El aprendizaje profundo basado en la representación de imágenes de señales de vibración ha demostrado ser efectivo para el diagnóstico inteligente de fallos en rodamientos. Sin embargo, estudios anteriores se han centrado principalmente en el procesamiento de señales de vibración de un solo canal, lo que no puede garantizar la integridad de la información de características de fallo. Para obtener información de características de fallo más abundante, este artículo propone un método de representación de imágenes de datos de vibración multivariados, denominado patrón de puntos simetrizados multivariado (M-SDP), al combinar la descomposición de modo variacional multivariada (MVMD) con el patrón de puntos simetrizados (SDP). En M-SDP, las señales de vibración de múltiples sensores se descomponen simultáneamente mediante MVMD para obtener los subcomponentes dominantes con significados físicos. Posteriormente, los subcomponentes dominantes se mapean a diferentes ángulos de la imagen SDP para generar la imagen M-SDP. Finalmente, los parámetros de M-SDP se determinan automáticamente en función del coeficiente de correlación cruzada normalizado (NCC) para maximizar la diferencia entre los diferentes estados del rodamiento. Además, para mejorar la precisión del diagnóstico y el rendimiento de generalización del modelo, este artículo introduce el bloque de atención local-a-global (LG) y el mecanismo de codificación posicional mejorada localmente (LePE) en un Swin Transformer para proponer el método LEG Transformer. Luego, se desarrolla un nuevo método inteligente de diagnóstico de fallos en rodamientos basado en M-SDP y el LEG Transformer. El método propuesto se valida con dos conjuntos de datos experimentales y se compara con otros métodos. Los resultados experimentales indican que el método M-SDP ha mejorado la precisión y estabilidad del diagnóstico en comparación con el SDP original, y el LEG Transformer propuesto supera al típico Swin Transformer en tasa de reconocimiento y velocidad de convergencia.