JPEGは、ロス圧縮画像形式の最も一般的に使用される規格の一つです。しかし、JPEG圧縮は高圧縮率において特に様々な種類のアーティファクトを必然的に導入し、これはユーザ体験（Quality of Experience: QoE）に大きな影響を与える可能性があります。最近では、畳み込みニューラルネットワーク（Convolutional Neural Network: CNN）を基盤とする手法が、JPEGアーティファクトの除去において優れた性能を示しています。多くの研究でCNNの深層化とより深い特徴量の抽出に注力されてきましたが、ネットワークの受容野（receptive field）に注目する研究は比較的少ないのが現状です。本論文では、多くの場合において受容野を拡大することで出力画像の品質が大幅に向上することを示します。さらに一歩進めて、ピクセル領域とDCT領域双方での冗長性を最大限に活用するための双領域多尺度CNN（Dual-domain Multi-scale CNN: DMCNN）を提案します。実験結果から、DMCNNはJPEGアーティファクト除去タスクにおいて新たな最先端技術（state-of-the-art）であることが確認されました。