実写真から切り出した背景素材に前景オブジェクト（検出対象）を合成して検出器の学習・評価データを作るとき、背景素材自体に未ラベルの検出対象が写り込んでいると、2つの別異な弊害が出る。

1. 学習側: 未ラベルの対象が「検出してはいけない背景」として扱われ、モデルに「対象を無視する」ことを教えてしまう（検出率の上限を壊す）
2. 評価側: モデルが写り込み対象を正しく検出しても誤検出に計上され、真の性能より悪い値で合格判定を落とす（実例: 素材清浄化だけで誤検出/枚 0.317→0.007、検出率 96％→100％に変化）

手順・判断基準

• 背景と前景の素材は生成前にモンタージ土目視検品する。自動抽出（検出モデルでの切り出し等）は便利だが、複数対象の結合・背景混入・UIオーバーレイの焼き込みなどの不良素材を生む
• 評価で誤検出が多いときは、閾値調整の前に誤検出例を可視化して「GT汚染かモデル誤りか」を切り分ける。GT汚染なら閾値をいくら振っても解決しない
• 合成評価の合格は必要条件にすぎない。実ドメインのフレーム（モーションブラー・低解像度・類似形状のディストラクタ）での実世界チェックを別軸で行い、sim2real ギャップ（ブラーでの見逃し・白い箱の誤検出等）を次のデータ拡張（強いブラー・ディストラクタ混入・実フレーム混合）にフィードバックする