過剰な辞書に対する疎表現は、信号処理や画像処理における逆問題の正則化にしばしば使用されます。近年、シフト不変フィルターからなる辞書を用いる畳み込み疎符号化（Convolutional Sparse Coding: CSC）モデルが再び注目を集めています。このモデルは一部の画像処理問題で成功裏に使用されてきましたが、ノイズ除去などの単純なタスクでは従来のパッチベースの手法に及ばない面があります。本研究では、CSCモデルとその自然画像を表現する能力について新たな洞察を提供し、このモデルとそのパッチベースの先祖との間のベイジアン的な関連性を提案します。これらの観察に基づいて、ストライド畳み込みを使用してCSCモデルへのMMSE近似プロセスを行う新しいフィードフォワードネットワークを提案します。この監督学習アーキテクチャの性能は、多くのパラメータを使用せずに最先端の手法と同等であることが示されています。