カメラで対象（書類・カード等）を検出して切り出すスキャン機能は、リアルタイム検出器の精度を上げ続けるのではなく、責務を3層に分離すると全体が頑健になる。

• ライブ層（誘導専用）: プレビュー上の枠表示は「だいたい合っていればよい」ガイダンスに限定する。低解像度・低頻度で動かし、座標は時間平滑化する。検出成否を撮影操作の可否（シャッターの有効/無効）に結びつけない。
• 抽出層（静止画1回）: 精密な四隅抽出は、撮影されたフル解像度の静止画に対して1回だけ実行する。毎フレームのリアルタイム制約が外れるため、重い処理や高解像度入力を使える。複数対象の分割もここで行う。
• 保証層（ユーザー補正）: 確認画面で四隅をドラッグ編集できるようにし、検出の最終保証を自動処理でなくユーザーに置く。これにより検出精度の要求が「常に正しい」から「だいたい合っていて手直しが楽」へ下がる。

併せて、切り出しは非破壊にする: 元静止画と四隅座標を保持し、切り出し画像は派生物として編集確定時に再生成する。撮影時に切り出しだけ残して元画像を捨てると、検出ミスがデータ破壊になり保証層が機能しない。

判断基準

• リアルタイム検出が撮影可否のハードゲートになっている場合、検出できない対象は撮影自体が不可能になり、検出精度が体験全体の単一障害点になる。この構造を見つけたら検出器の改善より先に責務分離を行う。
• 難条件（低コントラスト・テクスチャ背景・対象内部の強い模様）での検出失敗は必ず残るため、失敗を前提にした回復経路（ユーザー補正）を設けるほうが、検出器の改善を積むより費用対効果が高い。
• 市販のスキャナ系アプリが概ねこの構造（誘導枠＋撮影後補正）を採るのは、リアルタイム側の精度保証が原理的に難しいため。

落とし穴

• ライブ層の検出結果をそのまま切り出しに流用すると、低解像度・平滑化済みの矩形で高解像度画像を切ることになり品質が落ちる。抽出層は静止画から独立して検出し直す。