论文阅读：Uncertainty Guided Multi-Scale Residual Learning-using a Cycle Spinning CNN for Single Image De

这是后面发现的一个2019年CVPR的一篇去雨文章，遗珠。

2019 CVPR ： UMRL

这是2019CVPR的一片文章，作者来自约翰霍普金斯大学，也有不少文章，Rajeev Yasarla
这篇文章主要是基于估计的置信度引导学习权值，并融入了循环旋转框架来去除伪影。

代码：UMRL

雨图中可能会包含大小、方向、密度不同的雨纹，之前的一些利用图像先验的方法由于没有考虑到雨在图片中的位置信息而效果欠佳，所以本文以多尺度的方式考虑进雨纹的位置信息。
本文主要提出了一种不确定性引导多尺度残差学习网络（UMRL）来学习不同尺度下的雨纹信息来估计出最终的雨图，同时还使用了一种cycle spinning框架来去除伪影，提高性能。

主要点：多尺度 + 残差图自信图 + cycle spinning

主要创新之处：

1、提出了置信度映射，自信图。本文以多尺度的方式考虑进雨纹的位置信息，然后在向网络的后续层提供估计的雨纹信息即残差图时，可能会终止传播估计的误差，为此引入了一个置信度，来生成对应的自信图。在传递自信图的