기존의 비 제거 알고리즘은 일반적으로 비줄기 제거 또는 비방울 제거 중 하나에만 초점을 맞추며, 실제 도로 환경에서의 비 오는 장면을 효과적으로 처리하지 못할 수 있다. 또한, 다양한 유형의 비와 그에 해당하는 비 없이 정제된 참값(ground-truth)을 포함하는 실제 환경 기반의 비 제거 데이터셋이 부족함으로써, 비 제거 알고리즘의 발전이 지연되고 있다. 본 논문에서는 이러한 실제 환경 기반의 비 제거 문제를 두 가지 측면에서 해결하고자 한다. 첫째, 비줄기와 비방울을 통합된 프레임워크 내에서 동시에 제거할 수 있는 보완적 연결형 네트워크 아키텍처인 CCN(Complementary Cascaded Network)을 제안한다. 구체적으로, CCN은 비방울 제거 후 비줄기 제거, 또는 그 반대로 순차적으로 처리하는 보완적 방식을 통해 각각의 제거 작업을 수행한 후, 주의 기반 융합 모듈을 통해 결과를 융합한다. 비줄기와 비방울 간의 형태 및 구조적 차이가 크기 때문에, 이를 효과적으로 제거하기 위한 정교한 수작업 기반 네트워크 설계는 어려운 과제이다. 따라서 본 연구에서는 지정된 비 제거 탐색 공간 내에서 최적의 아키텍처를 자동으로 탐색하기 위해 신경망 아키텍처 탐색(Neural Architecture Search, NAS) 기법을 활용한다. 둘째, 실제 적용 시나리오에서의 비 제거 알고리즘 개발을 촉진하기 위해 새로운 실세계 비 이미지 데이터셋인 RainDS를 제시한다. RainDS는 비줄기만 존재하는 이미지, 비방울만 존재하는 이미지, 그리고 둘 다 존재하는 이미지 등 다양한 유형의 비 이미지와 각각의 비 없이 정제된 참값을 포함하고 있다. 기존 벤치마크와 RainDS를 대상으로 수행한 광범위한 실험 결과를 통해, 제안한 방법이 기존 최고 수준의 기술들보다 우수한 성능을 보임을 입증하였다.