一、技术背景与融合动机 Transformer架构凭借自注意力机制在自然语言处理（NLP）领域取得突破性进展，而ResNet通过残差连接解决了深度卷积神经网络（CNN）的梯度消失问题，成为计算机视觉（CV）领域的标杆模型。两……
