image dehazing問題に対して、ドメインの適応性をさらに向上させるために、クリアな画像の特性（たとえば、ダークチャネルのpriorや画像の勾配の平滑化）を利用して、実際のぼんやりとした画像を曇り除去トレーニングに組み込みます。 エンドツーエンドの方法で画像変換と曇り除去ネットワークをトレーニングすることにより、画像変換と曇り除去の両方のより良い効果を得ることができます

synthetic datasets(SOTS, HazeRD)とリアル画像でSOTAの性能が得られた。