你把一张模糊的零件照片交给修图工具。处理后，画面更锐利了，但原本很细的裂纹也可能被磨平；另一种修法则可能添出纹理，让系统误以为那里有缺陷。对工业质检来说，“更好看”不等于“更可靠”。真正重要的是：修复后的图像，会不会误导最后负责判定缺陷的模型。
SafeRestore研究的正是这个问题。它不发明新的修复网络，而是在原始图像、五种修复结果和人工复核之间做选择，并尝试用独立样本为“哪些图可以自动返回”划出一条带统计保证的边界。论文把这种保证称为风险证书。但要先说清：证书只约束既定检测器观察到的两类事故，不证明真实缺陷必然得到保留，也不是对整条产线安全性的普遍担保。本文数字均来自这篇论文的回顾性实验，尚无第三方复现或真实产线前瞻验证。
修图工具也要学会说“不确定”
工业图像修复（image restoration）通常负责去噪、去模糊或补偿成像退化。它位于缺陷检测之前。下游检测器——最终判断有没有缺陷、缺陷在哪里的模型——看到的不是原始测量结果，而是修复工具交出的版本。
SafeRestore把修复改写成一个“选择性决策”问题。每张图到来后，系统可以保留原始 measured display，也可以从双线性插值、双三次插值等五种修复候选中选一个；如果证据不足，就拒绝自动处理，转给人工 review。这里的“拒绝”不是失败，而是系统明确承认自己没有足够把握。
它主要防两类事故。第一类是 evidence loss，即“证据丢失”：在确有缺陷的图像上，检测器对缺陷区域的召回率低于预设下限。第二类是 excess activation，即“过度激活”：检测器在标注为干净的区域产生过多响应。前者像把裂纹擦掉，后者像把普通纹理看成裂纹。不过论文刻意使用“证据丢失”和“过度激活”，没有直接声称修复真正删除或凭空制造了物理结构，因为事故也可能来自检测器本身能力不足。
两项风险的分母并不相同。证据丢失只在有缺陷的正样本中计算；过度激活则在所有获准自动返回的图像中计算。若把大量干净图像塞进第一项的分母，缺陷越少，数字就会机械地显得越安全。
先排队，再决定放行多少
SafeRestore会为每个候选动作拟合两套排序分数，分别对应上述两类风险。输入特征来自候选图像、检测器输出以及它们与原始显示结果的一致性。论文强调，这些分数只是“排队号”，不是校准过的事故概率：低分图像排在前面，不代表分数为0.1就有10%的事故概率。
系统先为每张图挑选最合适的候选，再按风险分数排序。随后，它在 threshold-tuning 数据上选择一道 gate——也就是自动返回与人工复核的分界线。调好以后，检测器、候选顺序和门槛全部固定，不能再看认证结果临时修改。
最后，系统在一份互不重叠的 certification sample 上数事故。它分别为证据丢失率和过度激活率计算单侧 exact binomial bound，即精确二项分布置信上界。直观地说，如果独立样本中的每张图只记录“出事”或“没出事”，这个上界回答的是：考虑有限样本的不确定性后，真实事故率最高可能到哪里。两项上界都不超过论文设定的15%目标，策略才通过认证；缺少任一项所需样本时，直接判为不通过。
这种“排序—调门槛—独立认证”的分工很关键。调参数据负责找门，认证数据只负责验门。若一边查看认证结果，一边换模型、换候选池或挑训练种子，证书的错误率控制就不再适用。
证书真的挡住了什么？
论文在4,591张公开 Carinthia-S 图像上做了回顾性分样本实验。主策略允许系统在原图和全部五种修复之间自适应选择，但五次训练重复中只有一次通过认证。把未通过认证的重复记为零后，pass-gated test coverage——既通过证书、又能自动返回的测试覆盖率——为 。这个波动很大，不能只看12%的均值而忽略四次失败。
唯一通过的 seed 211 提供了一个具体读法。认证样本中，系统接受158张正样本，其中14张发生证据丢失；全部接受图像为169张，其中12张发生过度激活。对应的单侧上界分别为13.5%和11.3%，均低于15%，因此这一个预先固定的策略通过。另一个 seed 223 的证据丢失上界只有3.8%，但过度激活上界为16.8%，仍须判为失败。两条红线不能互相抵消。
更值得注意的是，复杂策略没有在现有证据上胜过简单方案。固定 bicubic 在五次重复中通过三次；bilinear和smoothed bicubic也比主策略通过得更多。删除一项一致性特征，或只保留插值候选，同样把通过次数从1次提高到3次。反过来，去掉原始图像或只用学习式修复，都没有一次通过。论文因此把贡献限定为可审计的自动返回与转人工框架，并未宣称自适应路由优于简单策略。
候选之间确实存在取舍。学习式修复的平均 PSNR 为39.7 dB。PSNR是衡量重建图像与参考图像像素差异的常用指标，越高通常表示越接近参考图。它的证据丢失发生率为6.7%，低于原图和固定插值的46.1%至48.7%；但其过度激活发生率高达51.3%，后者只有3.0%至3.8%。一个指标上的漂亮成绩，完全可能掩盖另一种事故。
为什么这比“看起来更清晰”可靠
SafeRestore最有价值的地方，不是承诺总能修好，而是把上线问题改成了可审计的问题：自动返回了多少图；其中两类事故各发生多少次；样本量是否足以支撑风险上界；证书究竟属于哪一个固定策略。这些记录可以被复算，也会在证据不足时明确拒绝放行。
它还暴露了平均结果容易遮住的边界。在未参与拟合和认证的 reserved morphologies——预留缺陷形态——上，证据丢失发生率升至81.1%至90.3%。这说明名义分布上的证书不能直接搬到新形态。KolektorSDD也没有提供外部确认：该数据上的检测器能力不足，校准划分只有5张调门槛正样本，低于方法要求的15张；13张认证正样本即使零事故，也无法达到论文设定的15%上界目标。
局限与未知
- 证书是相对于既定检测器的总体风险保证，不是对单张图的承诺，也不证明物理缺陷一定被保留。它依赖图像级 i.i.d.——图像独立且来自同一分布——这一工作假设；数据清单没有晶圆、批次或样本组标识，物理独立性无法核查。
- 保证只属于查看认证结果前已经固定的单一策略。五个训练种子是敏感性分析，不能事后挑出通过者部署。实验还是回顾性分样本研究，不能等同于真实产线的前瞻验证。
- 预留形态上的高事故率缺少样本量、置信区间和具体形态构成等细节；KolektorSDD的失败又同时受到检测器能力与正样本不足影响，不能简单归因于修复方法。
SafeRestore给出的上线标准因此很克制：先别问修复图有多漂亮，先问检测器证据会不会受伤；如果独立数据还不足以回答，就把图交给人。