이미지 복원은 손상된 이미지로부터 선명한 이미지를 재구성하는 것을 목표로 하며, 다양한 분야에서 중요한 역할을 한다. 최근 Transformer 기반 모델은 다양한 이미지 복원 작업에서 높은 성능을 달성하고 있으나, 그 제곱 복잡도(quadratic complexity)는 실용적 응용에 있어 해결되지 않은 과제로 남아 있다. 본 연구의 목적은 효율적이고 효과적인 이미지 복원 프레임워크를 개발하는 것이다. 손상된 이미지 내 다양한 영역이 서로 다른 정도로 손상된다는 사실에 착안하여, 복원 과정에서 중요한 영역에 더 집중할 수 있도록 설계하였다. 이를 위해 경계 신호나 난이도 높은 영역과 같은 복원에 핵심적인 정보를 강조하기 위해 이중 도메인 선택 기반 메커니즘(dual-domain selection mechanism)을 도입하였다. 또한, 고해상도 특징을 분할하여 네트워크 내에 다중 규모의 수용장(Receptive Field)을 삽입함으로써 효율성과 성능을 동시에 향상시켰다. 마지막으로, 이러한 설계 요소들을 U자형 백본(U-shaped backbone)에 통합하여 FocalNet이라는 새로운 네트워크 구조를 제안하였다. 광범위한 실험을 통해 제안한 모델은 단일 이미지 초점 왜곡 제거, 이미지 안개 제거, 이미지 눈송이 제거 등 세 가지 주요 작업에 대해 10개의 데이터셋에서 최신 기술(SOTA) 수준의 성능을 달성함을 입증하였다. 본 연구의 코드는 https://github.com/c-yn/FocalNet 에서 공개되어 있다.