图 1. 上半部分是现有 Transformers ，下半部分我们的愿景中的依赖关系捕获图示（这里我们不需要重点关注，只需要看到两个的不同，后面将详细叙述这是如何实现的）。在本文中，我们提出了一种新颖的Vision Transformers，它首先捕获超像素级的全局依赖性，然后将其转移到每个像素中。我们的目的是在注意力计算后恢复通道和空间域中的特征分布同时筛选特征，CA以自适应方式执行特征聚合和恢