一、Swin Transformer的技术定位与核心突破 传统Transformer模型（如ViT）通过全局自注意力机制捕捉长距离依赖，但在处理高分辨率图像时面临计算复杂度（O(N²)）与显存消耗的双重挑战。Swin Transformer通过引入层……
