従来手法では、雨筋と水蒸気を独立した項としてモデルを立てて求めていた。しかし雨筋と水蒸気はその発生過程から見ても密接に関連しており、それらを別々に除去するのは適切ではない。本手法では、雨筋の透過マップをもとに蒸気の透過マップを予測する。(正確には3つのNNを共同で学習させる)

定量・定性的に従来手法と比較して性能が向上することを確認。また雨筋は多種多様な形状や方向を持つ（大雨の時に顕著である）ので雨筋を効果的に予測するために，ShuffleNetモジュールを用いたEnc-Dec CNNを提案していおり、その効果（Group Conv+Channel Shuffle）により，様々な雨筋に対するロバスト性が向上している。

わかりやすい課題に対して、筋の通った物理モデルを考慮したNNを提案している。結果もわかりやすい。