なる雨滴を含む可能性があるため、非常に困難な問題です。これまでのアプローチでは、単一画像から雨滴を除去するために一部の事前情報を利用しようと試みてきました。これらのアプローチの主要な制限の一つは、画像内の雨滴の位置情報を考慮していないことです。提案された不確実性誘導マルチスケール残差学習（UMRL）ネットワークは、この問題に対処するために、異なるスケールでの雨成分を学習し、それらを使用して最終的な雨除去出力を推定することを目指しています。さらに、推定に対する信頼度測定に基づいてネットワーク重みを学習させる技術を導入しています。また、サイクルスピニングという概念に基づいた新しい訓練およびテスト手順を導入し、最終的な雨除去性能を向上させています。合成データセットと実際のデータセットにおける広範な実験により、提案手法が最近の最先端手法に対して大幅な改善を達成していることが示されています。コードは以下のURLで入手可能です: https://github.com/rajeevyasarla/UMRL--using-Cycle-Spinning