深度学习中常用cat操作，将不同表征的信息融合在一起，也就是多个矩阵逐像素相加，但是我曾经想着逐像素相加形成少许几个矩阵，还能表示曾经的多个信息吗？比如特征金字塔将高分辨率和低分辨率这种，生产的新特征富含了高分辨特征和低分辨特征，怎么想想也觉得怪。

但是新的想法帮助我理解了这个问题，虽然只是突发奇想，不一定是对的。

我们知道比如光波、声波，当多个不同的来源叠加时，我们仍然能够将其分离，比如光纤通信，比如多个人同时给你讲话，虽然能量上叠加了，但是仍然能保持自己的特征。那么图像也是一种信息，可以理解为一种波，那么可能也能够在叠加时保持自己的特征，虽然在算法上只是简单的叠加了，实际上各种特征并没有改变，只是隐藏在了cat操作之下了。