画像復元（画像ノイズ除去、スーパーレゾリューション、インペイントなど）は、コンピュータビジョンおよび画像処理分野において長年にわたり研究が進められてきた重要な課題であり、低レベル画像モデリングアルゴリズムの検証のための代表的なベンチマークとしても広く用いられている。本研究では、画像復元を目的とした非常に深層な完全畳み込み型オートエンコーダーネットワークを提案する。このネットワークは、対称的な畳み込み層と逆畳み込み層を有するエンコーディング・デコーディング構造を採用している。すなわち、複数の畳み込み演算子と逆畳み込み演算子から構成され、劣化した画像から元の画像へとエンド・ツー・エンドでマッピングを学習する。畳み込み層は画像の内容を抽象化しつつノイズや劣化を除去する能力を有し、逆畳み込み層は特徴マップのアップサンプリングを行い、画像の詳細情報を復元する機能を持つ。深層ネットワークでは学習が困難になりがちな問題に対処するため、畳み込み層と逆畳み込み層をスキップ接続により対称的に接続する手法を提案する。このアプローチにより、学習の収束が著しく速くなり、より優れた復元結果が得られる。