北大清华提出WaveFormer，首创波动方程建模视觉

全局交互” 几乎等同于 self-attention：每个 token 都能和所有 token 对话，效果强，但代价也直观 —— 复杂度随 token 数平方增长，分辨率一高就吃不消。现有方法大多从 “相似度匹配” 出发（attention），或从 “扩散 / 传导” 出发（热方程类方法）。但热方程本质上是一个强低通滤波器：随着传播时间增加，高频细节（边缘、纹理）会迅速消失，导致特征过平滑。

我们是否能找到一种既能实现全局交互，又能精准保留高频细节的物理建模方式？

来自北京大学和清华大学的研究团队给出了答案：波动方程（Wave Equation）：把特征图当作空间信号，让语义在网络深度对应的 “传播时间” 里，遵循欠阻尼波动方程演化。这样一来，低频的全局结构与高频的边缘纹理不再是 “此消彼长” 的牺牲关系，而可以在可控的波动传播中共同存在。在 AAAI 2026 Oral 论文《WaveFormer: Frequency-Time Decoupled Vision Modeling with Wave Equation》中，研究者首次将视觉特征图视为在波动传播时间下演化的空间信号，受欠阻尼波动方程支配。