近年、注目メカニズム（attention-based）を用いたネットワークは、画像復元タスクにおいて高い成果を上げている。しかし、従来の手法は計算コストが高くなるか、受容 field（受容野）が限定的であるという課題を抱えており、モデルの性能に制約をもたらしている。また、空間的・文脈的な側面での頑健性が低く、ピクセル単位の対応関係が欠如しているため、特徴表現の品質が低下する可能性がある。本論文では、画像復元、特に画像ノイズ除去および画像ぼかし除去に特化した、新しい且つ計算効率の高いアーキテクチャである「Single Stage Adaptive Multi-Attention Network（SSAMAN）」を提案する。SSAMANは、計算負荷の低減と受容野の拡大を効率的に実現し、空間的および文脈的特徴表現の頑健性を向上させる。本モデルの核心となる「Adaptive Multi-Attention Module（AMAM）」は、Adaptive Pixel Attention Branch（APAB）とAdaptive Channel Attention Branch（ACAB）から構成され、チャネル次元とピクセル次元を統合的に扱うことで、エッジ、形状、テクスチャに対する感度を顕著に向上させる。広範な実験およびアブレーションスタディを通じて、SSAMANの有効性を検証した。実験結果によると、さまざまなベンチマークにおいて最先端の性能を達成している。特に、画像ノイズ除去タスクにおいて、SIDDデータセットで40.08 dBのPSNRを達成し、Restormerを0.06 dB上回りながら、計算コストを41.02%削減した。また、DNDデータセットでも40.05 dBのPSNRを記録した。画像ぼかし除去においては、GoProデータセットで33.53 dBのPSNRを達成した。コードおよびモデルはGitHubにて公開されている。