最初のデータセットで学習させるときにパラメータ及び重要度を記録し、次のデータセットの学習では重量度を踏まえた正則化項を加えてパラメータを更新するPIGWMを提案した。

Rain100H→Rain100Lの順番で連続して学習させた場合に、複数の従来手法にPIGWMを適用すると精度が大きく向上する結果。Rain100Hのデータセットのみで学習させた場合には及ばないものの、破滅的忘却を抑制できている。また、Rain800→Rain100LやRain800→Rain100Hなどの結果もあるが、逆順のRain100L→Rain100Hに関する言及はない。

雨を除去するタスク限定でも効果あるデータセットの範囲が気にかかる一方、PIGWMの考え方は汎用性がありそうで、違うタスクへの発展の可能性も考慮して通ったと考えられる。