该文综述多项视觉Transformer改进研究：ConvFormer以大卷积核替代自注意力实现轻量超分辨率；HiFormer融合CNN与Swin用于医学分割；iFormer用Inception混合器兼顾高低频；T-former以线性注意力做图像修复；Laplacian-Former增强高频建模用于分割；DualFormer高效处理视频时空依赖；SLaK用超大卷积核纯卷积网络媲美Transformer；D-LKA Net用变形大核注意力分割；另涉及低光增强及InstaFormer实例感知图像转换方法。