右边和下边从未被采到
CutMix minmax 边界使用上界排除采样，遗漏最右与最下的合法裁剪起点。
timm
—Stars大规模 PyTorch 图像模型库，汇集分类与视觉骨干网络、预训练权重、数据增强和训练工具，是视觉模型研究与复现的重要基础设施。
补回训练中永远缺席的边界位置
两行 off-by-one 不会让程序崩溃，却会长期改变 CutMix 的空间采样分布。
BEFORE · HIGH EXCLUSIVE
右边 / 下边永远采不到
AFTER · +1
完整、近似均匀覆盖
离散坐标上界需要包含端点
这是离散坐标区间的 off-by-one：不会直接崩溃，却会在长期训练中让边界位置永远无法被采样，形成隐蔽的位置分布偏差。
让全部合法起点进入采样
修正随机采样上界并补齐右侧与底部边界位置，使所有合法裁剪起点进入同一均匀分布。
空间覆盖重新保持完整
恢复 CutMix 空间采样的完整覆盖，避免边界区域系统性欠采样，让增强行为与设计语义保持一致。