Swin Transformer原理详解

大模型中的Swin Transformer是一种基于层级式窗口自注意力的视觉骨干网络，它通过移位窗口机制解决了传统Transformer计算量过大的问题，成为当前多模态大模型（如CLIP、LLaVA等）处理图像输入时的核心特征提取器，在人工智能领域，视觉理解是通往通用人工智能的关键一步，当我们谈论大模型如何“看……