两个输入一旦碰撞，确定性读出为何无法分开

令甲 $A=[[1,0],[1,0]]$，乙 $B=[[0,1],[0,1]]$。如果编码器只取整体均值，$f(A)=f(B)=.5$。进一步固定框坐标、其他特征与读出参数，且读出不能再访问原图，那么对任何确定性函数 g，都有 $g(f(A),b)=g(f(B),b)$。

这不是凭直觉说“分辨率低所以不行”，而是直接用相同输入必得相同输出。把 .5 复制为 4×4，或给同一个数做插值，都是对同样输入施加同样函数；结果仍无法告诉我们亮在左边还是右边。

若允许随机性，同样条件下也只能得到相同的输出分布。偶尔猜对其中一个，并没有建立随输入布局变化而变化的判断。要系统地区分，就要重新提供差别：改变编码器保留的信息、引入另一层特征、允许回看原图，或给出不同的外部条件。

题设没有证明真实粗特征普遍只等于均值，更没有推翻 RoIAlign 的完整模型结果。它是在迫使我们说清：性能瓶颈究竟是“已有信息读错位置”，还是“需要的信息根本没有保留”。