一、背景与核心挑战 传统Transformer模型通过全局自注意力机制捕捉长距离依赖，在NLP领域取得巨大成功。然而，当其直接应用于计算机视觉任务时，面临两大核心挑战： 计算复杂度问题：全局自注意力的计算复杂度为O……
