Convolution & Vision Foundations: 解释平移等变性（equivariance）与不变性（invariance）。

Core Concept: 等变：输入平移则输出同样平移（卷积）；不变：输入平移则输出不变（全局池化/分类输出）。

数学机理：<strong>平移等变性（translation equivariance）</strong> 指'输入平移则输出以相同方式平移'：f(Tx)=Tf(x)，其中 T 为平移算子。卷积天然满足：由于权重共享（同一核在所有位置滑动），输入平移会导致输出特征图相应平移——这是 CNN 的核心性质。<strong>平移不变性（invariance）</strong> 指'输入平移则输出不变'：f(Tx)=f(x)。<strong>分类任务</strong>需要不变性（'猫在左上角'与'猫在右下角'应得到同一标签），而<strong>分割/检测任务</strong>需要等变性（位置信息必须保留，才能定位目标）。<strong>如何从等变得到不变</strong>：在等变特征上施加'全局聚合'——(a) <strong>局部池化</strong>（max/avg pooling）提供<strong>局部</strong>不变性（窗口内平移不变）；(b) <strong>全局平均池化（GAP）</strong> 提供<strong>全局</strong>不变性（任意平移不变），故分类头常用 GAP；(c) <strong>堆叠多个池化</strong>逐步扩大不变范围。<strong>数据增强</strong>从数据侧诱导不变性：若对所有平移的样本都给出同一标签，模型会被迫学到平移不变的特征（但需足够数据覆盖）。<strong>注意</strong>：池化提供的不变性是'有代价的'——它丢弃位置信息，故对需要定位的任务有害；现代架构（如分割网络）用'编码器-解码器'结构在深层保留语义不变性、在浅层保留空间等变性。

深度剖析与工程权衡：① <strong>等变与不变的层次</strong>——CNN 的浅层是'等变'的（保留位置），深层逐渐获得'不变'性（语义抽象）；这种'从等变到不变'的层次是 CNN 有效的原因之一。② <strong>ViT 的排列等变</strong>——注意力对 token 的<strong>排列</strong>是等变的（打乱则输出打乱），但对<strong>平移</strong>不是天然等变的（因 patch 划分固定）；故 ViT 需要位置编码 + 足够数据来学习平移等变性。③ <strong>抗混叠与不变性</strong>——下采样的混叠会<strong>破坏平移不变性</strong>（同一目标在不同像素偏移下得到不同特征）；BlurPool 等抗混叠方法能显著改善。④ <strong>等变性在生成中的作用</strong>——扩散模型的 U-Net 用卷积（等变），故能生成任意位置的物体；而全局注意力层会引入'位置特定'的先验。⑤ <strong>与数据增强的关系</strong>——增强（翻转/旋转/裁剪）诱导的等变性是'模型需要学的'，与结构内置的等变性（卷积）互补；过强的增强可能引入不正确的先验（如对数字'6'与'9'做翻转）。⑥ <strong>面试要点</strong>——被问'等变与不变的区别'，应用'<strong>跟着变 vs 不变</strong>'一句话点破，并举例'分类要不变、分割要等变'；能进一步说'CNN 从浅层等变到深层不变'与'池化/下采样的代价'，是深度理解的标志。