像素会撒谎：计算机视觉技术的可靠性边界

雨夜，前挡风玻璃上那层水膜把车道线拉成断续的白影。模型给出0.93的置信度。车没偏，人先紧张。这个片段比任何演示视频都诚实：计算机视觉技术处理的是像素证据，不是世界本身。像素会缺失、会反光、会被雨滴折射。置信度高，不等于判断对。这类误判很烦人。真的。

先把问题说清。视觉模型通常把图像映射为特征，再做分类、检测或分割。卷积网络靠局部感受野堆叠，Transformer用注意力建模长程关系，自监督预训练把大量无标注图像变成可迁移表示。机制不神秘。难点在条件：训练分布与部署分布是否一致？标注是否覆盖长尾？阈值是否校准？

置信度不是证据

很多团队把softmax输出当概率用。严格说，它是模型在训练分布内的相对偏好。分布外样本会让它过度自信。校准方法如温度缩放、标签平滑、集成不确定性，能缓解，不能消除。验证时要看可靠性图、ECE、OOD检测AUC。别只看mAP。mAP高，可能是长尾被平均掉了。反例：金属表面反光导致缺陷检测把划痕判为正常；低对比度CT病灶被分割边界吞掉。条件一变，指标就掉。

说实话，视觉系统的风险不在平均场景。它在少见但致命的组合里。雨夜加逆光加临时施工。反光金属加油污加小缺陷。模型没见过这类组合，输出仍然平滑。工程上要承认：概率输出需要校准，校准需要独立验证集，验证集必须覆盖部署现场的扰动。缺一环，置信度就只是数字。

数据闭环里的暗账

标注不是中立的。框偏几个像素，分割边界松一点，分类标签带主观性。这些误差会进入损失函数。小目标检测尤其明显：IoU对偏移敏感，NMS又可能把相邻目标压掉。团队常追新结构，却忽略标注一致性。怪不怪？同一批图，两位标注员给出不同边界，模型学到的就是折中噪声。

更麻烦的是域偏移。医院A的CT设备、扫描协议、重建核与医院B不同。工厂A的照明角度与工厂B不同。模型在源域验证集上F1漂亮，跨域就掉。解决路径无非几条：目标域少量标注做微调；自监督或伪标签做适应；测试时增强；再加人工复核。每条都有代价。伪标签会放大错误。测试时增强增加延迟。人工复核吃人力。没有免费午餐。

部署现场只认延迟与失效模式

实验室里讨论参数量。产线上只问延迟、内存、功耗和故障恢复。边缘端GPU或NPU的量化会改变数值分布。INT8量化后，小目标召回可能下降。剪枝后，遮挡场景更脆。部署验证要按失效模式写用例：过曝、欠曝、运动模糊、镜头污渍、对抗贴片、类别不平衡。指标之外，还要看混淆矩阵里的具体错法。把猫判成狗可以笑。把裂纹判成正常，不能笑。

医学影像更敏感。分割 Dice 高，不代表临床可用。病灶边界模糊时，模型倾向平滑预测。放射科医生需要的是可解释的边界与不确定性提示，不是一个漂亮的热力图。工业质检也类似。漏检成本远高于过检时，阈值要偏保守，再配人工复检。阈值是业务参数，不是模型参数。把它当技术默认值，迟早出事。

边界之外，别把概率当结论

多模态融合、开放词汇检测、视觉基础模型在推进。它们能提升零样本迁移和语言交互能力。边界也清楚：开放词汇依赖文本先验，细粒度工业缺陷未必描述得清；基础模型参数量大，边缘部署困难；多模态对齐在传感器失配时会引入新噪声。趋势值得看，但不能替代现场验证。

我的判断偏保守：计算机视觉技术的可靠性来自约束，不来自万能。约束包括数据采集协议、标注规范、校准流程、失效模式清单、人工复核阈值和回滚机制。没有这些，演示视频越流畅，现场越危险。像素会撒谎。工程要做的是让系统知道自己什么时候不该开口。