视觉中像素重建捕获统计高频，非语义有用

在视觉中：像素是原始传感器数据。

高方差特征 = 局部纹理、边缘、背景（统计上占主导但语义浅）。

重建学习的是统计上占主导的内容，而非语义上有用的内容。

这是核心问题。