이미지 블러링 제거는 원본 흐린 이미지로부터 고품질 이미지를 복원하는 것을 목표로 한다. CNN과 Transformer의 등장으로 인해 이 분야에서는 상당한 진전이 이루어졌으나, 이러한 방법들은 장거리 퇴화 왜곡을 효과적으로 제거하는 것과 계산 효율성을 유지하는 사이의 딜레마에 직면해 있다. 선택적 상태 공간 모델(Selective State Space Model, SSM)은 선형 복잡도로 장거리 의존성을 모델링할 수 있다는 잠재력을 보이고 있으나, 국소 픽셀 잊혀짐과 채널 중복성 등의 문제도 동반한다. 이러한 문제를 해결하기 위해, 우리는 선택적 상태 공간 모델을 활용하여 풍부하고 정확한 특징을 효과적으로 집계할 수 있는 효율적인 이미지 블러링 제거 네트워크를 제안한다. 구체적으로, 국소 불변 특성과 비국소 정보를 효과적으로 캡처하고 통합할 수 있도록 설계된 국소 및 전역 정보 집계 블록(AGLBlock)을 도입한다. AGLBlock은 두 가지 주요 모듈로 구성되며, 국소 및 전역 특징을 캡처하는 모듈(CLGF)과 특징 집계 모듈(FA)이다. CLGF 모듈은 두 가지 분기로 구성되며, 전역 분기는 선택적 상태 공간 모델을 통해 장거리 의존성 특징을 캡처하고, 국소 분기는 단순화된 채널 주의 메커니즘을 사용하여 국소 연결성을 모델링함으로써 국소 픽셀 잊혀짐과 채널 중복성을 줄인다. 또한, 두 분기의 특징을 집계할 때 재가중(weight recalibration)을 통해 국소 부분의 영향을 강조할 수 있도록 FA 모듈을 설계하였다. 실험 결과, 제안하는 방법이 널리 사용되는 벤치마크에서 최신 기술 대비 우수한 성능을 보였다.