シャープネス（ラプラシアン分散）やエッジ密度など、候補領域の統計量で候補を採否判定するゲートは、値が領域のサイズと内容に依存するため「真の対象（余白を含む大きな領域）が閾値を下回り、偽の候補（文字やテクスチャが密集した小さな部分領域）が閾値を通過する」逆転が起きうる。逆転が起きると、真の対象が揺らぎで落ちたフレームだけ偽候補が唯一の検出になり、表示が飛ぶ・別対象に切り替わるという質の悪い不安定化になる。

判断基準

• ゲート閾値は勘や既定値でなく、両側の失敗クラスの実測値で挟んで決める。「許容したい劣化入力（実運用相当の摂動を加えた真の対象）での統計量の下限」と「棄却したい入力（明確な不良）での上限」を先に測り、その間に閾値を置く。閾値が許容側実測値の直近にあると、フレーム毎の揺らぎで採否が反転しちらつきの原因になる。
• ちらつき対策として閾値を一律に引き下げるのは危険。「弱い真」を通すと同時に「弱い偽」（境界帯の背景など）も通してしまい、誤検出の悪化として跳ね返る（実機で確認済みの失敗）。正しい形は二段閾値のヒステリシス: 高い閾値は「新規に信じる基準」（新規トラック作成・表示開始）、低い閾値は「信じ続ける基準」（確立済みトラックの生存維持のみ、実績カウントは増やさない）に分ける。弱い検出に新規作成を許さなければ、境界帯の偽候補は決して表示に至らない。
• ヒステリシスの維持側は「確立済み」（複数回の強い検出実績がある）対象に限定する。単発の強い検出で生まれた候補まで弱い検出で維持すると、境界帯の偽候補が稀な閾値超えを起点に永久生存する。
• 統計量が領域内容に依存する以上、ゲートだけで偽候補を落とそうとしない。逆転して通過する偽候補の抑制は、包含関係の抑制や表示側のデバウンス（連続 N フレーム検出で初めて表示）など別レイヤーに分担させる。

検証方法

実運用相当の摂動（ぼかし・平行移動・明度変動）を決定的な疑似乱数で系列生成したフレーム列に対して検出〜トラッキング〜表示の実経路を回し、表示の連続欠落数と前フレームとの IoU ジャンプ回数を集計するスイープを作る。棄却理由と統計量の実測値を段階別にログして、どのゲートのどの値で落ちているかを特定してから閾値を動かす。変更後は、棄却したい側の失敗クラス（強い不良入力）が依然棄却されること、および誤検出させたい側の実地シーン（誤検出が起きた実フレームの再現）で偽候補が表示されないことも同じハーネスで確認する。