YOLO26改进30：全网首发--C3k2融合自研创新模块Faster_CGLU

论文介绍

TransNeXt 是由 Dai Shi 等人提出的、针对视觉 Transformer（ViT）的鲁棒中央凹视觉感知模型，其官方实现基于 PyTorch，相关论文《TransNeXt: Robust Foveal Visual Perception for Vision Transformers》被 CVPR 2024 接收，项目地址为 https://github.com/DaiShiResearch/TransNeXt。
核心定位与创新
解决的核心问题
现有视觉骨干网络（如高效 ViT、大核 CNN）的有效感受野（ERF）存在 “块状伪影” 问题，这类伪影与 token mixer 设计相关，难以通过深层堆叠消除；
打破 “CNN 比 ViT 具备更优多尺度适应性” 的传统认知 —— 现有大核 CNN（RepLKNet、SLaK）在多尺度推理中性能大幅下降，而 ViT 的多尺度适配性被低估。
关键创新点
仿生设计的注意力机制：提出像素聚焦注意力（pixel-focused attention）和聚合注意力（aggregated attention），解决了 ERF 的伪影问题，实现自然平滑的视觉感知；
长度缩放余弦注意力 + 外推位置偏置：让 TransNeXt 在大规模图像外推任务中显著优于 ConvNeXt；
重新评估 ViT 与 CNN 的多尺度适配性，验证了 ViT 在多尺度推理下的潜力。