Swin Transformer：层级化视觉Transformer架构解析 一、传统Transformer在视觉任务中的局限性 自Transformer架构在自然语言处理领域取得突破性进展后，其自注意力机制开始被引入计算机视觉任务。然而直接将标准Tra……
一、架构设计背景与核心目标 传统Vision Transformer（ViT）将图像分割为不重叠的Patch序列，通过全局自注意力机制建模长程依赖，但存在两大局限：其一，全局注意力计算复杂度随图像分辨率呈平方级增长（O(N²)）；……
