多くの基本的な画像関連問題は、デコンボリューション演算子を含んでいる。実際のぼかし劣化は、カメラノイズ、サチュレーション、画像圧縮などにより、理想的な線形畳み込みモデルに従わないことがほとんどである。生成モデルの観点から外れ値を完璧にモデル化することは極めて困難であるため、我々は劣化の特徴を捉えるための深層畳み込みニューラルネットワークを構築した。既存の深層ニューラルネットワークを直接適用しても、妥当な結果は得られないことが分かった。そこで、従来の最適化ベースの手法とニューラルネットワークアーキテクチャの間に接続を構築するアプローチを採用し、アーティファクトに対して堅牢なデコンボリューションを実現するための新しい可分構造を導入した。本ネットワークは、適切な初期化のもとで教師あり学習によって訓練される2つのサブモジュールから構成されており、従来の生成モデルに基づく手法と比較して、非盲目的画像デコンボリューションにおいて優れた性能を発揮する。