画像のぼかし除去は、対応するぼけた画像から高品質な画像を復元することを目的としている。畳み込みニューラルネットワーク（CNN）およびTransformerの登場により、この分野では著しい進展が見られた。しかし、これらの手法は、長距離の劣化ノイズを効果的に除去するか、計算効率を維持するかというジレンマに直面していることが多い。一方、選択的状態空間モデル（Selective State Space Model, SSM）は、線形計算量で長距離依存性をモデル化できるという可能性を示しているが、局所的なピクセル情報の忘却やチャネルの冗長性といった課題も抱えている。この問題に対処するため、本研究では選択的状態空間モデルを活用して豊富かつ正確な特徴を統合する効率的な画像ぼかし除去ネットワークを提案する。具体的には、局所的な不変性特性と非局所情報を効果的に捉え統合するための「局所・全局情報の統合ブロック（Aggregate Local and Global Information Block, ALGBlock）」を導入する。ALGBlockは、主に2つのモジュールから構成される：局所・全局特徴を捉えるモジュール（CLGF）と特徴統合モジュール（FA）。CLGFモジュールは2つの分岐から成り、グローバル分岐は選択的状態空間モデルを用いて長距離依存性特徴を抽出する一方、ローカル分岐は簡略化されたチャネルアテンションを用いて局所的な接続性をモデル化することで、局所ピクセルの忘却およびチャネル冗長性を低減する。さらに、2つの分岐の特徴を統合する過程で、FAモジュールを設計し、局所部分の重要性を再調整することで、復元性能を向上させる。実験結果から、提案手法が広く用いられるベンチマークにおいて、最先端の手法を上回る性能を発揮することが示された。