顶会论文模块复现与二次创新：二次创新：将 MLP-Mixer 的跨 token 混合机制引入 ConvNeXt Block

0 写在前面

2026年的视觉模型赛道，正在经历一场静默而深刻的范式迁移。Transformer 的狂飙时代已经过去，研究者们开始重新审视那个被“嫌弃”了许久的老朋友——卷积神经网络。

回想2022年，Meta AI（原 Facebook AI Research）提出的 ConvNeXt 在计算机视觉领域投下了一颗重磅炸弹。它以纯卷积结构达到了 87.8% 的 ImageNet Top-1 精度，在 COCO 检测和 ADE20K 分割任务上甚至超越了当时风头正劲的 Swin Transformer，证明了“卷积并未死去，只是需要被现代化”。

与此同时，Google Research 提出的 MLP-Mixer 则从另一个角度证明了纯 MLP 架构的可能性——完全不需要自注意力机制，仅靠 token 混合和通道混合两套 MLP 就能取得接近 ViT 的性能。

那么，一个自然的交叉创新问题浮出水面：能否将 MLP-Mixer 精妙的 token 混合机制“嫁接”到 ConvNeXt 的 Block 中，实现两种优势的化学反应？

这正是本文要解决的核心命题。我将从以下六个维度全面拆解这一创新路径：

✅架构设计：深入剖析 MLP-Mixer 的 token 混合本质与 ConvNeXt Block 的结构特征，设计混合模块

✅代码实现：提供完整的 PyTorch 实现代码与逐层解析

✅性能对比