合成データで train/val を組んでいるモデルを fine-tune すると、val スコアは初期からほぼ頭打ちのため、実写側（本当に改善したい対象）が良くなる前に early stopping が発動して学習が実質進まないことがある。実測では patience=12 の fine-tune が epoch 1 を best として即終了した。同じ理由で「best チェックポイント」の自動選択も合成 val 基準になり、実目標の成績と一致しない。

対処

• fine-tune 時は patience を epochs と同値にして early stopping を実質無効化する（短い epochs を自分で決める）
• チェックポイントは best と last の両方を実ターゲット評価（実写の回帰スイート、レポート写真、fixture 等）にかけ、そちらの結果で採用を決める
• 学習フレームワークの「改善が止まったら切る」は val が目標を代表している前提の機能。ドメインが乖離した fine-tune ではその前提が崩れていることを認識する

適用条件

学習データ（合成・別ドメイン）と実運用目標（実写等）が乖離している fine-tune 全般。ゼロから学習する場合は val も同時に成長するため通常どおり early stopping で問題ない。