JPEG画像圧縮アルゴリズムは、高い圧縮率を実現する能力により、最も一般的に使用される画像圧縮手法です。しかし、このような高圧縮率を達成するために情報が失われます。特に、強度の高い量子化設定では、画像品質の低下が顕著になります。深層ニューラルネットワークを用いたアーティファクト補正については長年研究が行われてきましたが、現行の最先端手法は各品質設定ごとに異なるモデルを学習させる必要があり、実用的な応用に大きな制約を与えています。本研究では、この問題を解決するために、JPEGファイルの量子化行列によってパラメータ化された新しいアーキテクチャを開発しました。これにより、特定の品質設定で学習されたモデルに対して当該単一モデルが最先端の性能を達成することが可能となりました。