最近の研究では、JPEG圧縮アーティファクト低減のために深層残差畳み込みニューラルネットワーク（CNN）が使用されています。本研究では、スケーラブルなCNNであるS-Netを提案します。当方針は、マルチタスクシステムにおいてリアルタイム動作を実現しつつ、性能低下を最小限に抑えつつネットワークの規模を動的に調整する効果的な方法を提供します。また、ネットワークの深さを増加させることで得られる性能向上を評価する単純かつ直接的な手法を提示し、冗長なネットワーク層を取り除きネットワーク効率を最大化するために役立ちます。我々はKerasフレームワークとTensorFlowバックエンドを使用してNVIDIA K80 GPUサーバー上で当アーキテクチャを実装しました。モデルの学習にはDIV2Kデータセットを使用し、その性能は公開ベンチマークデータセットで評価されました。提案手法の一般性と普遍性を検証するため、過度に処理された画像の評価用に新しいデータセットであるWIN143を作成し利用しました。実験結果は、提案手法が他のCNNベースの手法よりも優れ、最先端の性能を達成していることを示しています。