一、ViT的技术背景与核心突破 传统计算机视觉任务依赖卷积神经网络（CNN），通过局部感受野和层级特征提取实现图像理解。然而，CNN的归纳偏置（如平移不变性）在处理长距离依赖和全局信息时存在局限性。2020年，Go……
