一、背景与问题提出 在计算机视觉领域，卷积神经网络（CNN）长期占据主导地位，其局部感受野和权重共享特性使其在图像任务中表现优异。然而，CNN的归纳偏置较强，对长距离依赖的建模能力有限。随着Transformer在自……
